Der renommierte Statistiker, Pädagoge und Autor David Hand hat die Gabe, das Abstrakte konkreter zu machen und das Unsichtbare sichtbar zu machen. In seinem neuesten Buch Dunkle Daten: Warum das, was Sie nicht wissen, wichtig ist , Er kategorisiert die verschiedenen Arten von „Daten, die wir nicht sehen“ und die Konsequenzen, wenn sie ignoriert werden .
Ich habe dieses Buch sehr genossen und kann es nur empfehlen. Das Kapitel „Wissenschaft und dunkle Daten: Die Natur der Entdeckung “war von besonderem Interesse, und ich werde erklären, warum, aber zuerst ein wenig Hintergrundwissen ...
2014 habe ich David für interviewt Analytisch gesprochen Kurz nachdem er den Orden des britischen Empire für Forschung und Innovation und die Veröffentlichung seines sehr beliebten Buches erhalten hatte, Das Unwahrscheinlichkeitsprinzip: Warum Zufälle, Wunder und seltene Ereignisse jeden Tag passieren (was ich auch sehr genossen und empfohlen habe). Als ich ihn fragte, was ihn zur Statistik führte, sagte er, dass er in jungen Jahren von der Wissenschaft fasziniert war und Wissenschaftler werden wollte. Er teilte mit, dass er als Jugendlicher dachte, Wissenschaftler zu sein, würde bedeuten, dass Sie morgens auf eine archäologische Expedition gehen, nachmittags ein Heilmittel gegen Krebs finden und abends einen neuen Stern entdecken könnten. Schließlich wurde David klar, dass er sich spezialisieren musste, wenn er Wissenschaftler werden wollte, aber er wollte seinen Fokus nicht einschränken.
Zum Glück entdeckte David „versehentlich“ Statistiken, die er als Infrastruktur ansieht - für andere Wissenschaften, für die Regierung und im Wesentlichen für „jedermanns Hinterhof“. Durch Statistik könnte David der Wissenschaftler sein, der er sein wollte, und in Zusammenarbeit mit anderen Wissenschaftlern sein statistisches Fachwissen in eine Vielzahl von Dingen einbringen.
Weil JMP-Benutzer in erster Linie Wissenschaftler und Ingenieure sind - von denen viele phänomenale Arbeit leisten und an aktuellen Problemen im Zusammenhang mit der Pandemie arbeiten (wo es viele Herausforderungen mit dunklen Daten gibt!) - JMP freut sich, das anbieten zu können Auszug "Dunkle Daten und das große Ganze" aus dem Kapitel "Wissenschaft und dunkle Daten: Die Natur der Entdeckung".
In diesem Auszug untersucht David das Problem der Reproduzierbarkeit und betont, dass Wissenschaft ein Prozess ist und dass der Prozess trotz der Herausforderungen nicht unterbrochen wird (obwohl wir alle sicherlich davon profitieren würden, „wenn anfangs weniger falsche Schlussfolgerungen gezogen würden“). Natürlich gibt es viele Faktoren, die zur Irreproduzierbarkeit beitragen, die David ausführlich behandelt, bevor er einige Werkzeuge bespricht, um zu vermeiden, dass falsche Schlussfolgerungen gezogen werden. Zu diesen Werkzeugen gehören ein besseres Studiendesign und neuere Werkzeuge wie Yoav Benjamini und Yosef Hochbergs Arbeiten zur Rate falscher Entdeckungen.
(John Sall hat übrigens einen schönen Blog-Beitrag zu diesem Thema, Nicht nur Zufälle filtern: Falsche Entdeckungsrate und ein kurzes Video (Siehe das Segment 2: 30–8: 50). John verwendete den Begriff "Geister" -Daten in seinem 2017 Discovery Summit Talk und tat a Blog-Interview etwa vier übergeordnete Kategorien von Daten, die nicht vorhanden sind.)
David macht eine sehr gründliche Arbeit, indem er 11 Datentypen, die nicht vorhanden sind, genauer kategorisiert. Es ist wichtig zu wissen, welche Art von dunklen Daten Sie haben könnten. Wir hoffen, dass Sie das Kapitel Dunkle Daten erhalten Auszug und das Buch um Ihnen bei der Bewältigung Ihrer Dark-Data-Herausforderungen zu helfen. Denn wie David sagt: "Dunkle Daten sind überall." Weitere Beispiele finden Sie in Davids Dark Data-Blog. Wie dunkle Daten uns in die Irre führen .
