Big Data - informationer om os allesammen, høstet gennem vores brug af eksempelvis Google og sociale medier - er ikke altid bedre end simple og offentlige datasæt, når det kommer til at forudsige vores adfærd.
Big Data har ellers ry for at være en værdifuld kilde til at forudsige adfærdsmønstre, men ulempen ved Big Data er, at der indsamles en masse - og til tider følsom - viden om borgerne, hvilket potentielt kan blive en trussel for vores privatliv.
I et nyt studie har forskere fra Københavns Universitet og Danmarks Tekniske Universitet opstillet et forsøg, hvor de forsøgte at forudsige studerendes eksamenskarakterer med forskellige typer datasæt.
Resultatet viste altså, at de simple og mindre følsomme datasæt faktisk klarede opgaven bedre end de mere private Big Data.
\ Hvad er Big Data?
Big Data bliver ofte brugt ret flydende, men generelt dækker betegnelsen over store og diverse mængder information om forbrugere.
Informationen høstes og analyseres af software, der kan finde mønstre i de vældige datasæt.
Dataene kan inkludere alt fra, hvad vi har skrevet på sociale medier og vores seneste skokøb til vores svar på brugerundersøgelser og position på GPS’en.
Firmaer og andre organisationer kan betale eksperter for at gennemgå dataen og nå frem til information om forbrugere, som de kan forbedre deres forretning med.
Kilde: Investopedia
Store datasæt er ikke nødvendigvis bedre
Studiet, der er udgivet i det videnskabelige tidsskrift PNAS, har forsøgt at forudsige over 500 studerendes eksamensresultater ved hjælp af to sæt data:
- Simple, administrative data, som man kunne finde hos Danmarks Statistik, samt i form af elevernes karakterer fra skole og gymnasiet
- Big Data: Mere nærgående data, indsamlet via de studerendes mobiler
Data fra mobilerne er omfangsrige og inkluderer blandt andet:
- Hvor eleverne har befundet sig
- Hvor ofte de er kommet til timerne
- Hvem de skriver beskeder og ringer til
- Elevernes telefonbrug i timerne
Ud fra den information har forskerne så forsøgt at forudsige elevernes karakterer ved brug af henholdsvis datasæt 1, datasæt 2 og begge sæt sammenlagt.
»Vi så, at modellerne baseret på de simple administrative data klarede sig langt bedre,« fortæller Andreas Bjerre-Nielsen.
Han er adjunkt i økonomi og social datavidenskab på Københavns Universitet og medforfatter til den videnskabelige artikel.
»Og da vi lagde begge sæt sammen, gav tilføjelsen af sæt 2 ikke bedre resultater end brugen af sæt 1 alene,« forklarer han.
