關(guān)于作者：
Cassie Kozyrkov，Google首席決策師。致力于統(tǒng)計(jì)學(xué), 機(jī)器學(xué)習(xí) /人工智能、數(shù)據(jù)、決策科學(xué)。

數(shù)據(jù)科學(xué)是讓數(shù)據(jù)變得有用的學(xué)科。在本文中我將對(duì)數(shù)據(jù)科學(xué)中以下三個(gè)概念進(jìn)行解讀:

統(tǒng)計(jì)

機(jī)器學(xué)習(xí)

數(shù)據(jù)挖掘/分析

1. 定義數(shù)據(jù)科學(xué)

看到數(shù)據(jù)科學(xué)這個(gè)術(shù)語的早期歷史，你會(huì)發(fā)現(xiàn)當(dāng)時(shí)有兩個(gè)概念是密不可分的。

• 大數(shù)據(jù)意味著要更多地利用計(jì)算機(jī)

• 統(tǒng)計(jì)學(xué)很難把紙上的算法通過計(jì)算機(jī)實(shí)現(xiàn)

因此，數(shù)據(jù)科學(xué)誕生了。最開始數(shù)據(jù)科學(xué)家的的定義是“能夠編程的統(tǒng)計(jì)學(xué)家”。如今看來，這個(gè)說法并不準(zhǔn)確，但首先讓我們看到數(shù)據(jù)科學(xué)本身。

2003年的數(shù)據(jù)科學(xué)期刊中曾提出：“‘?dāng)?shù)據(jù)科學(xué)’意味著任何與數(shù)據(jù)有關(guān)的內(nèi)容”。我很同意這個(gè)觀點(diǎn)，現(xiàn)在一切都離不開數(shù)據(jù)。

之后，我們看到了很多不同的觀點(diǎn)，比如Conway的維恩圖(下圖)，以及Mason和Wiggins的經(jīng)典觀點(diǎn)。

Drew Conway對(duì)數(shù)據(jù)科學(xué)的定義

我個(gè)人更喜歡維基百科上的定義:

數(shù)據(jù)科學(xué)是“結(jié)合了統(tǒng)計(jì)、數(shù)據(jù)分析、機(jī)器學(xué)習(xí)及其相關(guān)方法的概念”，以便用數(shù)據(jù)“理解和分析實(shí)際現(xiàn)象”。

這有些復(fù)雜了，讓我們精簡(jiǎn)一下，即：

“數(shù)據(jù)科學(xué)是讓數(shù)據(jù)有用的學(xué)科?！?

你現(xiàn)在可能會(huì)想，但這也太精簡(jiǎn)了，“有用”這個(gè)詞怎么能囊括所有這些術(shù)語呢？

那么讓我們先看到下面的圖。

統(tǒng)計(jì)學(xué)家和機(jī)器學(xué)習(xí)工程師之間的區(qū)別，并不是前者使用R語言而后者使用Python。由于許多原因，用SQL、R、Python進(jìn)行分類是不明智的，如今你甚至可以用SQL進(jìn)行機(jī)器學(xué)習(xí)。

新手還喜歡通過算法進(jìn)行區(qū)分，許多大學(xué)課程也是這么安排的，這也是不明智的。最好不要用直方圖、t檢驗(yàn)以及神經(jīng)網(wǎng)絡(luò)進(jìn)行分類。坦率地說，如果你很聰明，其實(shí)你可以用相同的算法解決任何數(shù)據(jù)科學(xué)問題。

我建議可以這樣進(jìn)行區(qū)分：

這指的是什么呢？當(dāng)然是決定。你可以根據(jù)所需的事實(shí)，通過描述性分析得出決策。

我們的行動(dòng)和決定會(huì)影響周圍的世界。我們之前談到要讓數(shù)據(jù)變得有用，而這與現(xiàn)實(shí)世界的行動(dòng)是緊密相關(guān)的。

以下是決策導(dǎo)向圖，完成這三點(diǎn)能夠讓數(shù)據(jù)變得有用。

2. 數(shù)據(jù)挖掘

如果你不知道想做出什么樣的決定，那么最好的做法就是去尋找靈感。這就稱為數(shù)據(jù)挖掘、數(shù)據(jù)分析、描述性分析、探索性數(shù)據(jù)分析或(EDA)或知識(shí)發(fā)現(xiàn)(KD)。

分析的黃金法則：只對(duì)你所看到的做出結(jié)論。

你可以將數(shù)據(jù)集想象為在暗室中發(fā)現(xiàn)的一堆底片。數(shù)據(jù)挖掘就是讓設(shè)備盡快曝光這些照片，看是否能從中得出啟發(fā)。數(shù)據(jù)挖掘的黃金法則是：只能對(duì)你能看到的做出結(jié)論，不要對(duì)你看不到的內(nèi)容做出判斷，因?yàn)槟阈枰y(tǒng)計(jì)數(shù)據(jù)等更多的專業(yè)知識(shí)。

數(shù)據(jù)挖掘的專業(yè)知識(shí)取決于檢查數(shù)據(jù)的速度。一開始暗房會(huì)令人生畏，但其實(shí)也沒什么大不了的，只是學(xué)會(huì)使用設(shè)備就行了。當(dāng)你開始樂在其中時(shí)，你就可以稱為數(shù)據(jù)分析師了；當(dāng)你能夠飛速地曝光照片時(shí)，你就可以稱為分析師專家了。

3. 統(tǒng)計(jì)推斷

靈感很容易獲得，但嚴(yán)謹(jǐn)來之不易。如果你想重復(fù)利用數(shù)據(jù)，那么則需要專業(yè)的培訓(xùn)。作為本科和碩士都學(xué)統(tǒng)計(jì)學(xué)專業(yè)的人，我認(rèn)為統(tǒng)計(jì)推斷(簡(jiǎn)稱統(tǒng)計(jì))是三個(gè)領(lǐng)域中最難且最具哲學(xué)內(nèi)涵的。想學(xué)好統(tǒng)計(jì)需要花費(fèi)大量時(shí)間。

如果你打算做出高質(zhì)量、風(fēng)險(xiǎn)可控的重要決策，那么你需要在分析團(tuán)隊(duì)中加入統(tǒng)計(jì)技能。在不確定的情況下，統(tǒng)計(jì)學(xué)是能改變你想法的學(xué)科。

4. 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)實(shí)質(zhì)上是使用例子而不是指令來實(shí)現(xiàn)操作。關(guān)于機(jī)器學(xué)習(xí)我曾寫過一些文章，如關(guān)于機(jī)器學(xué)習(xí)與AI 的區(qū)別；如何入門機(jī)器學(xué)習(xí)等，如果感興趣的話可以看看。

• The simplest explanation of machine learning you’ll ever read
  https://hackernoon.com/the-simplest-explanation-of-machine-learning-youll-ever-read-bebc0700047c

• Are you using the term 'AI' incorrectly?
  https://medium.com/@kozyrkov/are-you-using-the-term-ai-incorrectly-911ac23ab4f5

• Why businesses fail at machine learning
  https://hackernoon.com/why-businesses-fail-at-machine-learning-fbff41c4d5db

5. 數(shù)據(jù)工程

那么數(shù)據(jù)工程是什么呢？數(shù)據(jù)工程指的是為數(shù)據(jù)科學(xué)團(tuán)隊(duì)提供數(shù)據(jù)的工作。數(shù)據(jù)工程本身就是一個(gè)復(fù)雜的領(lǐng)域，它更接近軟件工程，而不是統(tǒng)計(jì)學(xué)。

數(shù)據(jù)工程和數(shù)據(jù)科學(xué)之間的差異是前后的區(qū)別。獲取數(shù)據(jù)前的大部分技術(shù)工作都可以簡(jiǎn)單地稱為“數(shù)據(jù)工程”，而得到數(shù)據(jù)后我們所做的一切都是“數(shù)據(jù)科學(xué)”。

6. 決策智能

決策智能是關(guān)于決策的，包括對(duì)根據(jù)大量數(shù)據(jù)進(jìn)行決策，因此這也使其成為一個(gè)工程學(xué)科。它利用社會(huì)和管理科學(xué)的理念，增強(qiáng)數(shù)據(jù)科學(xué)的應(yīng)用。

決策智能是社會(huì)和管理科學(xué)的組成部分。換而言之，它是數(shù)據(jù)科學(xué)的超集，而不涉及為通用用途創(chuàng)建基本方法之類的研究工作。