市場(chǎng)營(yíng)銷學(xué)者Kevin Gray對(duì)肯納索州立大學(xué)研究生院副院長(zhǎng)、統(tǒng)計(jì)學(xué)及數(shù)據(jù)科學(xué)教授Jennifer Priestley做了一個(gè)采訪，請(qǐng)教數(shù)據(jù)科學(xué)究竟是什么、一個(gè)好數(shù)據(jù)科學(xué)家應(yīng)具備哪些品質(zhì)以及如何成為一個(gè)好的數(shù)據(jù)科學(xué)家，訪談全文如下。
Q：您能否用簡(jiǎn)單、外行人也能聽得懂的話向我們解釋數(shù)據(jù)科學(xué)？
A：我認(rèn)為Slack的數(shù)據(jù)工程總監(jiān)Josh Wills給出的定義非常恰當(dāng)——“（數(shù)據(jù)科學(xué)家是）擅長(zhǎng)統(tǒng)計(jì)學(xué)的軟件工程師與擅長(zhǎng)軟件工程的統(tǒng)計(jì)學(xué)家的混合體。”，我還想在這里加上我本人的“Priestly推論”：“（數(shù)據(jù)科學(xué)家是）擅長(zhǎng)對(duì)數(shù)據(jù)分析結(jié)果進(jìn)行商業(yè)解釋的科學(xué)家與擅長(zhǎng)數(shù)據(jù)分析的MBA的混合體”。
Q：統(tǒng)計(jì)學(xué)家和數(shù)據(jù)科學(xué)家之間的區(qū)別是什么？
A：這是個(gè)好問題。我也經(jīng)常被問到計(jì)算機(jī)科學(xué)家和數(shù)據(jù)科學(xué)家之間的區(qū)別是什么。事實(shí)上這兩個(gè)學(xué)科也都在探索隱藏在數(shù)據(jù)中的新內(nèi)涵。雖然二者都對(duì)數(shù)據(jù)科學(xué)這一新生領(lǐng)域作出了令人矚目的貢獻(xiàn)，他們并非完全獨(dú)立的。
數(shù)據(jù)的增長(zhǎng)不僅體現(xiàn)在其規(guī)模上，還體現(xiàn)在我們對(duì)數(shù)據(jù)這個(gè)詞定義的延伸上。舉個(gè)例子，文本和圖像已成為日益常見的數(shù)據(jù)形式并被納入分類及風(fēng)險(xiǎn)建模等分析范疇中。對(duì)數(shù)據(jù)定義的延伸迫使統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)從各自的傳統(tǒng)核心領(lǐng)域進(jìn)入邊緣領(lǐng)域——在這樣的邊緣領(lǐng)域里，新的思路開始萌發(fā)——兩個(gè)學(xué)科在邊緣領(lǐng)域的融合成為了數(shù)據(jù)科學(xué)的基礎(chǔ)。
統(tǒng)計(jì)學(xué)的多數(shù)傳統(tǒng)核心內(nèi)容還未做好處理以十億為單位的記錄及非結(jié)構(gòu)化數(shù)據(jù)的準(zhǔn)備。同樣，計(jì)算機(jī)科學(xué)的核心領(lǐng)域雖然擅長(zhǎng)高效獲取并存儲(chǔ)大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，但在通過建模、分類和可視化等形式將數(shù)據(jù)轉(zhuǎn)換成信息的能力上存在短板。
我同意統(tǒng)計(jì)學(xué)家在數(shù)據(jù)科學(xué)界容易處于弱勢(shì)的說法。我認(rèn)為這很不幸。幾年前，“簡(jiǎn)單統(tǒng)計(jì)學(xué)”（SimplyStatistics）博客發(fā)布了一篇名為《為什么大數(shù)據(jù)陷入了麻煩：他們忘了運(yùn)用統(tǒng)計(jì)學(xué)》的文章。這篇文章指出了人們興沖沖地倒騰機(jī)器學(xué)習(xí)、文本挖掘、神經(jīng)網(wǎng)絡(luò)卻忽視與數(shù)據(jù)行為（behavior of date）密切相關(guān)的變量、置信度、分布等基本統(tǒng)計(jì)學(xué)概念，導(dǎo)致了糟糕的決定。雖然數(shù)據(jù)科學(xué)不是統(tǒng)計(jì)學(xué)，但統(tǒng)計(jì)學(xué)為這門學(xué)科貢獻(xiàn)了基礎(chǔ)方法。
Q：我們中絕大多數(shù)人直到最近幾年才聽說過數(shù)據(jù)科學(xué)。您能否向我們簡(jiǎn)要介紹它的歷史？
A：這個(gè)詞最早是計(jì)算機(jī)科學(xué)家Peter Naur在1960年提出的觀點(diǎn)，但“數(shù)據(jù)科學(xué)”在統(tǒng)計(jì)學(xué)中也留下了進(jìn)化的種子。1962年，John W. Tukey（我們那個(gè)年代最為人所熟知和尊敬的統(tǒng)計(jì)學(xué)家之一）寫到：“在很長(zhǎng)一段時(shí)間里，我認(rèn)為我是一個(gè)統(tǒng)計(jì)學(xué)家，致力于通過特定樣本推斷總體的面貌。但自從我看到了數(shù)理統(tǒng)計(jì)的進(jìn)化，我發(fā)現(xiàn)我真正感興趣的領(lǐng)域是數(shù)據(jù)分析……數(shù)據(jù)分析本質(zhì)上是一門經(jīng)驗(yàn)科學(xué)?！?/p>
1996年，國(guó)際分類學(xué)聯(lián)合會(huì)（IFCS）在第五次大會(huì)中首次使用了“數(shù)據(jù)科學(xué)”一詞。大會(huì)標(biāo)題為“數(shù)據(jù)科學(xué)，分類及相關(guān)方法”。 1997年，吳建福教授（目前在佐治亞理工學(xué)院）在密歇根大學(xué)統(tǒng)計(jì)系就任H. C. Carver講席教授的公開演講中呼吁將統(tǒng)計(jì)學(xué)更名為數(shù)據(jù)科學(xué)，統(tǒng)計(jì)學(xué)家更名為數(shù)據(jù)科學(xué)家。
2002年發(fā)生了一件數(shù)據(jù)科學(xué)的關(guān)鍵里程碑事件，第一本學(xué)術(shù)同行評(píng)論期刊《數(shù)據(jù)科學(xué)學(xué)報(bào)》（Data ScienceJournal）正式創(chuàng)刊。此后又出現(xiàn)了其他幾個(gè)期刊，專門促進(jìn)和傳播這一領(lǐng)域的學(xué)術(shù)研究成果。
專門的學(xué)術(shù)期刊的出現(xiàn)對(duì)于學(xué)術(shù)界來說尤為重要——這些期刊促成了新的博士課程（比如我們的）和學(xué)術(shù)部門，為相關(guān)研究、獎(jiǎng)學(xué)金和發(fā)表提供了平臺(tái)。現(xiàn)在數(shù)據(jù)科學(xué)教師和博士生可以在自己的圈子里——而不是計(jì)算機(jī)科學(xué)、數(shù)學(xué)、商學(xué)的圈子里——開展研究和分享。
Q：2011年麥肯錫作出了一項(xiàng)廣為人知的研究預(yù)測(cè)，在2018年“僅美國(guó)一國(guó)就會(huì)面臨14萬到19萬具備深度分析能力人才的缺口，與此同時(shí)存在至少150萬名懂得如何運(yùn)用大數(shù)據(jù)做出有效決定的管理人員和分析師的缺口?！边@個(gè)預(yù)測(cè)有多準(zhǔn)確？我們現(xiàn)在有其他替代方案嗎？
A：我被問到這個(gè)問題很多次了——具體來說，許多公司高管問過我諸如“數(shù)據(jù)科學(xué)這事是否只是一時(shí)的風(fēng)潮？”的問題。我想我們應(yīng)該重新給這個(gè)議題劃個(gè)框架。
我的觀點(diǎn)是，我們不需要具有深刻的分析能力的“19萬人”或“150萬管理者”。我認(rèn)為每個(gè)人都需要有一定程度的分析技能。我認(rèn)為基礎(chǔ)分析素養(yǎng)應(yīng)該像閱讀、數(shù)學(xué)一樣成為我們的教育體系的基礎(chǔ)部分。如今看到越來越多小學(xué)里也開始教授基礎(chǔ)的編程技巧讓我備受鼓舞。在大學(xué)的層面，我認(rèn)為數(shù)據(jù)科學(xué)應(yīng)成為基礎(chǔ)課的一部分。（我現(xiàn)在可以聽到我們的教務(wù)辦公室的人在大喘氣了）。
所以，雖然目前的人才缺口是實(shí)實(shí)在在的，但這是與市場(chǎng)需求不符的教育制度的造成的。各級(jí)教育正在轉(zhuǎn)向，并很可能在可預(yù)見的將來繼續(xù)下去。我預(yù)計(jì)在一代人中，對(duì)這些技能的需求不會(huì)減少，但供給方面會(huì)與之匹配得更密切。
Priestley推論：“數(shù)據(jù)科學(xué)家擅長(zhǎng)對(duì)數(shù)據(jù)分析結(jié)果進(jìn)行商業(yè)解釋的科學(xué)家與擅長(zhǎng)數(shù)據(jù)分析的MBA的混合體”。
Q：許多人，包括那些考慮到職業(yè)生涯中期轉(zhuǎn)型的人，已經(jīng)把目光投向了數(shù)據(jù)科學(xué)。但恐怕并非所有人都適合走這條路。請(qǐng)問數(shù)據(jù)科學(xué)工作中需要哪些能力和技能？成為數(shù)據(jù)科學(xué)家的最佳途徑有哪些？
A：這是個(gè)絕佳的問題。我們需要做些什么來讓我們的下一代準(zhǔn)備好，但實(shí)際情況是，從20多歲到40多歲的人里很多人正在尋找機(jī)會(huì)轉(zhuǎn)行進(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域工作。
我在辦公室看到很多這樣的人。我已經(jīng)有不止一次遇上“我剛剛為了拿一張數(shù)據(jù)科學(xué)的文憑向XX大學(xué)付了一萬美元......而我還是找不到工作”之類的對(duì)話。雖說這些“文憑”中的一些很有含金量，但悲劇的是，大部分都是垃圾。
首先，你不能指望通過參加一個(gè)5天結(jié)業(yè)拿文憑的課程就從詩(shī)人變成數(shù)據(jù)科學(xué)家。指望線上的遠(yuǎn)程課程就更不靠譜了。
第二點(diǎn)，我認(rèn)為人們需要對(duì)他們完成自己的職業(yè)目標(biāo)要付出的努力抱有正確的期望。這些技能之所以被如此熱切的需要并能給你帶來高薪是因?yàn)樗鼈兒茈y——你最最起碼也得主動(dòng)學(xué)習(xí)和精進(jìn)。
第三點(diǎn)，我認(rèn)為人們需要清楚他們目前的技能有哪些，他們的目標(biāo)是什么。這個(gè)問題的答案將決定你如何實(shí)現(xiàn)目標(biāo)。那些受到了簡(jiǎn)單的在線證書課程誘惑并深陷其中的人應(yīng)該想想愛麗絲夢(mèng)游仙境里的那只Cheshire貓 - “如果你不知道要去哪里，走哪條路都沒用”。
我對(duì)向詢問這一領(lǐng)域相關(guān)問題的人給出以下建議：
我覺得怎么強(qiáng)調(diào)實(shí)際操作、自己動(dòng)手，實(shí)際經(jīng)驗(yàn)對(duì)一切數(shù)據(jù)科學(xué)項(xiàng)目的重要性都不為過。這就是為什么在線/短期證書課程對(duì)于想在這一領(lǐng)域從頭開始的人來說不起作用。直接上手做項(xiàng)目會(huì)幫助你們了解數(shù)據(jù)科學(xué)的更多潛在方面 - 如講故事的作用，創(chuàng)造力（很遺憾地被忽視了）和項(xiàng)目管理。
我的觀點(diǎn)是，并不是每個(gè)人都想成為一名計(jì)算機(jī)程序員——我就不是特別喜歡編程。我是為了獲得我的研究問題的答案而不得不去學(xué)編程。如果我能用我信賴的HP-12C計(jì)算器和自動(dòng)鉛筆就找到答案的話那我早那么做了。在21世紀(jì)里，你必須對(duì)基礎(chǔ)數(shù)學(xué)有所了解，你必須能夠閱讀、寫作并勝任基本編程的工作。
Q：數(shù)據(jù)科學(xué)家常談到在許多組織里，管理層并不真正知道如何將分析手段運(yùn)用于決策制定。決策制定仍然多數(shù)取決于直覺并且很大程度上受到公司政治的影響。您是否有相同經(jīng)歷？
A：我經(jīng)常對(duì)公司事務(wù)發(fā)表評(píng)論，只要問題發(fā)生，不管它多不引人注意我都會(huì)發(fā)表意見。我劃分了談話框架——組織可以大致分為原生數(shù)據(jù)組織和非原生數(shù)據(jù)組織兩類。
“原生數(shù)據(jù)公司”是那些現(xiàn)在占據(jù)頭條以及股票市場(chǎng)的公司，如亞馬遜、谷歌、臉書。這些公司在30年前不可能存在。不僅僅因?yàn)樽鳛樗麄兇嬖诤瓦\(yùn)營(yíng)模式基礎(chǔ)的數(shù)據(jù)在當(dāng)時(shí)并不存在，還因?yàn)榧词顾麄冏隽?，?dāng)時(shí)也不能獲取足夠的計(jì)算能力或執(zhí)行與人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等方式相關(guān)的深度分析方法讓這些公司從事他們現(xiàn)在正在做的業(yè)務(wù)。
然而，這些公司的另一個(gè)維度往往被忽視：由于它們是原生于數(shù)據(jù)本身，也因此在企業(yè)文化上受到了巨大的影響。它們是從組織圖的頂部到底部都由數(shù)據(jù)驅(qū)動(dòng)的公司。數(shù)據(jù)貫穿于他們整個(gè)公司的DNA。大多數(shù)進(jìn)入這些公司的人都有以數(shù)據(jù)為中心的方向——并且可能會(huì)研究一個(gè)計(jì)算學(xué)科——越來越側(cè)重于數(shù)據(jù)科學(xué)。臉書、谷歌的員工年齡中位數(shù)是29歲，亞馬遜則為30歲（不包括倉(cāng)庫(kù)員工）。
“非原生數(shù)據(jù)公司”是在我們聽到諸如“數(shù)據(jù)科學(xué)”和“大數(shù)據(jù)”這樣的術(shù)語(yǔ)很久以前就取得成功的公司。例子包括沃爾瑪和Arby’s。它們都是非常成功的公司，成立之初并沒有數(shù)據(jù)貫穿于其DNA。
雖然這些公司現(xiàn)在已經(jīng)大力側(cè)重將數(shù)據(jù)用于公司決策及提供產(chǎn)品和服務(wù)，但與建立在計(jì)算文化上的組織架構(gòu)有巨大的不同。這些公司的管理層非常有前瞻性，他們把自己的公司轉(zhuǎn)變?yōu)橐允聦?shí)為基礎(chǔ)、用數(shù)據(jù)做驅(qū)動(dòng)的組織，從而在市場(chǎng)上獲得了領(lǐng)先者地位。他們各自市場(chǎng)上的對(duì)手們（希爾斯百貨，梅西百貨 ... 麥當(dāng)勞，溫蒂快餐）則沒有。
Q：最后一個(gè)問題，您認(rèn)為人工智能和自動(dòng)化在未來10-15年里對(duì)數(shù)據(jù)科學(xué)造成怎樣的影響？
A：我并非這一領(lǐng)域的專家，但我認(rèn)為做出任何預(yù)測(cè)統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)或數(shù)據(jù)科學(xué)會(huì)因自動(dòng)化而消亡的預(yù)言都為時(shí)過早。計(jì)算器只是讓數(shù)學(xué)計(jì)算“自動(dòng)化”……但是如今的數(shù)學(xué)比以前的計(jì)算要更廣闊也更復(fù)雜。我期待在數(shù)據(jù)科學(xué)的領(lǐng)域中也是一樣。
原文發(fā)布時(shí)間為：2017-11-13
本文作者：文摘菌
本文來自云棲社區(qū)合作伙伴“大數(shù)據(jù)文摘”，了解相關(guān)信息可以關(guān)注“大數(shù)據(jù)文摘”微信公眾號(hào)
備注:
Professor of Statistics and Data Science | Kennesaw State University
Kennesaw, GA, US
Jennifer Lewis Priestley is the director of the Center for Statistics and Analytical Services at Kennesaw State.
聯(lián)系客服
