数据科学有利于数据挖掘，数据分析

“数据科学家”这一术语尚未失去吸引力，据Metamarkets公司的共同创始人及首席技术官Michael Driscoll说。Metamarkets是一家为数字、社交和移动媒体公司提供预测分析的创业公司。

当Driscoll 用这个术语描述在分析和商业智能领域出新出现的一种角色时，其他人并不打算这样做，并且这个头衔倍受争议。

Driscoll把数据科学家们形容成土木工程师。

“土木工程师一部分是物理学家,一部分是建筑工人，”他说。同时，数据科学家必须能够在数据领域里找到理论和实践之间的平衡。

最近业务调查分析公司与Driscoll一起谈论了数据科学家以及他们如何利用预测分析阐明未来。

什么是数据科学?

Michael Driscoll：数据科学是一种新词语，因此像所有的新词一样，它是一个进化的术语和标题。实际上，数据科学家是那些将数学家和统计学家的理论专业知识和注重实践的软件开发人员的工程操作相结合的人。在过去的十年里，处于统计分析、应用数学和计算机科学交叉领域的机器学习正在复兴。但要让所有这些理论被利用，最后还需要进行编码。所以数据科学家能将这些理论和实际相结合的人。

当你谈论数据科学的实践这一块时，你指的是什么?

Driscoll：我一般以三种技能来描述数据科学，首先，“数据转型”，它包括切片和切块的能力，转换，提取和以一种轻便、流动的方式处理数据。第二个技能是数据建模，它主要是得到一组数据并能够在数据中开发一种模式的假设，再利用统计工具对这一假设进行测试。第三个技能是数据可视化。一旦你将数据转换成可利用的形式 （ 第一个技能）， 你就已经开发出一种关于一些数据特征的模型可能涉及到一系列观察，一些数据的结果 （ 第个二技能）。然后你需要以一种决策制定者能了解的方式传达这样的洞察力。这需要能够讲一个故事或建立一种视觉叙事的能力，而这正是数据可视化要解决的问题。

为什么是建立一种叙述是如此的重要?

Driscoll：如果一位数据科学家正致力于这个海量信息及大量信息输出的时代，我们需要一种以同等高效率来消费这些信息的方法。数据可视化是其中的方式之一。事实上，它可能是我们可以一种非常高的效率来消费信息的最重要的方式。

预测分析如何与数据科学组合在一起?

Driscoll：数据做数据的事情。所有这些数据科学的目标最终是预测系统和消费者的行为。实际上，仅拥有数据表面的洞察力是不够的。你希望能够对下一步会发生什么进行预测。据Karl Popper说，科学的整体目标是做出可以否定的预测。而做出预测真的是数据科学家所有工作的最终目标。它是前瞻，而不是后顾。有人或许会说，商业智能和这种报表的领域都是关于过去的；预测分析是关于未来的。 

然而，一些人说预测分析需要回顾才能预测未来。 

Driscoll：绝对的。数据挖掘,预测分析的目标是研究过去，但最终能生成对未来的预测。我举个例子。Facebook尝试去了解在Facebook 系统上什么类型的用户行为会导致更高的参与平台，才可能会在注册后三个月保持活跃。所以他们查看了所有用户的过去。他们查看用户的性别，有多少朋友，他们都在什么样的学校。他们查看所有的这些不同用户特征的观察，然后，三个月之后，他们研究了这些被观察到的特征中有哪些最有可能会响应不久后的高层次的活动。

他们发现导致三个月后更活跃地使用Facebook的最高相关特征是你拥有的朋友数量。这就是一种预测力解析的洞察力。结果，一旦人们在Facebook上注册，他们就努力建议尽可能多的人加入你的网络。预测分析本质上是将观察的事件和结果之间建立联系；这可能是最简单的解决方式。有很多方法来切分它，但最终，你是在建立一个系统的数学模型。为了测试数学模型是否是正确的，你做出预测，然后观察未来事件是否能证实或反驳你对系统做出的假设。

但是，你真的需要一个数据科学家来建立你的模型吗?

Driscoll：这里有一个预测模型的例子：你想看看用信用卡购物的行为特征以及是否它是欺骗性的采购。让我们假设你的两个特征是一天之中的时间和采购所处的国家。在某些情况下，通过国家进行的信用卡欺诈行为的简单可视化数据会跳到你面前。任何在爱沙尼亚发生的采购，如果信用卡持有人在美国，就会是欺诈购买。你不需要一个统计模型告诉你这一切。它只是对数据的测绘。事实是当差异变小了，那么你需要依靠统计来告诉你是否观察到的趋势是有意义的。显而易见的事情是容易的。归结为更加细致入微的区别时，需要统计区分出噪音和信号之间的区别。

来源：中国统计网