đó họ tạo ra được những thành công, Giám đốc điều hành
Anthony Goldbloom của Kaggle giải thích. Một nhà vật lý người
Anh đã phát triển các thuật toán suýt giành chiến thắng, để dự
đoán yêu cầu thanh toán bảo hiểm và xác định các xe hơi cũ có
lỗi. Một chuyên gia bảo hiểm Singapore dẫn đầu một cuộc thi dự
đoán các phản ứng sinh học đối với các hợp chất hóa học. Trong
khi đó, ở nhóm dịch máy của Google, các kỹ sư vui mừng với
bản dịch của những ngôn ngữ mà chẳng ai trong văn phòng nói
được. Tương tự như vậy, các nhà thống kê tại nhóm dịch máy
của Microsoft thích thú đưa ra một lời châm biếm cũ: rằng chất
lượng của bản dịch tăng mỗi khi một nhà ngôn ngữ học rời khỏi
nhóm.
Chắc chắn là các chuyên gia chuyên ngành sẽ không biến mất.
Nhưng uy quyền của họ sẽ suy giảm. Từ nay, họ phải chia sẻ
diễn đàn với các chuyên viên dữ-liệu-lớn, cũng giống như quan
hệ nhân quả tráng lệ phải chia sẻ ánh đèn sân khấu với mối
tương quan khiêm nhường. Điều này làm biến đổi cách chúng ta
đánh giá kiến thức, bởi vì chúng ta có xu hướng nghĩ rằng
những nhà chuyên môn sâu có giá trị cao hơn những người
nghiên cứu rộng - rằng thời vận ủng hộ chiều sâu. Tuy nhiên,
chuyên môn giống như sự chính xác: thích hợp cho một thế giới
dữ-liệu-nhỏ nơi ta không bao giờ có đủ thông tin, hoặc thông tin
đúng, và do đó phải dựa trên trực giác và kinh nghiệm để dẫn
đường. Trong một thế giới như vậy, kinh nghiệm đóng một vai
trò quan trọng, vì nó là sự tích lũy lâu dài kiến thức tiềm ẩn -
kiến thức mà người ta không thể dễ dàng truyền tải hoặc học
hỏi từ một cuốn sách, hoặc thậm chí có ý thức về nó. Loại kiến
thức đó giúp con người ra quyết định thông minh hơn.
Nhưng khi bị nhồi nhét điên khùng với dữ liệu, bạn có thể khai
thác nó, và với hiệu quả lớn hơn. Vì vậy, những người phân tích
dữ liệu lớn có thể nhìn xa hơn các tín điều và suy nghĩ thông
