Blog

Il blog di performa.me
17 Dic 2020

Thick data

/
Commenti0

I computer sono stupidi perché non sanno fare domande.

Lo diceva Pablo Picasso.

Comprendere i dati è una competenza e anche qualcosa di oltre, è forse necessario oggi. Ma che tipo di dati?

I “thick data” sono in grado di rapportarsi con storie di persone intrise di emozioni e contraddizioni, mostrandoci prospettive spesso inattese.

Noi esseri umani non siamo numeri e nemmeno matrici, o algoritmi matematici, tuttavia seguiamo archetipi, stereotipi e modalità di pensiero standardizzate.

Anche il comportamento in apparenza più irrazionale e impulsivo viene causato da fattori ben determinati e che dunque, potremmo definire: “calcolabili”. Però individuarlo richiede strumenti di misurazione più agili, meno orientati alla raccolta “quantitativa”, ma “qualitativa”.

Tricia Wang è un’etnografa e studia la convivenza tra popoli, culture e la tecnologia.

Nel corso di una conferenza Ted Talk, Tricia ha raccontato una storia interessante su Nokia, ovvero della volta in cui non riuscì a interpretare i Big Data di cui disponeva.

Ha scoperto che il target a cui si rivolgeva la Nokia, ossia popolazione a basso reddito, in realtà metteva da parte tutti i risparmi per potersi comprare un I-phone. Non desideravano il prodotto Nokia, volevano altro ed erano disposte a fare sacrifici economici per potersi permettere quel prodotto.

Nel 2009 Tricia si era immersa nell’economia locale cinese informale, trascorrendo giornate intere negli internet point a dialogare con giovani cinesi e capire come utilizzassero i telefoni cellulari.

Individuò un quadro opposto a quello rilevato dagli analisti della Nokia. Il colosso tech finlandese non si convinse, anzi continuava a sostenere che lo smartphone non si sarebbe venduto, specialmente ai prospect di reddito basso. Inoltre, l’azienda considerava non attendibili i dati ottenuti da Tricia Wang, perché ottenuti mediante semplici “chiacchierate” con alcuni giovani cinesi: uno schema da non prendere troppo seriamente. Quello che accadde fu disastroso per il suo bilancio.

Cos’era accaduto? Il modello di analisi dei Big Data di Nokia non prendeva in considerazione le dinamiche sociali emergenti.

Tricia sostiene che il 73% dei progetti sui Big Data non è efficace e redditizio perché non prende in considerazione il contesto latente, quello “nascosto” delle persone.

Tricia sostiene che la Nokia era incappata nel “quantitative bias”: quello che accade quando un analista si incaponisce ad analizzare solo i dati misurabili, perdendo di vista tutto ciò che c’è dietro, ossia, il contesto profondo e non misurabile, perché legato a una dimensione personale e psicologica.

La morale di questa storia ci dice che raccogliere dati, senza comprendere il contesto dal quale essi provengono, rende gli stessi dati inefficaci per il raggiungimento di alcuni scopi. È il contesto a rendere i dati “Thick”, ossia densi, spessi.