Η εποχή μας χαρακτηρίζεται από την πλειονότητα των πληροφοριών που συλλέγεται για τον καθένα μας διαδικτυακά. Είτε από τα κοινωνικά μας δίκτυα, είτε από το ιστορικό μας στο internet, τις online αγορές και τις σειρές που παρακολουθούμε, ο υπολογιστής μας μαζεύει συνεχώς πληροφορίες για μας, τις οποίες και μοιράζεται με άλλες μηχανές. Ο τελικός σκοπός φαινομενικά είναι να μπορούν οι διαφημίσεις που μας προτείνουν να είναι σχετικές με τα χαρακτηριστικά μας, αλλά τελικά καταλήγουν να μαζεύουν τόσα πολλά δεδομένα, που οι αναλυτές προσπαθούν να τα αξιοποιήσουν όσο καλύτερα μπορούν.
Ο αλγόριθμος που μας προτείνει διαδικτυακά σχετικές διαφημίσεις για προϊόντα ή υπηρεσίες που θα μας ενδιαφέρουν βελτιώνεται καθημερινά, όμως μαζί του αναπτύσσεται και μια τάση για πρόβλεψη όχι μόνο αγορών αλλά καθημερινών συνηθειών και ίσως μελλοντικών απρόβλεπτων πράξεων. Όμως εδώ κρύβεται η μεγαλύτερη παγίδα, καθώς η συσχέτιση παραμέτρων μπορεί να δείχνει μια αμφίδρομη σχέση μεταξύ τους, όμως αυτό δε σημαίνει πως υπάρχει και αιτιότητα. Πχ παλαιότερα ένας 30άρης λευκός Αμερικανός από ευκατάστατη οικογένεια του Νότου πιθανόν ψήφιζε υπέρ των Ρεπουμπλικάνων, τώρα με τόσες περισσότερες πληροφορίες στα χέρια τους οι αναλυτές ψάχνουν για σχέση μεταξύ τις εκλογικής ψήφου και παραμέτρων όπως η διατροφή, το χτένισμα, οι selfies και πολλά άλλα. Πράγματι, μαθηματικά μπορεί μέσα στα χιλιάδες mg δεδομένων να βγαίνουν μοντέλα που να δικαιολογούν τέτοια σχέση, όμως αυτό σημαίνει πως πράγματι το ένα επηρεάζει το άλλο; Έχουμε ξεπεράσει την ανάγκη για ανθρώπινη ποιοτική ανάλυση των δεδομένων λόγω της τεχνιτής νοημοσύνης ή χρειάζεται ο ανθρώπινος νους για να δει πως το χτένισμα δεν έχει μεγάλη σχέση με την ψήφο;
Άποψη μου είναι πως μπορεί να βρισκόμαστε κοντά στην εποχή της απόλυτης πληροφορίας (τουλάχιστον διαδικτυακά) όμως η ανθρώπινη παρέμβαση και ανάλυση είναι καταλυτική για τη σωστή αποτίμηση της πληροφορίας. Τα δευτερογενή δεδομένα πράγματι έχουν τεράστια σημασία για την καταγραφή κυρίως καθημερινών και στερεοτυπικών συμπεριφορών όπως αγορές, ταξίδια, χόμπι κλπ, αλλά όταν θέλουμε να κοιτάξουμε λίγο περισσότερο και να ψάξουμε για κάτι πιο περίπλοκο, όπως πρόθεση ψήφου, αλλαγές στη ζωή του ερωτώμενου, απρόβλεπτες συμπεριφορές κλπ, τότε τα πρωτογενή δεδομένα που συλλέγονται μέσα από ένα επαγγελματικό ερωτηματολόγιο είναι η καλύτερη λύση.