數(shù)據(jù)科學(xué)與火箭科學(xué)如何將人類送上火星

在最近的CNN專欄中，奧巴馬總統(tǒng)再次證實，美國將不遺余力地實行將載人航天器送上火星的任務(wù)。如果你覺得自己面臨的數(shù)據(jù)科學(xué)難題太有挑戰(zhàn)性，那你應(yīng)該想一想，用挖掘數(shù)據(jù)的方式來探究火星遠(yuǎn)征對健康的影響，是多難的一件事。

在太空中生活幾年對于宇航員的肌肉張力和肺活量有多大影響?對他們來說減輕體重的安全限度是多少?載人飛船中的二氧化碳含量應(yīng)有多少?每一件太空服需要配置多少傳感器用來計算宇航員的關(guān)節(jié)靈活性?

想要把人類送到“前無古人”的那些地方，有大量的變量需要納入考慮，NASA也正刻苦研究未來的火星計劃所涉及的健康和安全風(fēng)險。這些風(fēng)險影響著制定計劃時所需要作出的一系列決策——從預(yù)估的潛在機(jī)組人員數(shù)量，到設(shè)備工程、任務(wù)后勤以及燃油儲備，等等，因而對這些風(fēng)險的明確了解可謂是重中之重。

雖然代價高昂，但NASA從開始就很明白，他們工作的重點(diǎn)不在于開發(fā)一個完美的分析模型，而在于打造一個數(shù)據(jù)科學(xué)程序，使決策者在回答一些不斷變動的問題時，能用到分析學(xué)的辦法。但是如果你想要學(xué)習(xí)NASA的分析方式，不一定非得跟火箭科學(xué)打交道。對于那些想要從事大數(shù)據(jù)分析，或困于大數(shù)據(jù)分析的組織來說，這里有從NASA的項目中總結(jié)的幾個核心要點(diǎn)：

別小題大做

簡而言之，數(shù)據(jù)科學(xué)根本沒火箭科學(xué)那么難(不信的話你看我在那做了什么)。是的，分析大數(shù)據(jù)是有挑戰(zhàn)性，而且根據(jù)你所期望獲取的見解不同，方法也可能隨之變動，但是完全沒必要把事情搞得太復(fù)雜，想要得到解決方案遠(yuǎn)遠(yuǎn)用不著那么復(fù)雜。

很多組織時常循環(huán)往復(fù)試著把數(shù)據(jù)搬回來分析，其實他們更應(yīng)該把分析方法帶進(jìn)數(shù)據(jù)里去。既然稱之為大數(shù)據(jù)，自然是不可能把它搬來搬去的，就算做到了，也得歷經(jīng)艱難險阻。這也就是分散式存儲和像Hadoop那樣的處理框架存在的原因——云數(shù)據(jù)的可擴(kuò)展性，比起硬盤里的數(shù)據(jù)可高太多了。

對于火星計劃來說，涉及到很多層次的數(shù)據(jù)需要考慮，從曾經(jīng)完成過太空任務(wù)的宇航員(比如說斯考特凱麗)，身上取得的健康數(shù)據(jù)，到無人航天的測試研究，再到模擬太空環(huán)境下的研究，其中之一就是休斯頓市約翰遜太空中心的人類探索研究模擬計劃(HERA)。

把所有數(shù)據(jù)歸整到同一個地方是關(guān)鍵的第一步。為此，NASA使用了高級協(xié)作式分析方法和數(shù)據(jù)共享平臺對數(shù)據(jù)進(jìn)行分析，這一平臺的開發(fā)者是洛克希德馬丁公司和幾個分析伙伴，比如勇攀科技。因為省去了下載數(shù)據(jù)到單獨(dú)的分析環(huán)境中的步驟，研究者們現(xiàn)在可以把更多的時間和精力花在提問題、解決問題，然后更好地規(guī)劃火星計劃上面。

發(fā)射只是開始

火箭的成功發(fā)射只是持續(xù)數(shù)年的火星遠(yuǎn)征的第一步?；趶那暗慕?jīng)驗，NASA已經(jīng)做好了遇到并解決無數(shù)挑戰(zhàn)的準(zhǔn)備。對于數(shù)據(jù)分析項目來說亦是如此，光是部署好了模型并不意味著項目大功告成，實際上那些基于實時基礎(chǔ)上不斷完善和迭代的模型才是最有價值的分析初創(chuàng)。

像科學(xué)研究方法一樣，充分利用分析結(jié)果需要不斷地做實驗檢測，從失敗中獲取教訓(xùn)，然后接著進(jìn)行檢測。NASA想要的是快速查詢供其使用的大量數(shù)據(jù)，然后把結(jié)論傳回可以立足于先前結(jié)果的新模型中。所以對他們來說，數(shù)據(jù)科學(xué)程序就像一個鐘擺，向前的搖擺著重于從研究者那里快速獲得結(jié)論，而向后的搖擺著重于測量、評估結(jié)果、改進(jìn)模型以及再次向前搖擺。

用現(xiàn)有的數(shù)據(jù)進(jìn)行工作，而不是你所期望的數(shù)據(jù)。

在數(shù)據(jù)組有缺陷的時候，快速輕巧地改善模型的能力尤其寶貴。(而且說實話，有完全沒有缺陷的數(shù)據(jù)組這回事嗎?)。

對NASA來說，最大的數(shù)據(jù)挑戰(zhàn)就是宇航員的樣本庫太小了，只有三千多人被NASA認(rèn)定為宇航員。想要取得推斷，研究者們得把從這個小樣本中取得的數(shù)據(jù)挖個底朝天才行。

舉例來說，基于歷時五個月的太空旅行對一個35歲，120磅重的女性的影響，兩年的太空旅行對一個32歲，123磅重的會有什么影響呢?對30歲、118磅的呢?此外，到現(xiàn)在還沒有宇航員實際踏上過這個紅色星球，所以對在火星上居住會有什么健康影響，相關(guān)數(shù)據(jù)還處于空白階段(馬特達(dá)蒙不算哦)。

但是NASA從去過月球的宇航員或者在空間站待過一年的宇航員那里可以知道些什么呢?如果把處于模擬太空環(huán)境的測試體的數(shù)據(jù)放入預(yù)測模型，會發(fā)生什么呢?有了支持模型配置與完善的分析工具，各組織可以試著用各種方式從數(shù)據(jù)中提取結(jié)論來做出更準(zhǔn)確的預(yù)測，甚至在缺失關(guān)鍵信息的情況下也可以做到。

打破隱喻黑箱

為了火星計劃，NASA不僅僅押上了納稅人的數(shù)十億美金，還押上了宇航員的性命，為了科學(xué)與探索，這些宇航員不惜擔(dān)起健康和生命安全的風(fēng)險。

對于這樣的一個計劃，關(guān)鍵在于讓不是數(shù)據(jù)科學(xué)博士的那些分析工作者(比如說健康研究者、設(shè)備工程師和其他策劃航行任務(wù)的人員)也能夠自力完成構(gòu)建和展開查詢、使用數(shù)據(jù)的任務(wù)。這要求商業(yè)和IT股東們的通力合作，易用易改的建模工具以及將深入了解轉(zhuǎn)達(dá)給需要的人的能力。這也是NASA選擇一個這樣的協(xié)作分析平臺的原因，這一平臺可以將輸出結(jié)果直接延伸至火星計劃的科學(xué)家和決策者所使用的系統(tǒng)和應(yīng)用中。

大量復(fù)雜的數(shù)據(jù)組給任何想要從事分析部署的組織帶來了挑戰(zhàn)，但是NASA駕馭數(shù)據(jù)進(jìn)行了最困難的行程規(guī)劃——也就是火星遠(yuǎn)征，證明了這些挑戰(zhàn)絕不是不可逾越的。只要有了正確的工具，以及最為重要的，一致周詳?shù)慕鉀Q方式，數(shù)據(jù)科學(xué)根本不像火箭科學(xué)那么嚇人。