ビッグデータは嘘でも万能でもない--グーグルの「インフルトレンド」論議から考える

Nick Heath (TechRepublic) 翻訳校正: 川村インターナショナル

2014-05-21 07:30

 大げさな宣伝にのせられて、日常生活を単調かつ難しいものにしている制約や複雑さを、誰か、あるいは何かが超越してくれると信じることはたやすい。

 ビッグデータは、良い結末を追求するあまりに過剰な期待をしてしまうという現象の最近の犠牲者である。ある報告書が、ビッグデータに関する好例の1つである「Google Flu Trends(インフルトレンド)」に暗い影を投じたことをきっかけにして、ビッグデータ人気の揺り戻しが始まっている。

 Google Flu Trendsは、人々が使っている検索語に基づいてインフルエンザの感染率を世界規模で予測するサービスであり、29カ国で行われている大量の検索を解析している。

 2009年にNatureで発表された論文では、このサービスがわずか1日の遅れで予測を生成できるとされている。米国疾病対策予防センター(CDC)の場合は、診察した医師からのフィードバックに基づいた予想に1週間程度かかっており、Google Flu Trendsの予測はこれよりも速いことになる。

 Google Flu Trendsの初期の成功により、ビッグデータの勝利を祝い、大規模なデータセットの相関によってノイズから情報を引き出せることを称賛するいくつもの記事が執筆された。その後、Financial Timesが指摘したように、すべてのデータポイントをとらえられるのだから、昔ながらの統計的サンプリング手法は時代遅れであり、統計的相関によってあらゆる有益な情報が明らかになると主張する記事が発表された。

 しかし2014年3月に、Google Flu Trendsがインフルエンザ様疾患の流行を2倍近く多く見積もっていたことを示す論文が発表されると、何にもましてビッグデータの相関パターンに頼ることの限界を指摘する記事が次々と発表された。

 その後、ビッグデータアナリティクスの状況を検証する一連の記事が発表された。さらにFinancial Timesでは、ケンブリッジ大学のWinton Professor of the Public Understanding of Risk(一般市民のリスク理解のためのウィントン教授)であるDavid Spiegelhalter氏が、ビッグデータの「チアリーダー」と同氏が呼ぶ人々の主張を、「たわごと」であると形容した。

 そうした記事でも強調されていたように、関連データを100%取得したという確信がない限り、そして100%取得できるような限られた状況でない限り、大規模なデータセットは、データ分析を何十年にもわたって悩ませてきた落とし穴に苦しめられるだろう。それはサンプルのエラーとサンプルの偏りの問題という落とし穴だ。

 大規模なデータセットから分かることをそのまま予測に用いると、こうした問題に足元をすくわれがちだ。Twitterからすべてのツイートを集めれば、Twitterユーザーの間に広がるムードは分かるが、その国のムードが分かるわけではない。これと同じような制約の影響を受けたのが、スマートフォンアプリの「Boston Street Bump」だ。このアプリは、自動車がボストン市内の通りを走行する際の大きな振動を検出することによって、舗装面の穴の位置を記録するものだ。このアプリが生成するデータは、舗装面の穴を表示した地図の作成のために収集されてきたが、その地図では、スマートフォンを所有する裕福な人が走行することの多い地域が優先されることになる。

ZDNET Japan 記事を毎朝メールでまとめ読み(登録無料)

ZDNET Japan クイックポール

自社にとって最大のセキュリティ脅威は何ですか

NEWSLETTERS

エンタープライズ・コンピューティングの最前線を配信

ZDNET Japanは、CIOとITマネージャーを対象に、ビジネス課題の解決とITを活用した新たな価値創造を支援します。
ITビジネス全般については、CNET Japanをご覧ください。

このサイトでは、利用状況の把握や広告配信などのために、Cookieなどを使用してアクセスデータを取得・利用しています。 これ以降ページを遷移した場合、Cookieなどの設定や使用に同意したことになります。
Cookieなどの設定や使用の詳細、オプトアウトについては詳細をご覧ください。
[ 閉じる ]