Mac201 big data

BIG  DATA   #mac201  

100  petabytes  of  data  

1  petabyte  =  1000  terrabytes  

1  terrabyte  =  1000  gigabytes  

100  petabytes  =  100,000,000  gigabytes  

Theory  free?  

‘Google’s  engineers  didn’t  bother  to  develop  a  hypothesis  about  what  search  terms  –  “flu  symptoms”  or  “pharmacies  near  me”  –  might  be  correlated  with  the  spread  of  the  disease  itself.  The  Google  team  just  took  their  top  50  million  search  terms  and  let  the  algorithms  do  the  work.’  -­‐  HarLord,  2014      

IdenOfied  key  data  points  associated  with  pregnancy    Hit  enough  indicators  =  receive  vouchers  

Data  is  cheap  

As  our  communicaOon,  leisure  and  commerce  have  moved  to  the  internet  and  the  internet  has  moved  into  our  phones,  our  cars  and  even  our  glasses,  life  can  be  recorded  and  quanOfied  in  a  way  that  would  have  been  hard  to  imagine  just  a  decade  ago  (Harford,  2014)  

4  big  claims:  1.  That  data  analysis  produces  uncannily  accurate  results;    2.  That  every  single  data  point  can  be  captured,  making  old  

staOsOcal  sampling  techniques  obsolete;    3.  That  it  is  unnecessary  to  concentrate  upon  what  causes  

what,  because  staOsOcal  correlaOon  tells  us  what  we  need  to  know;    

4.  That  scienOfic  or  staOsOcal  models  aren’t  needed  

This  is  a  world  where  massive  amounts  of  data  and  applied  mathemaOcs  replace  every  other  tool  that  might  be  brought  to  bear.    Out  with  every  theory  of  human  behavior,  from  linguisOcs  to  sociology.  Forget  taxonomy,  ontology,  and  psychology.  Who  knows  why  people  do  what  they  do?    The  point  is  they  do  it,  and  we  can  track  and  measure  it  with  unprecedented  fidelity.  With  enough  data,  the  numbers  speak  for  themselves.  -­‐  Anderson,  2008  

Eisenhower  vs  Stevenson  1952    

Remington  Rand  UNIVAC  Cost  $1m  in  1952  

$8m  inflaOon  adjusted  

Predicted:  438  to  93    

Predicted:  438  to  93  Actual:  442  to  89    

Richard  Whihaker,  Senior  Vice  President  at  SAP  Labs    

The  amount  of  likes  on  Facebook  can  predict  a  screening's  chance  of  selling  out,  allowing  film  marketers  to  focus  their  ahenOon  on  gekng  the  word  out  amongst  relevant  demographics.  

Eugene  Hernandez,  Director  of  Digital  Strategy  at  the  Film  Society  of  Lincoln  Center  

three

"With  the  purchase  of  series,  we  look  at  what  does  well  on  piracy  sites  …  Prison  Break  is  excepOonally  popular  on  piracy  sites.  Kelly  Merryman,  content  acquisiOon  exec  at  NeLlix,  2013  

“in  large    data  sets,    

large  deviaOons    are  vastly  more    ahributable  to    

variance  (or  noise)    than  to  informaOon  

 (or  signal)”    Taleb,  2013  

Summary  

•  Big  data  is  being  employed  to  track  digital  media  users  and  their  behaviours  

•  Offers  new  insights  into  real  world  pracOces  and  preferences  

•  Incorrect  or  theory  free  assumpOons  can  mean  that  big  data  =  big  errors  

Images  CC  •  JD  Hancock  (2012)  Big  Data  •  Michael  Donovan  (2009)  Large  Hadron  Collider  •  Torkild  Retvedt  (2009)  Server  room  at  CERN  •  Carlos  Luna  (2008)  Google  •  Peter  Kirkeskov  Rasmussen  (2014)  Social  Media  •  David  Telford  (2011)  082/365  man-­‐flu!  •  Mike  Mozart  (2014)  Target  •  R2hox  (2013)  data.path  Ryoji.Ikeda  –  4  •  Sean  MacEntee  (2010)  social  media  •  Kevin  P  Trovini  (2014)  Google  Glass  (Red)  •  Sean  MacEntee  (2014)  data  is  oil  •  Charis  Tsevis  (2012)  I  Like  Facebook  •  R2hox  (2013)  data.path  Ryoji.Ikeda  -­‐  3