我們過去曾給予數(shù)據(jù)挖掘方法智能的生命力，把它看作商務(wù)智能重要的發(fā)展方向。但統(tǒng)計(jì)學(xué)作為一個學(xué)科是否應(yīng)該關(guān)心它的發(fā)展。我們是否應(yīng)該將它看成統(tǒng)計(jì)的一部分？那意味作什么？最起碼它表明我們應(yīng)該：在我們的雜志上發(fā)表這類文章；在我們的本科課程中講授一些這方面的內(nèi)容，在我們的研究生中講授一些相關(guān)的研究課題。我們的博士生專業(yè)課就有《多元統(tǒng)計(jì)》一課；給那些這方面較優(yōu)秀的人提供一些獎勵(工作，職稱，獎品)。

答案并不明顯，在統(tǒng)計(jì)學(xué)的歷史上就忽略了許多在其它數(shù)據(jù)處理相關(guān)領(lǐng)域發(fā)展的新方法。如下是一些相關(guān)領(lǐng)域的例子。其中帶*的是那些在統(tǒng)計(jì)科學(xué)中萌芽，但隨后絕大部分又被統(tǒng)計(jì)學(xué)忽略的方法領(lǐng)域。
1 模式識別*–CS/工程
2 數(shù)據(jù)庫管理–CS/圖書館科學(xué)
3 神經(jīng)網(wǎng)絡(luò)*–心理學(xué)/CS/工程
4 機(jī)器學(xué)習(xí)*-CS/AI
5 圖形模型*(Beyes 網(wǎng))-CS/AI
6 遺傳工程–CS/工程
7 化學(xué)統(tǒng)計(jì)學(xué)*–化學(xué)
8 數(shù)據(jù)可視化**–CS/科學(xué)計(jì)算

可以肯定地說，個別的統(tǒng)計(jì)學(xué)家已經(jīng)致力于這些領(lǐng)域，但公平地說他們并未被我們的統(tǒng)計(jì)學(xué)學(xué)術(shù)圈接納，主流的學(xué)術(shù)圈并未接納這些，至少我沒有聽到哪個統(tǒng)計(jì)學(xué)教師鉆研神經(jīng)網(wǎng)絡(luò)。

既然象上面的一些從數(shù)據(jù)獲取知識的課題和統(tǒng)計(jì)學(xué)的關(guān)系如此冷淡，我們不禁要問：`什么不是統(tǒng)計(jì)學(xué)`。如果和數(shù)據(jù)聯(lián)系并不是一個課題成為統(tǒng)計(jì)學(xué)一部分的充分理由，那么什么才是充分的呢？到目前為止，統(tǒng)計(jì)學(xué)的定義好象依賴于一些工具，也就是我們在當(dāng)前的研究生課程中講授的那些東西。如下是一些例子：
.概率理論
.實(shí)分析
.測度論
.漸近理論
.決策理論
.馬耳可夫鏈
.遍歷理論

統(tǒng)計(jì)領(lǐng)域好象被定義成一族能提出如上或相關(guān)工具的問題。當(dāng)然這些工具過去和將來都會很有用。就象Brad Efron（Brad Efron, Department of Statistics Sequoia Hall 390 Serra Mall Stanford University Stanford）提醒我們一樣：“統(tǒng)計(jì)是最成功的信息科學(xué)。那些忽略了統(tǒng)計(jì)的人將受到懲罰，他們將在實(shí)際中自己重新發(fā)現(xiàn)該統(tǒng)計(jì)方法?！?/span>
有人認(rèn)為在當(dāng)前數(shù)據(jù)(及其相關(guān)應(yīng)用)以指數(shù)方式增長，而統(tǒng)計(jì)學(xué)家的數(shù)量顯然趕不上這種增長的情況下，我們統(tǒng)計(jì)學(xué)應(yīng)該將精力集中于信息科學(xué)中我們作得最好的部分，也就是基于數(shù)學(xué)的概率推斷。這是一種高度保守的觀點(diǎn)，當(dāng)然它也有可能是最好的一種戰(zhàn)略。然而，如果我們接受這一種觀點(diǎn)，我們統(tǒng)計(jì)學(xué)家在‘信息革命’浪潮中的作用肯定會逐漸消失殆盡（在這個舞臺上的演員越來越少）。當(dāng)然這種戰(zhàn)略的一個很好的優(yōu)點(diǎn)是它對我們創(chuàng)新的要求很少，我們只需要墨守成規(guī)就可以了。

另一種觀點(diǎn)，早在1962年就由John Tukey[Tukey (1962)]提出來了，他認(rèn)為統(tǒng)計(jì)應(yīng)該關(guān)注數(shù)據(jù)分析。這個領(lǐng)域應(yīng)該依據(jù)問題而不是工具定義，也就是那些和數(shù)據(jù)有關(guān)的問題。如果這種觀點(diǎn)成為一種主流觀點(diǎn)，那就要求對我們的實(shí)踐和學(xué)術(shù)課題作較大的改變。
首先(最重要的)，我們應(yīng)該跟上計(jì)算的步伐。哪里有數(shù)據(jù)，哪里就有計(jì)算。 一旦我們將計(jì)算方法看成是一個基本的統(tǒng)計(jì)工具(而不是一種方便地實(shí)現(xiàn)我們現(xiàn)成工具的方法)，那么當(dāng)前許多和數(shù)據(jù)密切相關(guān)的領(lǐng)域?qū)⒉粡?fù)存在。他們將成為我們領(lǐng)域的一部分。
認(rèn)真對待計(jì)算工具而不是簡單地使用統(tǒng)計(jì)包–雖然這一點(diǎn)也很重要。如果計(jì)算成為我們的一個基本的研究工具，毫無疑問，我們的學(xué)生應(yīng)該學(xué)習(xí)相關(guān)的計(jì)算科學(xué)知識。這將包括數(shù)值線性代數(shù)，數(shù)值和組合優(yōu)化，數(shù)據(jù)結(jié)構(gòu)，算法設(shè)計(jì)，機(jī)械體系，程序設(shè)計(jì)方法，數(shù)據(jù)庫管理，并行體系，和程序設(shè)計(jì)等等。我們也將擴(kuò)展我們的課程計(jì)劃，它應(yīng)該包括當(dāng)前的計(jì)算機(jī) 定向數(shù)據(jù)分析方法，它們大部分是在統(tǒng)計(jì)學(xué)科之外發(fā)展起來的。

如果我們想和其它的數(shù)據(jù)相關(guān)領(lǐng)域爭奪學(xué)術(shù)和商業(yè)的市場空間，我們的某些基本模式將不得不改變，我們將不得不調(diào)節(jié)對數(shù)學(xué)的幻想。數(shù)學(xué)（象計(jì)算）只是統(tǒng)計(jì)的一個工具，雖然非常重要，但并不是唯一能證實(shí)統(tǒng)計(jì)方法有效性的工具。數(shù)學(xué)不等價(jià)于理論，反之亦然。理論本來是創(chuàng)造理解力和數(shù)學(xué)，雖然這很重要，但并不是作此的唯一方法。比如，在疾病的基因理論中數(shù)學(xué)內(nèi)容很少，但它卻使人們更好地理解許多醫(yī)學(xué)現(xiàn)象。我們將承認(rèn)經(jīng)驗(yàn)確認(rèn)方式，雖然有一定局限性，但的確是一種確認(rèn)方式。
我們可能也不得不改變我們的文化。每一個參與其它數(shù)據(jù)相關(guān)領(lǐng)域的統(tǒng)計(jì)學(xué)家都被他們和統(tǒng)計(jì)學(xué)的‘文化差距’所震撼。在其它的一些領(lǐng)域，‘想法’比數(shù)學(xué)技術(shù)（基礎(chǔ)）更重要。一個有啟發(fā)的‘想法’就被認(rèn)為是有價(jià)值的，若有更詳細(xì)的確認(rèn)（理論的或經(jīng)驗(yàn)的）人們才去討論它的最終價(jià)值。思維方式是‘如果沒有證明是有罪的，那就是清白的’這和我們領(lǐng)域的思路是不一致的。過去如果一個新方法不是用數(shù)學(xué)證明是有效的，我們常常詆毀它，即使不這樣，我們也不會接受它。這種思路在數(shù)據(jù)集比較小和信息噪聲比較高時(shí)是合理的。特別地，我們應(yīng)該改變我們詆毀那些表現(xiàn)很好（通常在其它領(lǐng)域），但卻沒被我們理解的方法的習(xí)慣。

個人感覺，也許，現(xiàn)在的統(tǒng)計(jì)學(xué)正處在一個十字路口，我們可以決定是接受還是拒絕改變。如上所說，兩種觀點(diǎn)都極富說服力。雖然觀點(diǎn)豐富，但誰也不能肯定哪一種戰(zhàn)略能保持我們領(lǐng)域的健康發(fā)展和生命力。大多數(shù)統(tǒng)計(jì)學(xué)家好象認(rèn)為統(tǒng)計(jì)學(xué)對信息科學(xué)的影響越來越小。它們也不太同意為此作些什么。站主導(dǎo)的觀點(diǎn)認(rèn)為我們有市場問題，我們在別的領(lǐng)域的顧客和同事不了解我們的價(jià)值和重要性。這也是我們的主要專業(yè)組織，美國統(tǒng)計(jì)協(xié)會的看法。在戰(zhàn)略計(jì)劃委員（A mstat News-Feb.1997）會所作的五年計(jì)劃報(bào)告中有一節(jié)‘增強(qiáng)我們學(xué)科的聲望和健康’，報(bào)告中提及“以下的內(nèi)容意思是：統(tǒng)計(jì)學(xué)面臨危機(jī)，市場的，人才的危機(jī)?！苯y(tǒng)計(jì)學(xué)可以在數(shù)據(jù)挖掘科學(xué)中發(fā)揮作用，統(tǒng)計(jì)學(xué)應(yīng)該和數(shù)據(jù)挖掘合作，而不是將它甩給計(jì)算機(jī)科學(xué)家。

有一部分統(tǒng)計(jì)專家認(rèn)為計(jì)算機(jī)和他們爭搶了市場，這個是表面現(xiàn)象。以我們的課程為例，老師講得很認(rèn)真，但很多人都沒有統(tǒng)計(jì)基礎(chǔ)，這嚴(yán)重影響了學(xué)生對分析過程和結(jié)果的理解。SPSS、SAS等分析軟件已很優(yōu)秀，但運(yùn)行出來的結(jié)果仍需進(jìn)行解釋，統(tǒng)計(jì)專家的價(jià)值也在于此。數(shù)據(jù)挖掘的可視化比統(tǒng)計(jì)分析工具更成功，在目前BI風(fēng)起云涌的大背景下，企業(yè)數(shù)據(jù)倉庫發(fā)展到一定階段，數(shù)據(jù)挖掘的市場會越來越大，統(tǒng)計(jì)專家們的擔(dān)憂正變?yōu)楝F(xiàn)實(shí)。數(shù)據(jù)挖掘是面向最終用戶的，而統(tǒng)計(jì)分析的中間轉(zhuǎn)換環(huán)節(jié)提高了應(yīng)用成本。