when anyone from slaves to soldiers, poets and politicians,

古代ギリシアでは

needed to make a big decision on life's most important questions,

奴隷でも兵士でも詩人でも政治家でも

like, "Should I get married?"

人生で最高に重要な問いに対して 大きな決断をしなければならない時 —

or "Should we embark on this voyage?"

例えば 「結婚すべきか？」

or "Should our army advance into this territory?"

あるいは 「この航海を始めるべきか？」

they all consulted the oracle.

あるいは 「自軍はこの地域に進出すべきか？」

So this is how it worked:

「巫女（オラクル）」に伺いを立てました

you would bring her a question and you would get on your knees,

やり方はこうです

and then she would go into this trance.

巫女に質問してひざまずくと

It would take a couple of days,

巫女はトランス状態となります

and then eventually she would come out of it,

２、３日経つと

giving you her predictions as your answer.

最後に 巫女が正気に戻って

From the oracle bones of ancient China

答えとして予言をしました

to ancient Greece to Mayan calendars,

古代中国の 「占い（オラクル）」の骨から

people have craved for prophecy

古代ギリシアやマヤ暦まで

in order to find out what's going to happen next.

人々は予言を切望してきました

And that's because we all want to make the right decision.

次に何が起きるか 知るためでした

We don't want to miss something.

私たちは皆 正しい決断を 下したいと願うからです

The future is scary,

見落したくないのです

so it's much nicer knowing that we can make a decision

未来は怖いので

with some assurance of the outcome.

結果に対して なんらかの保証があって 決断できると分れば

Well, we have a new oracle,

すごくありがたいことなのです

and it's name is big data,

さて私たちには 新しい「オラクル」があります

or we call it "Watson" or "deep learning" or "neural net."

その名も「ビッグデータ」や

And these are the kinds of questions we ask of our oracle now,

「ワトソン」「ディープラーニング」 「ニューラルネット」呼び方は様々です

like, "What's the most efficient way to ship these phones

私たちが「オラクル」に 尋ねる問いは 例えば

from China to Sweden?"

「中国からスウェーデンに スマホを発送するための

Or, "What are the odds

一番効率の良い方法は？」

of my child being born with a genetic disorder?"

あるいは「私の子が

Or, "What are the sales volume we can predict for this product?"

遺伝性疾患を持って生まれてくる確率は？」

I have a dog. Her name is Elle, and she hates the rain.

あるいは 「この製品の 売り上げ予想は？」などです

And I have tried everything to untrain her.

私の犬は エルという名前で 雨が大嫌いです

But because I have failed at this,

雨嫌いをなくそうと あらゆることをしました

I also have to consult an oracle, called Dark Sky,

でも 失敗に終わったので

every time before we go on a walk,

私も「ダークスカイ」というアプリの 「予測（オラクル）」に頼らねばなりません

for very accurate weather predictions in the next 10 minutes.

散歩前にいつも

She's so sweet.

今から10分間の正確な 天気予想を調べるのです

So because of all of this, our oracle is a $122 billion industry.

とても可愛い犬です

Now, despite the size of this industry,

このような用向きのため 私たちの予測は1220億ドルの産業です

the returns are surprisingly low.

巨大な産業にも関わらず

Investing in big data is easy,

利益は驚くほど低いです

but using it is hard.

ビッグデータへの投資は容易ですが

Over 73 percent of big data projects aren't even profitable,

活用するのは困難です

and I have executives coming up to me saying,

ビッグデータを使ったプロジェクトの 73%以上は 赤字で

"We're experiencing the same thing.

重役が私の所にやってきて こう言います

We invested in some big data system,

「私たちも同じ経験をしている

and our employees aren't making better decisions.

ビッグデータのシステムに投資したが

And they're certainly not coming up with more breakthrough ideas."

従業員たちは良い決定ができない

So this is all really interesting to me,

さらにブレークスルーになるような アイデアも出てこない」と

because I'm a technology ethnographer.

これは全て実に私にとって興味深いことです

I study and I advise companies

私は テクノロジー・エスノグラファー （IT民族誌学者）だからです

on the patterns of how people use technology,

私は人がテクノロジーを 利用するパターンについて

and one of my interest areas is data.

研究し 企業に助言していて

So why is having more data not helping us make better decisions,

私が関心をもつ分野の一つが データなのです

especially for companies who have all these resources

得られるデータが増えても より良い決定の助けにならないのはなぜか？

to invest in these big data systems?

こういったビッグデータの システムに投資するための

Why isn't it getting any easier for them?

あらゆるリソースを持つ 企業にとっては特にそうです

So, I've witnessed the struggle firsthand.

どうして彼らにとって 簡単にならないのか？

In 2009, I started a research position with Nokia.

さて 私はこのような葛藤を 直接見てきました

And at the time,

2009年に 私は ノキアで調査研究の仕事を始めました

Nokia was one of the largest cell phone companies in the world,

そして当時

dominating emerging markets like China, Mexico and India --

ノキアは世界で最大手の 携帯電話会社であり

all places where I had done a lot of research

中国、メキシコ、インドなどの 新興市場を支配し —

on how low-income people use technology.

これら全ての国において 低所得層の人が

And I spent a lot of extra time in China

どのようにテクノロジーを利用するか 調査研究をしました

getting to know the informal economy.

また非正規経済を知るために

So I did things like working as a street vendor

特に中国には時間をかけました

selling dumplings to construction workers.

そこで 私は 建設労働者に 点心を売る

Or I did fieldwork,

露天商をしました

spending nights and days in internet cafés,

また フィールドワークで

hanging out with Chinese youth, so I could understand

何日も夜も昼もネットカフェで過ごし 中国の若者と出歩いたりして

how they were using games and mobile phones

若者が ゲームや携帯電話を どう利用しているか

and using it between moving from the rural areas to the cities.

田舎から都市部への移動時に 携帯をどう使うかを

Through all of this qualitative evidence that I was gathering,

理解することもしました

I was starting to see so clearly

こういった 自分が集めた 質的証拠の全てを通して

that a big change was about to happen among low-income Chinese people.

私にはっきりと見え始めたのは

Even though they were surrounded by advertisements for luxury products

中国の低所得者層に まさに 大きな変化が起ころうとしていることでした

like fancy toilets -- who wouldn't want one? --

彼らは様々な贅沢品の広告に 囲まれていましたが

and apartments and cars,

例えば 高機能トイレなどは 誰もが欲しいと思いますよね？

through my conversations with them,

それとアパートや車などなど

I found out that the ads the actually enticed them the most

でも 彼らと会話して気づいたのですが

were the ones for iPhones,

彼らが一番惹きつけられていた広告は

promising them this entry into this high-tech life.

iPhoneの広告で

And even when I was living with them in urban slums like this one,

ハイテク生活へのデビューを 約束する広告でした

I saw people investing over half of their monthly income

そして私がこんな 都会のスラムに 暮らしていた時でさえ

into buying a phone,

人々が 月収の半分以上を投じて

and increasingly, they were "shanzhai,"

電話を買うのを目にしました

which are affordable knock-offs of iPhones and other brands.

そうして増えたのが「シャンザイ」という

They're very usable.

iPhoneやその他のブランドの 安い模倣品でした

Does the job.

かなり使い物になります

And after years of living with migrants and working with them

十分機能を果たします

and just really doing everything that they were doing,

数年間 移動労働者と生活や仕事を共にして

I started piecing all these data points together --

移動労働者がやることを ほぼ全てやった後で

from the things that seem random, like me selling dumplings,

私は 全てのデータポイントを まとめ始めて—

to the things that were more obvious,

点心売りのような バラバラに見えるものから

like tracking how much they were spending on their cell phone bills.

携帯電話料金の 支払額の推移のような

And I was able to create this much more holistic picture

より明確なことまでをまとめ始めました

of what was happening.

そして 何が起ころうとしているかの

And that's when I started to realize

全体像を作ることができました

that even the poorest in China would want a smartphone,

そのときに分かり始めたことがあります

and that they would do almost anything to get their hands on one.

それは 中国では 底辺所得者層の人々もが スマホを欲しいと考えていて

You have to keep in mind,

一台手に入れるためなら ほぼ何でもするということです

iPhones had just come out, it was 2009,

思い出してください

so this was, like, eight years ago,

iPhoneが出たての2009年 つまり

and Androids had just started looking like iPhones.

約８年前

And a lot of very smart and realistic people said,

iPhoneのような見た目の アンドロイド携帯も登場しました

"Those smartphones -- that's just a fad.

賢くて 現実的な人たちの 多くがこう言っていました

Who wants to carry around these heavy things

「スマホなんて 一時の流行にすぎない

where batteries drain quickly and they break every time you drop them?"

誰がこんな重いものを 持ち歩きたいと思うか？

But I had a lot of data,

バッテリだってすぐに切れるし 一度落としたら故障するのに」

and I was very confident about my insights,

でも 私は多くのデータを元に

so I was very excited to share them with Nokia.

すごく自信を持って予見できました

But Nokia was not convinced,

ワクワクしながら その予見をノキアに知らせました

because it wasn't big data.

でも ノキアは懐疑的でした

They said, "We have millions of data points,

それがビッグデータでは なかったからです

and we don't see any indicators of anyone wanting to buy a smartphone,

「我々は何百万もの データポイントを持っている

and your data set of 100, as diverse as it is, is too weak

けれど スマホを購入したいと 思う人の指標は見えないし

for us to even take seriously."

たった100件の バラバラのデータでは弱すぎる

And I said, "Nokia, you're right.

まともに取り上げるに値しない」と

Of course you wouldn't see this,

私は言いました 「御社のいう通りです

because you're sending out surveys assuming that people don't know

スマートフォンがどういうものかを

what a smartphone is,

人が知らないという前提で 調査していれば

so of course you're not going to get any data back

当然 見えないでしょうね

about people wanting to buy a smartphone in two years.

だから当然 これから２年間で スマホの購入を希望する人についての

Your surveys, your methods have been designed

データを手にすることはありません

to optimize an existing business model,

御社の調査と手法は 既存のビジネスモデルを

and I'm looking at these emergent human dynamics

最適化するためのデザインですが

that haven't happened yet.

私が見ている人間の動態は これから出てくるもので

We're looking outside of market dynamics

まだ起きていない事象なんです

so that we can get ahead of it."

私たちは市場力学の外側を見て

Well, you know what happened to Nokia?

その先を行けるよう 努めています」と

Their business fell off a cliff.

そして ノキアの結末は ご存知の通りです

This -- this is the cost of missing something.

業績は崖から落ちるように下がりました

It was unfathomable.

これは 大切なものを 見落としたことの代償です

But Nokia's not alone.

それは計り知れないものでした

I see organizations throwing out data all the time

でもノキアだけではありませんでした

because it didn't come from a quant model

様々な組織が いつもデータを 廃棄するのを見て来ました

or it doesn't fit in one.

理由は 定量モデルから 出たものではないとか

But it's not big data's fault.

合致するモデルが ないというものでした

It's the way we use big data; it's our responsibility.

でもそれはビッグデータのせいではありません

Big data's reputation for success

ビッグデータを 私たちがどう扱うかであり 私たちの責任です

comes from quantifying very specific environments,

ビッグデータを使用した成功例は

like electricity power grids or delivery logistics or genetic code,

ごく限定された環境の定量化に 基づいたものであり

when we're quantifying in systems that are more or less contained.

送電網や物流システムや 遺伝子コードなど

But not all systems are as neatly contained.

ほぼ閉じたシステムを 定量化した場合です

When you're quantifying and systems are more dynamic,

でも 全てのシステムが きちんと閉じている訳ではありません

especially systems that involve human beings,

より動的なシステムで 定量化を行う場合

forces are complex and unpredictable,

特にシステムに 人間が関与している場合は

and these are things that we don't know how to model so well.

影響を与える要素は複雑で 予想不可能になり

Once you predict something about human behavior,

これらに関して うまくモデル化する術がありません

new factors emerge,

人間の行動について 一旦何かを予想すると

because conditions are constantly changing.

新たなファクターが出現します

That's why it's a never-ending cycle.

なぜなら 常に条件は変化するからです

You think you know something,

そのため 終わりのない循環となります

and then something unknown enters the picture.

何かを理解したと思ったら

And that's why just relying on big data alone

未知のものが 関与してきます

increases the chance that we'll miss something,

だから ビッグデータに頼るだけでは

while giving us this illusion that we already know everything.

何かを見落とす可能性が高まる一方で

And what makes it really hard to see this paradox

全てが分かっているかのような 幻想が生まれるのです

and even wrap our brains around it

このパラドックスに気付き 理解することが 非常に困難なのは

is that we have this thing that I call the quantification bias,

私が 「定量化バイアス」と呼ぶ 状況があるからです

which is the unconscious belief of valuing the measurable

それは 測定可能なものを 測定不可能なものよりも重視するという

over the immeasurable.

無意識の信念です

And we often experience this at our work.

そして これは 私たちの仕事において ありがちな経験です

Maybe we work alongside colleagues who are like this,

多分 私たちは このような同僚の傍で働いているか

or even our whole entire company may be like this,

会社全体がこのような状態 なのかもしれません

where people become so fixated on that number,

そこでは人が数字に固執していて

that they can't see anything outside of it,

目の前に証拠を突きつけられても

even when you present them evidence right in front of their face.

それ以外のものを見ることができないのです

And this is a very appealing message,

定量化が とても訴えかけるメッセージなのは

because there's nothing wrong with quantifying;

なぜなら そこに何ら間違いはなく

it's actually very satisfying.

実際 とても満足のいくことだからです

I get a great sense of comfort from looking at an Excel spreadsheet,

ごく単純なエクセルの スプレッドシートを見ても

even very simple ones.

私はとても心地よさを感じます

(Laughter)

（笑）

It's just kind of like,

ちょうどこんな感じです

"Yes! The formula worked. It's all OK. Everything is under control."

「そう！数式がうまく働いたから大丈夫 全てうまくいっている」

But the problem is

でも問題なのは

that quantifying is addictive.

定量化には依存性があることです

And when we forget that

そのことを忘れて

and when we don't have something to kind of keep that in check,

その確認を常に促す 何かを備えていなければ

it's very easy to just throw out data

数値で示せないからという理由で

because it can't be expressed as a numerical value.

データを棄ててしまいがちです

It's very easy just to slip into silver-bullet thinking,

あたかも 簡単な解決策が存在するかのような

as if some simple solution existed.

特効薬的な思考に陥るのは 非常に簡単なことです

Because this is a great moment of danger for any organization,

これはどんな組織にとっても 危険な瞬間です

because oftentimes, the future we need to predict --

しばしば 私たちが 予測しなければならない未来は

it isn't in that haystack,

干し草の山の中ではなく

but it's that tornado that's bearing down on us

納屋の外で迫ってくる

outside of the barn.

竜巻そのものなのです

There is no greater risk

未知のものが見えないことほど

than being blind to the unknown.

大きなリスクはありません

It can cause you to make the wrong decisions.

間違った結論に至りかねません

It can cause you to miss something big.

大きなものを見落とす結果になりかねません

But we don't have to go down this path.

でも この道を進まなくても良いのです

It turns out that the oracle of ancient Greece

古代ギリシアの神託が 行く末を私たちに示す

holds the secret key that shows us the path forward.

秘密の鍵を握っていることが分かりました

Now, recent geological research has shown

さて 最近の地質調査によると

that the Temple of Apollo, where the most famous oracle sat,

もっとも有名な巫女が神託をもたらした アポロの神殿は

was actually built over two earthquake faults.

なんと ２つの地震断層の上に 建造されているのです

And these faults would release these petrochemical fumes

そして これらの断層は地殻の下から

from underneath the Earth's crust,

原油由来の蒸気を放出し

and the oracle literally sat right above these faults,

巫女は文字通り この断層の真上に座して

inhaling enormous amounts of ethylene gas, these fissures.

亀裂から放出された 大量のエチレンガスを吸い込んでいました

(Laughter)

（笑）

It's true.

実話ですよ

(Laughter)

（笑）

It's all true, and that's what made her babble and hallucinate

実話であり このため巫女は 大声でわめきながら 幻覚を見て

and go into this trance-like state.

トランス状態になったのです

She was high as a kite!

彼女は凧のように舞い上がりました

(Laughter)

（笑）

So how did anyone --

どうしたら —

How did anyone get any useful advice out of her

このような状態にある彼女から 有益な助言を

in this state?

受けることができたでしょうか？

Well, you see those people surrounding the oracle?

巫女を取り囲む人たちを見てください

You see those people holding her up,

人々が彼女を抱え上げています

because she's, like, a little woozy?

彼女は少しふらついていますよね？

And you see that guy on your left-hand side

そして左手の男性が 見えますが

holding the orange notebook?

彼はオレンジ色の手帳を持っていますよね？

Well, those were the temple guides,

彼らは 介添え人であり

and they worked hand in hand with the oracle.

巫女と連携して働いていました

When inquisitors would come and get on their knees,

質問者がきて 跪くと

that's when the temple guides would get to work,

寺院の介添え人たちが 仕事に就く時です

because after they asked her questions,

彼らが巫女に質問した後

they would observe their emotional state,

彼らの感情的な状態を見て

and then they would ask them follow-up questions,

補足的な質問をします

like, "Why do you want to know this prophecy? Who are you?

例えば 「なぜこの予言が知りたいのか？ あなたは何者か？

What are you going to do with this information?"

この情報で 何をするつもりか？」 などなど

And then the temple guides would take this more ethnographic,

介添え人たちは この答えを追加の民俗学的で

this more qualitative information,

定性的な情報として加味して

and interpret the oracle's babblings.

巫女のつぶやきを神託として 解釈しました

So the oracle didn't stand alone,

巫女が単独で神託を下したのではありません

and neither should our big data systems.

私たちのビッグデータもそうあるべきです

Now to be clear,

さて 誤解のないよう

I'm not saying that big data systems are huffing ethylene gas,

私は ビッグデータのシステムが エチレン酔いだなどとは言いません

or that they're even giving invalid predictions.