David Kriesel is known for his talk “Spiegel Mining,” where he explored a database of articles from German newsmagazine Spiegel Online.David Kriesel is known for his talk “Spiegel Mining,” where he explored a database of articles from German newsmagazine Spiegel Online.David Kriesel is known for his talk “Spiegel Mining,” where he explored a database of articles from German newsmagazine Spiegel Online.David Kriesel is known for his talk “Spiegel Mining,” where he explored a database of articles from German newsmagazine Spiegel Online.David Kriesel은 독일 뉴스 매거진 Spiegel Online의 기사 데이터베이스를 탐색한 "Spiegel Mining" 강연으로 유명합니다. David Kriesel은 데이터 과학자이자 기술 엔지니어입니다.그는 가장 잘 알려져 있습니다 그의 연설 "Spiegel Mining", 그는 인기 있는 독일어 뉴스 매거진의 방대한 기사 데이터베이스를 탐색했습니다. 슈피겔 온라인 . 그 얘기는 유튜브에서 퍼졌다.
Kriesel이 데이터 탐색 방법을 사용하여 정치와 독일에 대한 유머러스하고 놀랍고 심지어 불안한 발견을 발견하는 방법을 직접 확인할 수 있습니다. 녹화 시청 우리의 온라인 세미나의.
David에게 Spiegel Mining 프로젝트에 대해 몇 가지 질문을 했습니다.
Spiegel Online 기사를 분석하는 아이디어는 어떻게 얻으셨나요?
그것은 기술적 호기심과 사회적 호기심이 혼합된 것이었습니다. 나는 새로운 기술을 배울 때 일반적으로 "해봄으로써 배우는" 접근 방식을 추구합니다. 이것은 내가 배우고 싶은 것을 사용하도록 강요하는 일종의 장난감 프로젝트를 만든다는 것을 의미합니다. 저는 일반적으로 미디어에 관심이 있어서 이 장난감 프로젝트 중 하나가 Spiegel Online을 다운로드하는 것이었습니다.
YouTube 동영상에서 조회수가 너무 많아서 놀랐습니까? 왜 그렇게 잘 울렸다고 생각합니까?
제가 이 주제에 대해 처음으로 발표한 회의인 Chaos Communication Congress는 세계에서 가장 큰 해커 회의 중 하나입니다. 거기에 슬롯을 얻을 수 있다면 서버에 약간의 로드를 준비해야 합니다. 
하지만 솔직히 말해서, 나는 그것에서 얼마나 많은 공명(resonance)이 나오는지 넋을 잃었습니다. 받은 이메일에 답하는 데 두 달 이상이 걸렸습니다. 일부는 오늘날에도 여전히 답이 없습니다.
반면에, 괴상한 주제에 대한 이야기가 입소문을 타게 만드는 요인을 파악하는 것은 그리 쉬운 일이 아닙니다. 제 생각에 요즘에는 모든 사람들이 어떤 방식으로든 데이터 분석에 대해 이야기하고 있습니다. 따라서 장난감 프로젝트의 부수적 목적은 새로운 것을 배우는 것 외에도 IT 전문가가 아닌 사람들이 오늘날의 데이터 분석이 무엇인지 알 수 있도록 하는 것이었습니다. 쉽고 이해하기 쉬운 단어로, 기술 자료 없이, 공식 없이, 그리고 아마도 가장 중요한 것은 모두가 알고 있는 데이터 세트에 관한 것입니다. 거의 모든 사람들이 적어도 한 번은 Spiegel Online을 읽기 때문입니다. 이 조합이 딱 맞는 것 같아요.
데이터는 어디에나 있습니다. 그것을 분석하는 것이 왜 그렇게 중요한가? 통계학자나 데이터 과학자가 없을 수도 있는 소규모 회사의 가치는 무엇입니까?
데이터는 실제로 어디에나 있지만 대부분의 경우 사용되지 않는 곳에 놓여 있습니다. 기본적으로 가치가 없는 자산입니다. 스토리지 비용을 지불하게 만들기도 합니다. 그러나 데이터를 분석하면 때때로 놀랍도록 저렴한 비용으로 자산을 지식으로 전환하고 비용 요소를 가치 있는 것으로 전환할 수 있습니다. 이는 특정 회사의 규모와 무관합니다. 전담 직원이 없더라도 데이터 과학을 사용하는 많은 소규모 회사를 알고 있습니다. 때로는 하루나 이틀 동안 프리랜서를 고용하는 것이 이미 많은 도움이 됩니다. 장벽은 대부분의 회사가 생각하는 것보다 낮습니다. 표준 분석의 경우 분석 소프트웨어가 있습니다. 더 이상 코딩할 필요도 없습니다.
무엇이 좋은 데이터 시각화를 만드는가?
내 생각에 좋은 시각화는 데이터 과학자의 추가 도움 없이도 영역 지식(즉, 분석하는 데이터의 특정 영역에 대한 지식)이 있는 사람들이 데이터에서 패턴을 직관적으로 찾을 수 있도록 합니다. 올바른 결론을 내릴 수 있는 권한을 부여하고, 잘했다면 역시 아름다워서 사람들은 계속해서 보고 싶어합니다(더 많은 결론을 내리게 함). 뇌에 대한 고대역폭 연결은 단 하나, 바로 눈입니다.
데이터 과학 이외의 다른 관심사가 있습니다. 당신의 개미 식민지에 대해 알려주십시오.
확신하는!오래전부터 떼 행동에 관심이 많았기 때문에 꽤 오랫동안 개미를 키웠습니다. 많은 사람들은 실제로 개미를 애완동물로 키울 수 있다는 사실을 인식하지 못합니다(그러나 개미의 이름을 지정할 의무는 없습니다). 당신은 그들에게 작은 테라리움을 만든 다음 둥지를 짓고, 알을 키우고, 음식을 모으고, 쓰레기를 버리는 등을 지켜보십시오. 그들이 물류를 수행하고 거리를 건설하는 것을 보는 것은 매우 흥미롭고 편안합니다. 게다가 개미는 휴가를 갈 때 화를 내지 않습니다. 그들은 먹이를주지 않고 꽤 오랫동안 괜찮습니다. 그들은 나쁜 냄새가 나지 않으며 어떤 소리도 내지 않습니다.
데이빗의 이야기를 더 듣고 싶다면 녹화를 시청하다 그의 온라인 세미나에서.
