Visionary Management of the Data-driven Organisation

by | Dec 20, 2017 | News, Research, Services, The ETHOS Blog: Metadata | 0 comments

Visionary Management of the Data-driven Organisation

The spring course (in Danish) for professionals entitled ‘Visionary Management of the Data-Driven Organisation’ is now open for applicants until the 23rd March. The course is run by ETHOS Lab researchers Brit Ross Winthereik, Michael Hockenhull and Bastian JĂžrgensen with guest lectures by Head of Lab Marisa Cohn and Assistant Professor Pedro Ferreira.  

The following Danish blog post, written by course managers Professor Brit Ross Winthereik and PhD fellow Michael Hockenhull, presents one of the course themes: the need for ‘thick data’ to supplement big data in data-driven organisations. It also discusses how we may translate the concept of ‘thick’ data into a meaningful Danish vocabulary in the context of innovation.

RIG DATA – en fortolkende tilgang giver data vĂŠrdi

I dette blogindlÊg specificerer vi et begreb, som er udviklet i en amerikansk kontekst. PÄ den mÄde bliver det nemmere at gennemskue mulighederne sÄvel som udfordringerne ved at benytte big data i forbindelse med skabelsen af vÊkst og innovation.

I 2013 skrev den amerikanske etnograf, Tricia Wang, et blogindlĂŠg med titlen “Big Data needs Thick Data”. Dette indlĂŠg lancerede ideen om, at big data ikke kan stĂ„ alene, men har brug for en anden og rigere slags data. Wang argumenterede i posten for, at der i big data tidsalderen er brug for etnografer og kvalitativt dataarbejde mere end nogensinde fĂžr. Big data, mente Wang, kan ikke stĂ„ alene. For mens big data benytter sig af en stor prĂžvestĂžrrelse (stort “N” som det udtrykkes i statistiske kredse), sĂ„ risikerer man at gĂ„ glip af vigtige indsigter, hvis man stoler blind pĂ„ “de store tals kraft”. Kvalitativt arbejde, sĂ„som etnografi, forlader sig pĂ„ mindre prĂžvestĂžrrelser. Den formĂ„r til gengĂŠld at se mĂžnstre som maskiner tit overser, men den menneskelige sans for mening kan spotte. Disse mĂžnstre udtrykker etnografen i optegnelser og vignetter fra sit feltarbejde. Til sammen udgĂžr disse det kvalitative arbejdes data, resultater og indsigter. Der var uden tvivl klangbund i Wangs argumenter, for indlĂŠgget blev citeret og spredt vidt, ikke kun i antropologiske kredse men ogsĂ„ af datafolk.

Senere har Wang bĂ„de lavet en TED Talk pĂ„ baggrund af posten, udgivet en relanceret version i 2016, der tilfĂžjer flere detaljer og er stadig aktiv som kvalitativ “data scientist” – her optrĂŠder hun for eksempel til et event hos IBM med titlen “Data Science for All” – “Datavidenskab for alle”.

PĂ„ engelsk bruger Tricia Wang udtrykket ‘thick data’ til at beskrive den type data som etnografi producerer og som, ifĂžlge hende, er en nĂždvendig pendant til big data. Men hvordan skal man oversĂŠtte ‘thick data’ til dansk? Tyk data lyder ikke som et sĂŠrligt appellerende udtryk, selvom det er den mest ligetil oversĂŠttelse. Wang vĂŠlger blandt andet at bruge udtrykket ‘thick’ som en reference til antropologen Clifford Geertz, der karakteriserede etnografien ved at den leverer ”thick descriptions”, eller ’tykke’ beskrivelser. Den ‘tykke’ karakter af disse beskrivelser bestĂ„r i, at det er grundige optegnelser, der indfanger smĂ„ detaljer samt sociale og kulturelle meninger. Det er altsĂ„ ikke blotte beskrivelser af hvad der sker i en given situation, men ogsĂ„ en forstĂ„else og fortolkning af hvorfor tingene sker og hvilken betydning det har, at de sker pĂ„ den eller den mĂ„de.

Det er altsĂ„ rigdommen i de indsigter man kan opnĂ„ med de sĂ„kaldt ’tykke data’, som er vĂŠsentlig her. Beskrivelser i tekst er en slags rige data, fordi de kan fortolkes pĂ„ mange mĂ„der af forskellige lĂŠsere. Rige data er sĂ„ledes rige pĂ„ samme mĂ„de som en muldjord kan siges at vĂŠre rig pĂ„ nĂŠringsstoffer: de kan fĂ„ ting til at gro. Hvor big data ofte sammenlignes med et rĂ„stof som olie, peger udtrykket rige data pĂ„ det (fortolknings)arbejde, der skal til for, at nye indsigter, markeder eller services kan gro i data. Men fortolkninger af big data, som ikke prĂŠsenteres i tekst alene, men i kombinationer af tal, grafer og tekst, kan faktisk ogsĂ„ gĂžres ’rige’. Fortolkninger lĂŠgger nemlig lag af social og kulturel mening ovenpĂ„ data visualiseringer. Dermed synliggĂžres sammenhĂŠnge og betydninger, der ofte vil vĂŠre skjult bag mĂ„den big data prĂŠsenteres pĂ„, fordi visualiseringerne fokuserer pĂ„ hvor ofte forekommende et fĂŠnomen er eller forlader sig pĂ„ standardiserede og maskindrevne analyser. En antropolog er trĂŠnet i at beskrive kulturel betydning i det felt han eller hun bevĂŠger sig i. Men med den rette trĂŠning kan de fleste lĂŠre at tolke datavisualiseringer pĂ„ mĂ„der, der tager hensyn til andre forhold end dem visualiseringen lĂŠgger op til – og dermed berige dem.

Det vi gerne vil gÞre opmÊrksom pÄ er, at det ikke kun er de data, der stÄr i databaser, data-sÞer eller regneark, som skal regnes for noget, nÄr der skal innoveres eller optimeres. Etnografien og den kvalitative, humanistiske ekspertise har meget at byde pÄ nÄr der skal trÊffes beslutninger. Den har indsigt i og kan generere den rige data, som ikke let kan sÊttes pÄ formel. Netop fordi den ikke kan formaliseres er den viden mÄske ogsÄ den mest essentielle, selvom den kan vÊre let at overse.

Skrevet af Michael Hockenhull, PhD Fellow og Brit Ross Winthereik, Lektor