Френология была моделью, которая, основываясь на псевдонаучной чепухе, изрекала авторитетные выводы и десятилетиями никто не подвергал ее проверке. Большие данные могут попасть в эту же ловушку. Модели, подобные тем, которые отвергли кандидатуру Кайла Бема, а также иностранных студентов в больнице Святого Георгия, могут не давать людям устроиться на работу даже если «научность» этих моделей заключается в кучке непроверенных допущений.
Нервное расстройство: на работе
Работники больших корпораций в Америке недавно придумали новый термин ««заоткрытие»» (clope-ning) это когда наемный сотрудник работает допоздна и поздно вечером, уходя последним, закрывает магазин или кафе, а через несколько часов приходит первым до рассвета, чтобы его открыть. Тот факт, что открывает и закрывает («заоткрывает») заведение один и тот же работник, имеет большой смысл с точки зрения логистики компании. Но для работника это означает дефицит сна у сотрудников и совершенно безумное рабочее расписание.
Такие нерегулярные расписания становятся все более массовым явлением, которое больше всего затрагивает низкооплачиваемых работников в компаниях вроде Starbucks, McDonalds и Walmart. Отсутствие предварительных уведомлений лишь усугубляет проблему. Многие работники всего за день-два узнают, что им нужно будет выйти в ночь на среду или работать в пятницу, когда посетителей особенно много. Это вносит в их жизнь хаос и осложняет присмотр за детьми. Есть приходится буквально на ходу как и спать.
Френология была моделью, которая, основываясь на псевдонаучной чепухе, изрекала авторитетные выводы и десятилетиями никто не подвергал ее проверке. Большие данные могут попасть в эту же ловушку. Модели, подобные тем, которые отвергли кандидатуру Кайла Бема, а также иностранных студентов в больнице Святого Георгия, могут не давать людям устроиться на работу даже если «научность» этих моделей заключается в кучке непроверенных допущений.
Нервное расстройство: на работе
Работники больших корпораций в Америке недавно придумали новый термин ««заоткрытие»» (clope-ning) это когда наемный сотрудник работает допоздна и поздно вечером, уходя последним, закрывает магазин или кафе, а через несколько часов приходит первым до рассвета, чтобы его открыть. Тот факт, что открывает и закрывает («заоткрывает») заведение один и тот же работник, имеет большой смысл с точки зрения логистики компании. Но для работника это означает дефицит сна у сотрудников и совершенно безумное рабочее расписание.
Такие нерегулярные расписания становятся все более массовым явлением, которое больше всего затрагивает низкооплачиваемых работников в компаниях вроде Starbucks, McDonalds и Walmart. Отсутствие предварительных уведомлений лишь усугубляет проблему. Многие работники всего за день-два узнают, что им нужно будет выйти в ночь на среду или работать в пятницу, когда посетителей особенно много. Это вносит в их жизнь хаос и осложняет присмотр за детьми. Есть приходится буквально на ходу как и спать.
Подобные нерегулярные расписания один из плодов экономики данных. В предыдущей главе мы видели, как оружие математического поражения перебирает кандидатов на работу, кого-то при этом занося в черный список, но гораздо большее число просто игнорируя. Мы видели, как в код программного обеспечения часто вписываются токсичные предубеждения и в процессе обучения программа лишь усугубляет несправедливость. В этой главе мы продолжим путешествие по офисам и другим местам работы, где ОМП, полностью сконцентрированное на эффективности, третирует работников как винтики механизма. «Заоткрытие» лишь одно проявление этой тенденции, которая, скорее всего, будет лишь усиливаться по мере распространения систем наблюдения на рабочих местах. А это, в свою очередь, будет еще больше подпитывать экономику данных.
В течение десятилетий, еще до того, как компании начали буквально купаться в данных, составление рабочих расписаний имело мало общего с наукой. Представьте себе семейное предприятие например, маленький магазин хозяйственных товаров, работающий с девяти до пяти шесть дней в неделю. В один прекрасный день дочь владельцев магазина поступает в колледж. Приехав на лето домой, она смотрит на семейный бизнес свежим взглядом. И замечает, что практически никто не заходит в магазин по утрам во вторник. Продавщица спокойно сидит в своем смартфоне, и никто ее не прерывает. Здесь явно можно говорить о недополученной прибыли. Зато в субботу недовольные покупатели, ворча, стоят в длинной очереди к кассе.
Это наблюдение ценная информация, и дочь помогает родителям подкорректировать семейный бизнес. Теперь магазин не работает по утрам во вторник, зато они нанимают еще одного продавца с частичной занятостью помогать по субботам. Такие изменения делают косный и неповоротливый алгоритм работы чуть более разумным.
С наступлением эры Больших данных первокурсницу колледжа сменила армия ученых с мощными компьютерами. Компании теперь могут анализировать уровень наплыва посетителей, чтобы подсчитать, сколько именно работников им нужно в каждый час каждого дня. Цель, конечно, в том, чтобы потратить как можно меньше денег, а это означает, что штат нужно поддерживать на уровне абсолютного минимума но при этом обеспечить подкрепление в самые оживленные часы. Можно было бы подумать, что эти паттерны будут повторяться из недели в неделю что компании ограничатся легкими изменениями в установленном расписании, как произошло с хозяевами нашего гипотетического магазина хозтоваров. Но новые программы составления расписаний предлагают гораздо более сложные опции. Они обрабатывают потоки постоянно меняющейся информации от погоды до закономерностей поведения. Например, в дождливый день люди, скорее всего, пойдут не в парк, а в кафе. Значит, этому кафе понадобится больше персонала, по крайней мере на час-другой. Школьный футбольный матч пятничным вечером может означать больше пешеходов на главной улице города, но только перед игрой и после ее окончания. Объем сообщений в Twitter позволяет предположить, что на завтрашние распродажи «черной пятницы» отправятся на 26 % больше покупателей, чем в прошлом году. Условия меняются каждый час, и рабочая сила должна быть задействована таким образом, чтобы отвечать на колебания спроса, иначе компания потеряет деньги.