Seth Stephens-Davidowitz is econoom en schrijver, bekend van het boek Everybody Lies. Daarin kijkt hij naar zoekopdrachten in plaats van naar survey-antwoorden, om te betogen dat mensen eerlijker zijn tegen Google dan tegen onderzoekers. Om zijn nieuwe boek Don’t Trust Your Gut: Using Data to Get What You Really Want in Life te promoten verscheen er een artikel van hem op Wired over dating en data science, met de catchy titel ‘People Are Dating All Wrong, According to Data Science’. Klopt dat?

Datagedreven
Stephens-Davidowitz’s stijl is aanstekelijk en gepersonaliseerd. In plaats van te beschrijven dat ene Samantha Joel 43 bestaande datasets combineerde en daarop een kunstmatige intelligentie losliet, schrijft hij over “a young, energetic, uber-curious, and brilliant scientist, Samantha Joel” die “recruited a large number of scientists”. Dat leidde dan tot een indrukwekkende dataset.

“Joel and her team didn’t just have more data than everybody else in the field. They had better statistical methods. Joel and some of the other researchers had mastered machine learning, a subset of artificial intelligence that allows contemporary scholars to detect subtle patterns in large mounds of data. One might call Joel’s project the AI Marriage, as it was among the first studies to utilize these advanced techniques to try to predict relationship happiness.”

Het is hyperbolisch taalgebruik dat de hype rond big data en data science (alsof niet alle wetenschap datagedreven is) aanwakkert: het idee is dat als je dataset maar groot genoeg is, je alle antwoorden kunt vinden. Dat blijkt niet zomaar zo te zijn, ook niet in het geval de zoektocht naar een romantische partner.

Opzet studie
Het is veelzeggend dat Stephens-Davidowitz nauwelijks iets vertelt over de onderzoeksvragen en de gehanteerde methode. Nu is het alsof de ‘AI Marriage’ magisch analyses uitvoerde, in plaats van door mensen werd gevoed met specifieke data. Uiteraard staat deze informatie wel in het artikel over de studie.

Er werden 43 datasets gecombineerd, met daarin in totaal 11.196 stellen die meermaals ondervraagd zijn, variërend van twee tot elf keer, over een tijdsperiode variërend van twee tot 48 maanden. Deze data zeggen dus sowieso niets over relaties langer dan vier jaar. De onderzoekers wilden weten hoeveel van de variantie in relatiekwaliteit verklaard kan worden en welke psychologische maten het beste zijn in relatiekwaliteit voorspellen. De mate van verklaarde variantie verwijst naar de grootte van de voorspellende waarde van een variabele.

Resultaten volgens Stephens-Davidowitz
In zijn boek en op Wired schrijft Stephens-Davidowitz dat big data ons niet kan helpen bij het vinden van een romantische partner. Volgens hem is er geen set van eigenschappen die geluk in de liefde garandeert en geen AI die kan voorspellen welke twee mensen met elkaar geluk gaan vinden. De factoren die wél voorspellende kracht hebben gaan over de respondent zelf, dus degene die de vragenlijst ingevuld had. Als iemand tevreden over zijn leven was voor de relatie begon, vrolijk ingesteld en niet depressief was, dan was de kans groter op een succesvolle relatie.

In de rest van het stuk reflecteert Stephens-Davidowitz op wat het betekent dat de resultaten van zo’n omvattend onderzoek exact hetzelfde is als de common sense-wijsheid “Nobody can make you happy until you’re happy with yourself first”. Hij blijft – uiteraard – enthousiast over een ‘data driven life’ en legt zich er maar bij neer:

“we data geeks must also accept [sic] when the data confirms conventional wisdom or clichéd advice. We must be willing to go wherever the data takes us, even if that is to findings like those featured on Daily Inspirational Quotes.”

Zijn uiteindelijke conclusie is dat we het verkeerde najagen op de datemarkt: lange mannen met sexy banen gaan ons niet gelukkig maken. Goh.

Resultaten volgens de studie
Het is belangrijk op te merken dat het onderzoek nooit ging over lange mannen met sexy banen. Lengte van de partner komt in het gehele onderzoek niet voor, de enige variabele die over uiterlijk ging was de mate waarin iemand de partner aantrekkelijk vond. In plaats daarvan staat in het onderzoek een onderscheid centraal tussen individuele variabelen (over de respondent zelf) en relatie-specifieke variabelen (over de partner en over de relatie), en gaat de conclusie over het verschil daartussen. Ook daarover rapporteert Stephens-Davidowitz verkeerd.

Relatie-variabelen, dus de manier waarop een respondent naar de relatie en de partner kijkt, verklaren 45 procent van de variantie aan het begin van het onderzoek en tot 18 procent van de variantie in relatiekwaliteit aan het einde van de studie. Individuele variabelen verklaren minder variantie, maar nog steeds 21 procent aan het begin en 12 aan het eind. Deze uitkomst sluit aan bij bestaande meta-analyses, oftewel: dit wisten we al.

Implicaties
Er is dus een grote mismatch tussen wat Stephens-Davidowitz beweert op basis van dit onderzoek en het onderzoek zelf. Het klinkt natuurlijk leuk: de belofte dat we beter zouden kunnen daten als we meer datagedreven zouden zijn. ‘Big data’ suggereert dat we voorbij menselijke fouten kunnen gaan – de computer weet het beter. Maar al aan het begin gaan hier dingen mis.

Wat zou goed daten inhouden? Dat we direct een partner voor het leven vinden? Dat zou betekenen dat mensen niet daten voor de seks en het impliceert dat een levenslange partner ideaaltypisch is boven bijvoorbeeld meerdere langdurige partners.

Een tweede fout is het idee dat partnerkeuze en/of relatiesucces überhaupt te verklaren is met kenbare variabelen. Mensen vinden het heel moeilijk te omschrijven waarom ze op iemand vallen, het meest in de buurt komt vaak ‘die persoon is fijn om bij te zijn’. Als onafhankelijke (voorspellende) variabele heb je daar niets aan als onderzoek want de samenhang met de afhankelijke variabele is veel te groot. De beste voorspeller voor geluk in de liefde is dan of je graag bij iemand bent. Daar verkoop je geen boeken mee.

Elke dag laten we een spoor van data achter: door in te checken met je OV-chipkaart, door een product van Google te gebruiken, door in de supermarkt te winkelen met een zelfscanapparaat. Data worden gebruikt voor surveillance en ‘gevoerd’ aan algoritmes. Het is bijna onmogelijk om je hieraan te onttrekken. Een effectievere manier dan dat te proberen is het systeem te ontregelen. Technology Review van MIT schreef over onderzoek waarin drie mogelijke manieren worden genoemd om dit te doen, zodat we samen ervoor zorgen dat de grote techbedrijven hun beleid veranderen.

Data-stakingen
Zoals je het werk kunt neerleggen, kun je ook stoppen met het produceren van het dataspoor. Dat kan door privacytools te installeren (kijk eens bij de tips van Bits of Freedom), of door simpelweg van een platform af te gaan.

Geef je data bewust aan een concurrent
Als je Facebook evil vindt, ga dan weg van Instagram en plaats je foto’s bij de concurrent. Verlaat WhatsApp en schakel over op Signal. Dat laatste gebeurde afgelopen januari, en de massale uittocht zorgde er volgens Technology Review voor dat Facebook wijzigingen in het privacybeleid uitstelde.

Data vergiftigen
Ik weet nog hoe we vroeger onderling steeds bonuskaarten uitwisselden om Albert Heijn op het verkeerde been te zetten (en misschien is dat wel de reden waarom de bonuskaart nu zo gepersonaliseerd is). Het vergiftigen van een algoritme betekent dat je bewust betekenisloze of zelfs schadelijke data achterlaat. Dat kan bijvoorbeeld door een browser-extensie te gebruiken die voor jou op iedere advertentie klikt die Google je voorschotelt.

Net zoals bij een staking hebben zulke acties alleen maar zin als er veel mensen meedoen. Daarvoor heb je leiders en voortrekkers nodig. In 2018 riep Zondag met Lubach kijkers op hun Facebook-account op te zeggen. Dat werkte, volgens marktonderzoekbureau Newcom verloor Facebook dat jaar 240.000 Nederlandse gebruikers.

Het onderzoek [open toegang] waarmee Technology Review zich informeert ziet ook een rol voor onderzoekers en beleidsmakers. Onderzoekers kunnen bijvoorbeeld modelleren hoeveel mensen er nodig zijn om een bepaalde actie te laten slagen. Beleidsmakers kunnen acties ondersteunen met sterke privacywetgeving. Uiteindelijk is het belangrijk om te houden dat het jouw data zijn.

John de Mol verzamelt met zijn Talpa-imperium grote hoeveelheden data van gebruikers, zo blijkt uit onderzoeksjournalistiek van Investico, Follow the Moneyen De Groene Amsterdammer. “Een data-slurpmachine” noemt die laatste titel het, bedoeld om de concurrentiestrijd aan te gaan met Facebook en Google. Door allerlei platforms over te nemen, zoals VoetbalTV en vakantieveilingen.nl kan De Mol data aan elkaar verbinden: “John de Mol weet dan wie je bent, wat je koopt, waarnaar je kijkt en zelfs welk nieuwsbericht je ’s ochtends hebt gelezen op je telefoon.”

Het is een reminder dat het commerciële mediabedrijven nooit te doen is om het maken van (goede of slechte) tv, maar om het verdienen van geld. In de jaren 60 wilden verschillende partijen in Nederland dat het bestel open gesteld zou worden voor commerciële zenders op een tweede kanaal. In 1963 werd de Reclame Exploitatie Maatschappij (REM) gesticht. De naam was veelzeggend voor hun bedoeling met commerciële tv. De initiatiefnemers hadden door dat er flink geld verdiend kan worden met het verkopen van reclamezendtijd rond vermaak.

Toen de REM aandelen ging uitgeven, ging een deel van de bevolking daarin mee. In een paar dagen werden er meer dan 350.000 aandelen verkocht. In september 1964 was de eerste uitzending van hun station: TV Noordzee, inderdaad vanaf het REM-eiland. Het publiek (in west Nederland) keek massaal naar de uitzendingen van Zorro, The Saint en The Famous Mr. Ed. Het mocht maar een paar maanden duren: in december 1964 maakte militaire interventie een einde aan het avontuur. REM werd TROS, de aandelen verloren hun waarde. De geest was uit de fles maar het zou nog lang duren (1991) voordat Nederland overging op een duaal systeem waarin commerciële televisie legaal was. De man die daaraan veel geld heeft verdiend, is dezelfde die dat nu slim weet te doen met het nieuwe goud van de vermaakindustrie: dataprofielen.

De Wereld Draait Door past haar inhoud aan op kijkcijfers. Toen bleek dat veel kijkers wegzapten bij muziek, besloot de eindredactie optredens te beperken tot een minuut. Het is een extreme vorm van kijkcijferterreur, waarbij kwantitatieve inzichten over het gedrag van het publiek leidend zijn. Met de komst van e-boeken zijn er ook automatisch gegeneerde data beschikbaar gekomen over leesgedrag. E-bookverkoper Kobo maakte bekend dat slechts 44 procent van de lezers Donna Tart’s nieuwste boek The Goldfinch uitlas. In het rapport Publishing in the Era of Big Data toont Kobo nog meer  inzichten op basis van ‘engagament’ gemeten aan de hand van het percentage lezers dat het tot het einde haalt. 

Uiteraard brengt Kobo deze inzichten onder het mom van verbetering: “Big Data is a window into what truly resonates” (p.11). Het draait bij het uitgeversvak eindelijk natuurlijk om de verkoop:

“Digital reading can help inform the business itself in a revolutionary way – understanding how readers experience your work can help in decision-making, uncover what would have been lost sales, and protect against costly errors in judgment. In the near future we will have access to even more reading data. From this we will be able to gain insight into what “discoverability” really means for readers – where and how they fnd books, what triggers a purchase, what kinds of reading habits those bargain shoppers have versus those who buy at full price and the relative value of each. We will be able to track exactly where in a book interest begins to wane, which can be used to make editorial decisions and ultimately create a stronger title.

Digital books and eReading, therefore, are a powerful tool for building revenue and margin, and soon will help generate a deeper understanding of what readers are passionate about, offering insight into what ideas, stories, even what language is truly engaging. Publishers have the power to both create and defne culture; the books they create are the stories we tell ourselves about our time, history and the future” (p.11).

Dat klinkt helemaal niet prettig! Het klinkt als terreur van de grootste gemene deler. Big Data geeft inzicht in gemiddelden, maar de lezer (of hij nu gemiddeld is of niet) wil misschien helemaal niet als gemiddelde benaderd worden. Het doet ook afbreuk aan de creativiteit van de schrijver. Een redacteur kan met statistieken in zijn hand aandringen op een korte thriller.

Gelukkig hoeft het allemaal zo’n vaart niet te lopen. In 2012 waarschuwde The Wall Street Journal dat je e-boek jou leest. Aan het woord kwam Jonathan Galassi, baas van uitgeverij Farrar, Straus & Giroux. Hij sprak de geruststellende woorden:

“The thing about a book is that it can be eccentric, it can be the length it needs to be, and that is something the reader shouldn’t have anything to do with. We’re not going to shorten ‘War and Peace’ because someone didn’t finish it.”

Het hier beschreven fenomeen gaat over boeken, maar voor journalistiek geldt dit natuurlijk ook.

Gevonden via Buzzfeed, daar een langer artikel over deze problematiek.

Dankzij Foursquare beleef ik steden op een andere manier. Ik kan gemakkelijk een leuke plek om te lunchen vinden dankzij foto’s en reviews van een andere gebruikers. Nieuwe, bijzondere plekken vind ik extra snel omdat ik kan zien welke cafés en restaurants mensen uit mijn netwerk bezocht hebben. In een vreemde stad verdwaal ik daarbij nooit meer, omdat Foursquare op mijn iPhone verbonden is met Apple Maps. Omdat ik kan zien waar mijn Foursquare-vrienden zijn, ervaar ik bovendien een constant gevoel van nabijheid met hen.

Volgens mediawetenschappers Michiel de Lange en Martijn de Waal zijn hedendaagse steden een kruising tussen het fysieke en het digitale. We worden omringd door camera’s, wifi-netwerken, smartphones en locatiediensten. Deze technologieën zijn verbonden met de belevenis van een stad. In een recent artikel in het wetenschappelijke tijdschrift First Monday [gratis toegang] onderzoeken De Lange en De Waal de consequenties hiervan. Centraal daarbij staat het idee van eigenaarschap [ownership].

Slimme steden versus sociale steden
Overheden wil graag ‘slimme steden’ maken. Ze werken samen met technologiebedrijven en kennisinstituten om stedelijke processen efficiënter te laten verlopen. De gemeente Amsterdam heeft bijvoorbeeld Amsterdam Smart City. Volgens De Lange en De Waal wordt de burger daarbij vaak vergeten. De projecten worden ontwikkeld in een lab-setting en de uitrol naar de daadwerkelijke stad wordt gezien als een lastige, laatste hobbel om te nemen.

Tegenover het idee van de slimme stad staat de sociale stad. De sociale stad gaat over samenwerken en participeren. Aanhangers willen elementen van web 2.0, zoals collectieve intelligentie, een do–it–yourself-cultuur en een hackersethiek, overnemen naar het stedelijke domein om zo stedelijke problemen te lijf te gaan. Zulke problemen zijn bijvoorbeeld verwant aan het milieu (denk aan watervoorziening) of gaan over vergrijzing en eenzaamheid, of de kloof tussen burger en politiek. Kenmerkend voor zulke problemen is dat ze niet op het bord van één partij terechtkomen.

De belofte van toe-eigening
De auteurs gebruiken de term eigendom niet in de traditionele zin des woords van bezit. Het gaat om een gevoel van verantwoordelijkheid: “a sense of belonging to a collective place, commitment to a collective issue, and willingness to share a private resource with the collective in order to allow other citizens to act, without infringing on other people’s right of ownership”. Het gaat dus om toe-eigening.

Dit concept eigenaarschap maakt, volgens De Lange en De Waal, een frisse blik op burgerschap mogelijk en werkt goed in combinatie met nieuwe media. Ze bespreken vier punten.

(1) Big data en stedelijke media zorgen ervoor dat collectieve kwesties benoemd worden en op nieuwe manieren zichtbaar gemaakt worden. (2) Mediakunstprojecten dragen bij aan gevoel van plaats, waardoor mensen zichzelf als onderdeel van de stad zien. (3) Mediatechnologieën faciliteren nieuwe groepen die mobiliseren rond collectieve kwesties, bijvoorbeeld sensornet.nl waar onder andere geluidsoverlast wordt bijgehouden. (4) Mediatechnologieën staan burgers toe op nieuwe manieren te handelen, zoals gezamenlijk beheer van stedelijke zaken. Een voorbeeld is dit park.

Implicaties
De Lange en De Waal staan positief kritisch tegenover de nieuwe sociale, slimme stad. Ze weten dat niet iedereen toegang heeft tot nieuwe technologieën en dat niet iedereen ze ‘slim’ kan gebruiken. Aan de andere kant zien ze bijvoorbeeld dat architecten dankzij data afkomstig van sociale netwerken beter kunnen inspelen op gebruikerspatronen. Ook zijn ze positief over het pop-up-fenomeen: pop–up bars, pop–up clubs en pop–up shops die opduiken in tijdelijk leegstaande gebouwen en die bekendheid krijgen dankzij sociale media. Traditionele instituties worden daarbij vaak gemeden: architecten proberen direct groepen te bereiken, die heb financieren en later ook gebruikers worden. Ze besluiten:

“Perhaps this is a contribution architects and other urban designers can make to the world of new media design: to design truly accessible and inclusive urban interfaces that engage citizens with particular issues and allow to them to organize themselves and act.”

Noot: First Monday verschijnt alleen online en heeft geen paginanummers.

Big data is een buzzwoord. Voor bedrijven en overheden bieden extreem grote datasets nieuwe inzichten in het gedrag van consumenten en burgers. Veelal pakt dit voor die consumenten en burgers negatief uit, omdat ze privacy moeten inleveren. Toch biedt big data ook kansen voor gemeenschappen. Data kunnen gemeenschappen helpen om te gaan met milieu-, politieke, sociale en economische druk. Een groep experts heeft voor de Rockefeller Foundation uitgedacht hoe gemeenschappen weerbaar kunnen omgaan met big data. De inzichten zijn gepubliceerd in een white paper [PDF].

Na te hebben uitgelegd wat ze precies verstaan onder weerstand en big data, stellen de auteurs een kader voor waarin zes domeinen centraal staan (zie afbeelding).

Ethiek staat bovenaan, omdat dit het leidende domein moet zijn. Volgens de auteurs is er momenteel veel te weinig aandacht voor ethiek. Er is wel aandacht voor privacy, maar dat onderschat wat er allemaal kan met big data. De dataverzamelaars hebben de eindverantwoordelijkheid en zij moeten zorgen dat ze te vertrouwen zijn. Van het begin van een project moet er over ethiek nagedacht worden. Het moet in ieder geval gaan over geinformeerde toestemming, data-eigendom, toerekenbaarheid, transparantie, databescherming en datatoegang. De auteurs merken op dat de negatieve effecten van big data ongelijk verdeeld zijn. Bepaalde gemeenschappen en individuen zijn meer kwetsbaar dan anderen.

Bestuur(governance) gaat over een focus op projecten die gemeenschappen helpen. Lokaal en nationaal beleid zou gericht moeten zijn op het versterken van participatie in plaats van alleen maar technologie en infrastructuur benadrukken.

Wetenschap is belangrijk omdat wetenschappelijke methoden vaak vergeten worden bij de analyse van grote datasets. Het is belangrijk om die niet uit het oog te verliezen, dus om wel aandacht te besteden aan hypothesevorming en -toetsing, en aan het bouwen van verklarende modellen.

Technologie biedt de infrastructuur voor big data, maar technologie is ook kwetsbaar. De auteurs pleiten voor open source tools, dus technologie waar open toegang is tot de bronmaterialen.

Plaats verwijst zowel naar het gebruik van locatie-data als naar de plek waar gemeenschappen samenkomen (de agora, de wijk, de stad).

Context tot slot gaat over de sociaaleconomische achtergrond. Het gaat hier bijvoorbeeld om raciaal profileren bij de politie.

De onderzoekers besluiten met een belangrijk statement:

We are at a critical time in the emergence of big data science and its application to enhance the resilience of communities. We need to ask searching questions about how best to do this in a way that enhances the agency and capacity of communities without exposing them to new risks. By considering ethics as a primary guiding principle, and then the connections with governance, science, technology, place and the wider sociocultural context, we can produce groundbreaking data projects that can truly enhance the ability of communities to thrive (p.13).

Wat moeten we nu verwachten van zo’n document? De ontwikkelaars van de Bonuskaart zitten hier natuurlijk niet op te wachten. Toch geeft dit paper een leidraad voor bedrijven en overheden die het goed en verantwoordelijk willen doen.

Nu allerlei zaken digitaal bijgehouden worden, is er een overvloed aan informatie ontstaan. Die overvloed wordt Big Data genoemd. De Harvard Business Review is in de wereld van Big Data gedoken en zet op een rijtje wat directeuren moeten weten over dit nieuwe buzzwoord. In een collectie van blogposts komen verschillende aspecten aan bod. Een bloemlezing.

Wie gebruikt Big Data?
Uit een steekproef van Fortune 1000-bedrijven en grote overheidsinstellingen blijkt dat de verwachtingen hoog zijn maar het kennisniveau laag.

De rol van grote retailspelers
Hoe groter het bedrijf, hoe meer klanten, hoe meer data er verzameld kan worden. Hoe meer data, hoe meer inzichten – is het idee. Dit lijkt vooral voor supermarkten te gelden. Interessant in dit blog is dat gesteld wordt dat gebruikers ook meer geavanceerde (lees: persoonlijke) marketing verwachten.

Wat leidinggevenden niet snappen
“[A]ny organization that treats access to 100X more customer data as more a burden than a breakthrough has something wrong with it”. De boodschap is duidelijk: Big Data betekent een revolutie maar er zijn altijd mensen die te lui zijn voor de revolutie.

Het belang van analysevaardigheden
Big Data vraagt om hoogwaardige analysevaardigheden en ook managers moeten deze hebben. De nieuwe werknemer moet bereid zijn te experimenteren, wiskundig kunnen redeneren en in staat zijn ‘the big picture’ te zien.

Nichemarkten ontdekken
“Going after future opportunities at the micromarket level can seem risky, but basing strategy on old views of markets and their past performance is riskier still.”

Kritiek
Het is opmerkelijk dat veel van de stukken blijven hangen in vage algemeenheden en dat er nergens kritiek wordt geformuleerd op het hypen van Big Data als revolutionaire ontwikkeling. Daarnaast is de algemene assumptie dat de klant zit te wachten op scherpere analyses van zijn koopgedrag. Voor veel mensen is dit echter een privacy-inbreuk, zie bijvoorbeeld de strategieën die mensen verzinnen tegen Facebook. Relevant is hier de zaak waarin de vader van een tienermeisje van Target te horen kreeg dat ze zwanger was. Bedrijven die in Big Data duiken dienen te overwegen in hoeverre hun klanten echt hun privacy willen inruilen voor een meer ‘persoonlijke’ benadering.