I Big Data: la fine della causalità e l'inizio della correlazione
I Big Data non sono una nuova tecnologia, ma una nuova mentalità. Le aree coinvolte? Aziende, sistema sanitario e dell'istruzione, mobilità e trasporti
Per Viktor Mayer-Schönberger i big data non sono solo una nuova tecnologia, ma – parole testuali – “una nuova mentalità”. Gli umani stanno smettendo di pensare in termini di causalità e iniziando a pensare in termini di correlazione, passando da analizzare piccole porzioni di dati ordinati, a grandi quantità di dati caotici. Professore di Internet Governance and Regulation all'università di Oxford, nel 2013 Mayer-Schönberger ha scritto insieme a Kenneth Neil Cukier, data editor dell'Economist, un saggio visionario: Big Data: una rivoluzione che trasformerà il nostro modo di vivere. Il libro è stato incluso nelle liste dei bestseller del New York Times e del Wall Street Journal. Da allora, come racconta a World, molte cose sono cambiate e il ruolo dei big data si è fatto ancora più importante, soprattutto per l'ambito business e quello dei servizi.
Sono passati due anni da quando ha pubblicato il suo libro. L'impatto dei big data è cresciuto ancora?
Fino a un paio d'anni fa, molti non sapevano cosa fossero i big data. Ora non è più così: il fenomeno è stato raccontato e oggi la consapevolezza e la comprensione di che cosa siano i big data è aumentata. Eppure c'è ancora un vasto numero di persone che continuano a non sapere che cosa siano precisamente. Molti consulenti, aziende ed esperti del settore hanno pubblicizzato nuovi strumenti tecnici d'analisi, promettendo il paradiso dei big data. Ma più ci concentriamo sui nuovi strumenti, più perdiamo di vista qual è davvero l'essenza dei big data: non una nuova tecnologia, bensì una nuova mentalità, una nuova prospettiva sulla realtà che offrirà nuovo potenziale alle aziende e alla società.
Quali sono le aziende e i campi della ricerca che sono cambiati di più con l'avvento dei big data?
Tutti i servizi basati su Internet ne hanno beneficiato. Il sistema di consigli per gli acquisti di Amazon, per esempio, si basa sull'analisi di big data e genera circa il 30% dell'introito della società, una percentuale enorme. Oppure i motori di ricerca (da Google a Bing), le traduzioni (sia di testo scritto, come Google Translate, o vocali, come Skype Translate) e la correzione automatica degli errori di battitura; tutti strumenti usati da milioni di persone. Inoltre le macchine senza guidatore, che si fermano in tempo per evitare incidenti. Tutto questo è big data. Ma le grandi aree di cambiamento coinvolte dall'avvento dei big data sono anche altre: il sistema sanitario e il sistema dell'istruzione, la mobilità e i trasporti. Questi campi cambieranno fino a essere irriconoscibili
proprio grazie ai big data.
La crescente popolarità dei big data sta cambiando anche le città?
Le città crescono a un ritmo relativamente lento. I big data si muovono molto più velocemente. Il loro impatto sulla morfologia e l'urbanistica delle città non è ancora troppo visibile, ma lo sarà tra qualche anno. I big data sono già usati per predire i bisogni del sistema dei trasporti pubblici, orientando gli investimenti economici in molte metropoli. Sono usati al servizio delle autorità pubbliche e della polizia, e presto entreranno nelle scuole e nel sistema educativo. La speranza è che i big data possano portare al miglioramento delle politiche urbane e aiutare il maggior numero possibile di persone a raggiungere i propri obiettivi e migliorare il proprio stile di vita. Siamo solo all'inizio, ma tra appena cinque anni alcuni di questi cambiamenti potrebbero già essere tangibili. Basti pensare al traffico urbano e al parcheggio in città: al momento le auto individuali sono in movimento solo per il 4% del tempo, il che implica un enorme spreco di risorse. Se le auto non avessero bisogno di un guidatore ci sarebbe meno bisogno di avere un'auto personale. Si potrebbe ordinare un'auto senza pilota ogni volta che ne abbiamo bisogno, e sarebbero meno costose dei taxi. Potrebbero essere usate giorno e notte, sette giorni alla settimana. Si stima che questo potrebbe ridurre il traffico urbano e il bisogno di aree di parcheggio fino al 30%. Grazie ai big data e al loro impatto sul trasporto e la mobilità, potremmo avere città molto meno inquinate, più ecologiche e più a misura d'uomo.
Qual è la relazione tra la crescita dei big data e l'Internet delle cose?
L'Internet delle cose (ovvero l'estensione della Rete agli oggetti in grado di interagire tra loro e con l'utilizzatore di quegli oggetti, ndr) è un'infrastruttura importante per i big data. Perché attraverso l'Internet delle cose possiamo raccogliere dati molto più dettagliati di prima e dunque fornisce ai big data gli input e le informazioni di cui hanno bisogno per fare il loro lavoro. Al contempo però è solo una tecnologia, un'infrastruttura tecnica. Il valore aggiunto e la sua innovativa profondità d'analisi non vengono dall'Internet delle cose, ma dai big data, e cioè dall'analisi completa dei nuovi flussi d'informazione che ora sono disponibili.
Ha detto che l'idea alla base dei big data è rimpiazzare una piccola selezione di dati ordinati con una grande quantità di dati caotici. Stiamo rivoluzionando le fondamenta della statistica?
Noi umani abbiamo sempre usato i dati per comprendere il mondo. Migliaia di anni fa osservavamo già il mondo con la speranza di comprenderlo. Abbiamo anche capito che raccogliere dati e analizzarli può essere un processo difficile, costoso e lungo. E quindi abbiamo elaborato metodi, processi e istituzioni per comprendere questo mondo. Tutto, però, si basava sull'avere piccole quantità di dati disponibili da analizzare. Ma che cosa succede quando cambia la premessa, ovvero quando non dobbiamo più rassegnarci a usare pochi dati costosi? Quando il raccogliere e analizzare dati in maniera completa diventa più facile e meno costoso? Dobbiamo ripensare la nostra visione del mondo: questo è ciò che sta avvenendo ora. Molti degli strumenti che abbiamo sempre usato per l'analisi statistica su piccola scala non sono applicabili nel contesto dei big data (e quindi dobbiamo trovare degli strumenti alternativi). Inoltre dobbiamo ripensare come vediamo e comprendiamo il mondo. Stiamo usando questi nuovi dati per rispondere a domande di cui già sappiamo la risposta? E se fossero le domande a essere sbagliate? Possiamo ribaltare le cose e usare i dati per porre domande migliori? Qual è il ruolo della causalità? E adesso che abbiamo accesso a tutti questi dati, sapremo ammettere che molte di quelle che credevamo essere “cause” sono invece poco più che intuizioni, basate su correlazioni statistiche? L'obiettivo – la speranza – è quello di aiutare l'uomo a prendere decisioni migliori, utilizzando i dati in maniera completa e su larga scala, per comprendere il mondo in cui viviamo.
Dal cercare le cause delle cose, al cercare una semplice correlazione tra esse: sembra un grande cambiamento a livello filosofico.
Noi umani comprendiamo il mondo in sequenze di causa e effetto: è così che lo analizziamo. Ma come dice il premio Nobel Daniel Kahneman questo “pensiero veloce” che identifica le cause è molto fallace. Identificare davvero le cause è compito lungo e laborioso. A volte non abbiamo tempo di identificare la causa prima di dover passare all'azione. In queste situazioni, sapere il “cosa” può aiutarci a prendere decisioni importanti, anche se ancora non sappiamo il “perché”. E sapere il “cosa” può anche aiutarci a concentrare le nostre analisi più dispendiose sulle correlazioni statistiche più promettenti che già riusciamo a identificare. Ad esempio, i ricercatori possono usare sequenze di big data per identificare le funzioni vitali (come il battito del cuore, la pressione sanguigna ecc.) dei bambini prematuri per predire future infezioni. Ciò significa che i medici possono già intervenire con anticipo, e trattare le infezioni prima che vadano fuori controllo. Questo è possibile anche se i ricercatori non conoscono ancora il perché alcune sequenze indicano una predisposizione alle malattie nei bambini prematuri. Anche senza sapere “perché”, possiamo usare la nostra conoscenza del “cosa” per salvare vite. Sì, è un cambio di mentalità che enfatizza il pragmatismo, ma ci mette in condizione di compiere scelte migliori, e, come in questo caso, addirittura salvare delle vite.
Ha scritto molto sul concetto di “datificazione”. Oggi vediamo come quantificabili cose che prima non lo erano, come le nostre amicizie e, secondo alcuni, addirittura l'amore. Ci stiamo disumanizzando?
La datificazione – e cioè il rappresentare sempre più aspetti delle nostre vite in termini di dati – è cruciale nell'analisi dei big data. Non credo che sia disumanizzante. Sì, potremmo scoprire che gli umani sono più prevedibili e meno ingegnosi di quanto pensavamo. Però dire che questo rappresenti il lato oscuro dei big data equivarrebbe a incolpare il mezzo per un messaggio veritiero che non ci piace ascoltare. Non dobbiamo accusare i big data di disumanizzarci, ma piuttosto essere più umili nel comprendere i nostri limiti. Certamente ci sono lati oscuri nei big data (e il più grande è la tentazione di usarli per arrivare al “perché” delle cose che succedono, quando i dati ci dicono soltanto “cosa” sta succedendo), ma la datificazione non è uno di questi.
