Egy amerikai matematikus arra adta a fejét, hogy kikutassa: mitől lesz egy bor jó, és mitől marad csak közepes minőségű. Több száz év elérhető francia időjárási és borminőségi adatait hasonlította össze számítógép segítségével, és felállított egy matematikai képletet, aminek lényege, hogy a forró nyár és a száraz ősz hoz csúcsminőségű évjáratot.

Megállapítása óriási vihart kavart amerikai borászberkekben, lényegében őrültnek minősítették. Ma már igazat adnak neki, sőt előrejelzései segítenek a borbefektetőknek, mert már a szüret napjaiban tudják, hogy az évjárat nagy bor lesz-e, míg a borkóstoló szakembereknek erre 3-4 hónapot várniuk kell. A titok a nagy időjárási adathalmazok matematikai mozgatása, amire a mai számítógépek hatalmas adattárolási és kezelési kapacitása ad módot. Hasonló meglepetést keltett, amikor Garri Kaszparov kikapott az IBM sakkprogramjától: 700 ezer nagymester betáplált adatbázisával már nem bírt el az emberi elme.

A Google ötezer terabite, tehát öt petabite adatot tartalmaz: a görög tera szörnyet jelent, ez valóban szörnyen sok adat. Ma a fejlett világban hatalmas pénzt költenek olyan adatbázisok felépítésére, amelyek az élet minden területéről minden elérhető adatot összehoznak, majd feltárják a közöttük lévő rejtett összefüggéseket. Így találtak rá arra, hogy azok okozzák és szenvedik el a legtöbb balesetet, akik tartozást halmoznak fel hitelkártyájukon: az amerikai biztosítók már nagyobb díjat is kérnek tőlük. Fogalmunk sincs, hogy kik és milyen adatainkat töltik le, szerzik meg, majd meglehetős pontossággal rajzolják fel szokásainkat, jövőbeli várható mozgásunkat és viselkedésünket.

Az angol Francis Galton - Charles Darwin unokaöccse - ismerte fel, hogy az átlagnál nagyobb magokból átlagosnál nagyobb növények lesznek, majd azt, hogy az átlagnál magasabb apáknak átlagnál magasabb fiai lesznek, de a fiúk nem érik el az apa magasságát. Ha az apa 1 inch-csel magasabb az átlagnál, akkor a fiú 2/3 inch-csel lesz magasabb az átlagnál. Lényegében erre épül a modern adathalmazok regressziós eljárása is, amikor múltbeli trendekből vonnak le a jövőre vonatkozó előrejelzéseket. A vállalati felvételi beszélgetéseken eddig három tulajdonságot néztek: a felelős gondolkodást, a kellemes egyéniséget és a nyitottságot. Ma már a lehető legtöbb adatot beszerzik a pályázóról. Megrajzolják a személyiségét, és összehasonlítják egy hatalmas adatbázissal, amelynek eredményeképpen megtudják, hogy a hozzá hasonló személyiség hogyan állta meg a helyét az adott pozícióban.

A másik módszer a mintavételes eljárás. Ekkor nem múltbeli adatokat bányászunk óriási sokaságból hatalmas mennyiségben, hanem véletlenszerűen gyűjtünk mai adatot, véleményt nagy sokaságból. Majd ezt a mintát összehasonlítjuk a meglévő óriási adatbázissal, és láthatóvá válnak a rejtett összefüggések. Ha kiderül, kire hasonlítunk, milyen csoportba tartozunk, akkor nagy pontossággal előre jelezhető véleményünk, viselkedésünk és döntésünk is. A nem szakértő tömeg mindig pontosabb, mint egy szűk szakértői csoport. A "tömeg bölcsessége" itt is működik.

A nagy adatbázisok gyors kezelése az egészségügyi rendszerre is óriási hatással lesz. Ma 11 ezer betegségben szenved az emberiség, ki tudja ezt mind fejben tartani? Ezért van, hogy Amerikában minden harmadik orvosi diagnózis hibás, és az összes halállal végződő betegség ötödében a rossz diagnózis vezetett a véghez. Ezen segít az "adatbázisok szerinti diagnosztika", amikor az orvos segítséget kér a számítógépes adatbanktól: a 11 ezer betegséget 30 lehetségesre képes szűkíteni ez a módszer.

A számok forradalma átok és áldás egyszerre. Rajtunk is áll, melyik kerül túlsúlyba: a kockázat vagy a lehetőség.