От больших данных к глубоким данным

В течение последних десяти месяцев я возглавлял и соруководил программой IDEAS China Массачусетского технологического института — десятимесячным инновационным проектом для группы из примерно 30 ведущих китайских бизнес-лидеров. В этом году в программе IDEAS China приняли участие руководители крупного государственного китайского банка. Одна из целей этой команды заключалась в переосмыслении будущего своей организации в условиях больших данных и других связанных с ними кардинальных изменений, что позволило мне немного лучше познакомиться с этим аспектом мировой экономики. Например, Джек Ма, дальновидный основатель Alibaba, говорит: «Через пять лет мы ожидаем, что человеческая эпоха перейдет от эпохи информационных технологий к эпохе технологий обработки данных».

Но что значит жить в эпоху «технологий обработки данных» и «больших данных»? До сегодняшнего дня это часто означало, что крупные компании, такие как Google, Amazon, Facebook и Apple — те самые компании, которые мы когда-то любили, а теперь все чаще начинаем сомневаться, не доверять им или бояться, — берут ваши данные без вашего согласия и продают их другим компаниям без вашего ведома (пока вы не заметите целевую рекламу в интернете, которая появляется на вашем экране). Мне кажется интересным, что первоначально очень позитивное отношение людей к этим американским империям больших данных сначала меняется в Европе, а теперь и во многих других частях мира, включая Северную Америку. Эдвард Сноуден сделал нас всех более чувствительными к злоупотреблению большими данными. Но это лишь поверхностная проблема. Настоящая проблема находится на более глубоком уровне.

Реальная проблема больших данных заключается в том, что мы все чаще передаем наши способности к восприятию информации и мышлению алгоритмам, запрограммированным в машинах. Хотя на первый взгляд это кажется очень удобным и интересным, предоставляя доступ к услугам, которые многим из нас нужны, это также поднимает вопрос о том, кому на самом деле принадлежат большие данные, о правах отдельных лиц и граждан на владение своими персональными данными и на осуществление выбора в отношении их использования.

Хотя большие данные, безусловно, открыли целый ряд новых возможностей, я хотел бы предложить различие между поверхностными большими данными и глубокими данными . Поверхностные данные — это просто данные о других: что другие делают и говорят. Именно из этого состоит почти вся современная система больших данных.

Глубокие данные используются для того, чтобы люди и сообщества могли увидеть себя . Глубокие данные действуют как зеркало: они позволяют увидеть себя — как личность и как сообщество. За последние двадцать лет своей профессиональной жизни я помогал командам и организациям проходить процессы глубоких инноваций и трансформационных изменений в различных секторах и культурах. Из всех этих проектов я усвоил одно: ключ к трансформационным изменениям — это заставить систему увидеть себя . Вот почему глубокие данные важны. Они важны для будущего наших институтов, наших обществ и нашей планеты.

Но сегодня с большими данными часто происходит обратное: большие данные используются для манипулирования нашим поведением, для бомбардировки нас рекламой, которую мы никогда не запрашивали. Поверхностные большие данные используются для передачи человеческого мышления алгоритмам, для снижения нашего уровня осознанности в рамках привычного мышления. Глубинные данные, если их правильно развивать и культивировать, могут помочь нам повысить уровень осознанности и сознания и изменить систему , сместив сознание заинтересованных сторон в этой системе от эго-системного осознания (осознания своей собственной изолированности) к экосистемному осознанию (осознанию целого).

Позвольте мне кратко изложить различие между поверхностными и глубокими большими данными с помощью двух простых рисунков:

Большие данные (наука 1.0): данные, которые дают информацию о мире (источник: А. Оекснер).

Глубокие данные (наука 2.0): данные, которые помогают нам увидеть самих себя (источник: А. Оекснер).

Переход от науки 1.0 к науке 2.0 — это путь перенаправления луча научного наблюдения обратно на наблюдающее «я» — как индивидуально, так и коллективно.

В конце нашей заключительной встречи на прошлой неделе руководители китайского государственного банка подвели итоги прошедшего десятимесячного периода. Каждый из них отметил глубокие изменения в своем мышлении и подходе к работе. Вот два показательных примера:

«Этот путь — это не просто набор инструментов и знаний; он меняет образ мышления и позволяет, сталкиваясь с трудностями, выйти за рамки устаревших представлений. Я чувствую, что меняюсь и я сам. Я также почувствовал эти изменения среди своих коллег. Мы легче приходим к консенсусу. Я чувствую, что среди моих коллег происходит смена намерений. В результате мы лучше понимаем свой опыт и можем эффективнее выполнять задачи».

«Для меня участие в программе IDEAS — это путешествие сердца. Оно открыло новый образ мышления, новый способ взаимодействия и новый способ существования».

По сути, участники проекта IDEAS описали трансформацию
• Мышление: от заимствования старых шаблонов к творческому мышлению
• Беседа: от дебатов к продуктивному диалогу
• Сотрудничество: от эгоцентризма/реактивного подхода к более экоцентричному и совместному творчеству.

В течение последних месяцев, не отрываясь от своих рабочих мест, участники разделились на четыре команды, каждая из которых пыталась разработать прототип нового способа работы, чтобы изучить будущие возможности. Меня поразило, что каждая команда в итоге разработала новую платформу межорганизационного сотрудничества, использующую данные в качестве инструмента для преобразования способов общения заинтересованных сторон. Все их прототипы пока находятся на ранней стадии разработки. Но один урок, который команды неоднократно повторяли, заключался в важности перехода от мышления «я» к «мы» , от эгоизма к эко-мышлению .

В результате их усилий у меня возник следующий вопрос: на уровне общества, какие типы инфраструктур для обработки глубоких данных могли бы способствовать этому «искривлению луча наблюдения» и возвращению его к наблюдателю на уровне целых экосистем?

Например, сегодня мы используем ВВП для измерения экономического прогресса. ВВП — это отличный показатель поверхностных данных. Но каким был бы эквивалентный инструмент анализа глубоких данных для измерения реального экономического прогресса в сообществе? Я считаю, что он должен включать новую систему показателей, основанную на реальных результатах (например, ожидаемая продолжительность жизни) и на благополучии отдельных лиц и их сообществ (например, качество жизни). В прошлом году мы — Институт присутствия (Presencing Institute) совместно с Глобальной академией лидерства GIZ (Министерство развития сотрудничества Германии) и Центром валового национального счастья в Бутане — запустили Глобальную лабораторию благополучия (Global Wellbeing Lab) . Лаборатория объединяет лидеров из правительства, бизнеса и гражданского общества со всего мира, которые разрабатывают новые показатели и инструменты анализа глубоких данных, помогающие сообществам и экосистемам увидеть себя, чтобы почувствовать и создать прототипы новых способов функционирования.

Где вы видите сегодня зачатки таких новых систем показателей или инструментов глубокого анализа данных? Чему можно научиться на этих первых примерах? Что бы означали глубокие данные для вас лично? Каковы реальные источники благополучия и счастья в вашей жизни и работе, и какие показатели могли бы помочь вам увидеть и почувствовать свой собственный путь развития более осмысленным образом? Как мы можем совместно инициировать переход от больших данных к глубоким данным в бизнесе, обществе и личностном развитии?

***

Для получения дополнительной информации и вдохновения присоединяйтесь к субботней встрече «Пробуждение» с Ларой Галински на тему «Настройка на моменты долга как на цель жизни». Зарегистрироваться и узнать подробности можно здесь.