Trong quy trình nghiên cứu khoa học, đầu tiên nhà khoa học quan sát tỉ mỉ hiện tượng và đặt một câu hỏi `tại sao`, sau đó tìm một lý thuyết có thể trả lời cho câu hỏi đó. Bước kế tiếp lý thuyết đó phải được chứng thực thông qua thực nghiệm, thu thập dữ liệu mới và đưa ra kết luận về tính đúng đắn của nó. Lý thuyết sai sẽ trở thành kinh nghiệm, lý thuyết đúng sẽ là chỉ dẫn cho các giải pháp, ứng dụng và trở thành một phần của kho tri thức loài người. Trong nhiều năm, quy trình nghiêm cẩn này đã dẫn dắt khoa học kỹ thuật cũng như kinh tế sản xuất.
Trong hai thập kỷ gần đây, big data và các chuyên viên phân tích dữ liệu đã dần thay thế nhà nghiên cứu trong việc đưa ra các lời khuyên trong việc ra quyết định: Bỏ qua việc đặt câu hỏi cũng như tìm kiếm lý thuyết giải thích, họ phân tích những khối dữ liệu khổng lồ, tìm ra những mối liên hệ tiềm tàng và phản ứng cực nhanh với hiệu suất cao. Cách tiếp cận này rõ ràng hiệu quả hơn về mặt kinh tế, nhưng không đóng góp nhiều cho tri thức của nhân loại. Nhưng mà tại sao lại phải quan tâm tới việc tìm kiếm nguyên nhân khi mà ta có thể tìm luôn đáp án? Nếu khách hàng của bạn mua nhiều hơn khi biển hiệu màu xanh thay vì màu đỏ, đổi chúng sang màu xanh để tăng doanh thu bán hàng. Nếu cử tri của bạn thích hình ảnh người đàn ông của gia đình hơn là con sói cô độc, hãy cập nhật hình ảnh tranh cử. Nếu dữ liệu cho thấy người uống vang đều đặn ít bị huyết áp cao hơn phần còn lại của dân số, hãy đề nghị bán rượu cho những người muốn cải thiện sức khỏe. Việc nghiên cứu tìm hiểu nguyên nhân đằng sau mối liên hệ đó hãy để sau. Và thực tế là các nhà tư bản thích chi tiền cho các chuyên viên phân tích dữ liệu hơn là cho nghiên cứu khoa học.
Với Judea Pearl và Dana Mackenzie, đó là sa đọa của khoa học :popo_confident:. Không phản đối lợi ích thiết thực của phân tích dữ liệu. Hai ông kêu gọi thống thiết việc nhìn lại và tập trung vào thứ gì đó khác hơn hơn là lợi nhuận trước mắt. Phân tích thông tin, tìm ra xác xuất và mối liên hệ chỉ là bước đầu tiên trong thang hiểu biết, ta nên đi vào tìm hiểu sâu hơn, nghiên cứu và tương tác để có dữ liệu mới, tìm các lý thuyết giải thích và chứng minh thông qua những thực nghiệm khắt khe. Bản thân quy trình này cũng có thể được tăng tốc nhờ khoa học máy tính để đạt tốc độ và hiệu suất cao hơn. Những trăn trở của hai ông và đề nghị phương pháp giải quyết đều có trong `The Book Of Why`
Refs: https://www.amazon.com/dp/046509760X/
