數(shù)據(jù)科學有利于數(shù)據(jù)挖掘，數(shù)據(jù)分析

“數(shù)據(jù)科學家”這一術(shù)語尚未失去吸引力，據(jù)Metamarkets公司的共同創(chuàng)始人及首席技術(shù)官Michael Driscoll說。Metamarkets是一家為數(shù)字、社交和移動媒體公司提供預測分析的創(chuàng)業(yè)公司。

當Driscoll 用這個術(shù)語描述在分析和商業(yè)智能領域出新出現(xiàn)的一種角色時，其他人并不打算這樣做，并且這個頭銜倍受爭議。

Driscoll把數(shù)據(jù)科學家們形容成土木工程師。

“土木工程師一部分是物理學家,一部分是建筑工人，”他說。同時，數(shù)據(jù)科學家必須能夠在數(shù)據(jù)領域里找到理論和實踐之間的平衡。

最近業(yè)務調(diào)查分析公司與Driscoll一起談論了數(shù)據(jù)科學家以及他們?nèi)绾卫妙A測分析闡明未來。

什么是數(shù)據(jù)科學?

Michael Driscoll：數(shù)據(jù)科學是一種新詞語，因此像所有的新詞一樣，它是一個進化的術(shù)語和標題。實際上，數(shù)據(jù)科學家是那些將數(shù)學家和統(tǒng)計學家的理論專業(yè)知識和注重實踐的軟件開發(fā)人員的工程操作相結(jié)合的人。在過去的十年里，處于統(tǒng)計分析、應用數(shù)學和計算機科學交叉領域的機器學習正在復興。但要讓所有這些理論被利用，最后還需要進行編碼。所以數(shù)據(jù)科學家能將這些理論和實際相結(jié)合的人。

當你談論數(shù)據(jù)科學的實踐這一塊時，你指的是什么?

Driscoll：我一般以三種技能來描述數(shù)據(jù)科學，首先，“數(shù)據(jù)轉(zhuǎn)型”，它包括切片和切塊的能力，轉(zhuǎn)換，提取和以一種輕便、流動的方式處理數(shù)據(jù)。第二個技能是數(shù)據(jù)建模，它主要是得到一組數(shù)據(jù)并能夠在數(shù)據(jù)中開發(fā)一種模式的假設，再利用統(tǒng)計工具對這一假設進行測試。第三個技能是數(shù)據(jù)可視化。一旦你將數(shù)據(jù)轉(zhuǎn)換成可利用的形式 （ 第一個技能）， 你就已經(jīng)開發(fā)出一種關(guān)于一些數(shù)據(jù)特征的模型可能涉及到一系列觀察，一些數(shù)據(jù)的結(jié)果 （ 第個二技能）。然后你需要以一種決策制定者能了解的方式傳達這樣的洞察力。這需要能夠講一個故事或建立一種視覺敘事的能力，而這正是數(shù)據(jù)可視化要解決的問題。

為什么是建立一種敘述是如此的重要?

Driscoll：如果一位數(shù)據(jù)科學家正致力于這個海量信息及大量信息輸出的時代，我們需要一種以同等高效率來消費這些信息的方法。數(shù)據(jù)可視化是其中的方式之一。事實上，它可能是我們可以一種非常高的效率來消費信息的最重要的方式。

預測分析如何與數(shù)據(jù)科學組合在一起?

Driscoll：數(shù)據(jù)做數(shù)據(jù)的事情。所有這些數(shù)據(jù)科學的目標最終是預測系統(tǒng)和消費者的行為。實際上，僅擁有數(shù)據(jù)表面的洞察力是不夠的。你希望能夠?qū)ο乱徊綍l(fā)生什么進行預測。據(jù)Karl Popper說，科學的整體目標是做出可以否定的預測。而做出預測真的是數(shù)據(jù)科學家所有工作的最終目標。它是前瞻，而不是后顧。有人或許會說，商業(yè)智能和這種報表的領域都是關(guān)于過去的；預測分析是關(guān)于未來的。 

然而，一些人說預測分析需要回顧才能預測未來。 

Driscoll：絕對的。數(shù)據(jù)挖掘,預測分析的目標是研究過去，但最終能生成對未來的預測。我舉個例子。Facebook嘗試去了解在Facebook 系統(tǒng)上什么類型的用戶行為會導致更高的參與平臺，才可能會在注冊后三個月保持活躍。所以他們查看了所有用戶的過去。他們查看用戶的性別，有多少朋友，他們都在什么樣的學校。他們查看所有的這些不同用戶特征的觀察，然后，三個月之后，他們研究了這些被觀察到的特征中有哪些最有可能會響應不久后的高層次的活動。

他們發(fā)現(xiàn)導致三個月后更活躍地使用Facebook的最高相關(guān)特征是你擁有的朋友數(shù)量。這就是一種預測力解析的洞察力。結(jié)果，一旦人們在Facebook上注冊，他們就努力建議盡可能多的人加入你的網(wǎng)絡。預測分析本質(zhì)上是將觀察的事件和結(jié)果之間建立聯(lián)系；這可能是最簡單的解決方式。有很多方法來切分它，但最終，你是在建立一個系統(tǒng)的數(shù)學模型。為了測試數(shù)學模型是否是正確的，你做出預測，然后觀察未來事件是否能證實或反駁你對系統(tǒng)做出的假設。

但是，你真的需要一個數(shù)據(jù)科學家來建立你的模型嗎?

Driscoll：這里有一個預測模型的例子：你想看看用信用卡購物的行為特征以及是否它是欺騙性的采購。讓我們假設你的兩個特征是一天之中的時間和采購所處的國家。在某些情況下，通過國家進行的信用卡欺詐行為的簡單可視化數(shù)據(jù)會跳到你面前。任何在愛沙尼亞發(fā)生的采購，如果信用卡持有人在美國，就會是欺詐購買。你不需要一個統(tǒng)計模型告訴你這一切。它只是對數(shù)據(jù)的測繪。事實是當差異變小了，那么你需要依靠統(tǒng)計來告訴你是否觀察到的趨勢是有意義的。顯而易見的事情是容易的。歸結(jié)為更加細致入微的區(qū)別時，需要統(tǒng)計區(qū)分出噪音和信號之間的區(qū)別。