Noong tag-araw ng 2009, ang mga mobile phone ay nagri-ring sa buong Rwanda. Bilang karagdagan sa milyun-milyong tawag mula sa pamilya, mga kaibigan, at mga kasosyo sa negosyo, humigit-kumulang sa 1,000 Rwandans ang tumanggap ng tawag mula kay Joshua Blumenstock at sa kanyang mga kasamahan. Ang mga mananaliksik na ito ay nag-aaral ng yaman at kahirapan sa pamamagitan ng pagsasagawa ng isang survey ng isang random na sample ng mga tao mula sa isang database ng 1.5 milyong mga customer ng pinakamalaking mobile phone provider ng Rwanda. Itinanong ng Blumenstock at mga kasamahan ang mga piling napili ng mga tao kung nais nilang makibahagi sa isang survey, ipinaliwanag ang likas na katangian ng pagsasaliksik sa kanila, at pagkatapos ay tinanong ang isang serye ng mga tanong tungkol sa kanilang mga katangiang demograpiko, panlipunan, at pang-ekonomiya.
Ang lahat ng sinabi ko sa ngayon ang tunog na ito tulad ng isang tradisyunal na survey sa social science. Ngunit ang susunod na hindi tradisyonal-hindi bababa pa. Bilang karagdagan sa data ng survey, ang Blumenstock at mga kasamahan ay mayroon ding mga kumpletong talaan ng tawag para sa lahat ng 1.5 milyong tao. Pinagsama ang dalawang pinagmumulan ng data, ginamit nila ang data ng survey upang sanayin ang isang modelo ng pag-aaral ng machine upang mahulaan ang yaman ng isang tao batay sa kanilang mga tala ng tawag. Susunod, ginamit nila ang modelong ito upang tantiyahin ang kayamanan ng lahat ng 1.5 milyong mga customer sa database. Tinatantiya din nila ang mga lugar ng paninirahan ng lahat ng 1.5 milyong mga customer na gumagamit ng geographic na impormasyon na naka-embed sa mga talaan ng tawag. Pinagsama-sama ang lahat ng ito-ang tinatayang kayamanan at ang tinatayang lugar ng paninirahan-nakagawa sila ng mga mapa na may mataas na resolution ng heograpikong pamamahagi ng kayamanan sa Rwanda. Sa partikular, maaari silang makabuo ng isang tinatayang kayamanan para sa bawat isa sa 2,148 na selula ng Rwanda, ang pinakamaliit na yunit ng pamayanan sa bansa.
Sa kasamaang palad, imposibleng patunayan ang katumpakan ng mga pagtatantya na ito sapagkat walang sinuman ang gumawa ng mga pagtatantya para sa mga maliliit na heyograpikong lugar sa Rwanda. Ngunit nang pinagsama-sama ng Blumenstock at mga kasamahan ang kanilang mga pagtatantya sa 30 distrito ng Rwanda, natagpuan nila na ang kanilang mga pagtatantya ay halos kapareho sa mga pagtatantya mula sa Demographic and Health Survey, na malawakang isinasaalang-alang na ang gintong pamantayan ng mga survey sa pagbuo ng mga bansa. Bagaman ang dalawang pamamaraan na ito ay gumawa ng mga katulad na pagtatantya sa kasong ito, ang diskarte ng Blumenstock at mga kasamahan ay halos 10 beses na mas mabilis at 50 beses na mas mura kaysa sa tradisyunal na Demographic and Health Surveys. Ang mga kapansin-pansing mas mabilis at mas mababang mga pagtatantya ng gastos ay lumikha ng mga bagong posibilidad para sa mga mananaliksik, pamahalaan, at mga kumpanya (Blumenstock, Cadamuro, and On 2015) .
Ang pag-aaral na ito ay tulad ng isang pagsusulit ng Rorschach inkblot: kung ano ang nakikita ng mga tao ay depende sa kanilang background. Maraming mga sosyal na siyentipiko ang nakakakita ng isang bagong tool sa pagsukat na maaaring magamit upang masubok ang mga teorya tungkol sa pagpapaunlad ng ekonomiya. Maraming data na siyentipiko ang nakakakita ng isang cool na bagong problema sa pag-aaral ng machine. Maraming mga negosyanteng tao ang nakakakita ng isang malakas na diskarte para sa pag-unlock ng halaga sa malaking data na kanilang nakolekta. Maraming mga tagapagtaguyod ng privacy ang nakakakita ng isang nakakatakot na paalala na nabubuhay tayo sa panahon ng pagmamatyag ng masa. At sa wakas, maraming mga gumagawa ng patakaran ang nakakakita ng isang paraan na maaaring makatulong ang bagong teknolohiya upang lumikha ng isang mas mahusay na mundo. Sa katunayan, ang pag-aaral na ito ay ang lahat ng mga bagay na iyon, at dahil ito ay may ganitong pagsasama ng mga katangian, nakikita ko ito bilang isang window sa hinaharap ng panlipunang pananaliksik.