【科學技術(3)】



世界正在朝着數字化方向飛速發展：數字媒體、數字電話、數字社區、數字政府、電子病歷、虛擬世界，等等。當世界越來越數字化時，電子信息不斷增加，海量數據不斷膨脹，分析和理解數據就變得越來越重要。

世界上最大的連鎖零售企業沃爾瑪每小時處理一百多萬個客戶，每小時向它的後台服務部的數據庫存入2.5 petabytes 的信息，這相當於 167 個美國國會圖書館的藏書信息。沃爾瑪的信息主管（Chief Information Officer）Rollin Ford 說：“我每天早晨反覆問自己，我怎樣才能把這些海量信息處理好、管理好、分析好？”　Facebook 存有400 億張照片，每天都有成千上萬的新照片加入進去。人類基因庫含有 30 億對基因組，針對某組基因製造出“定向”藥品已經進入試驗階段，它需要對基因庫進行快速查詢。對海量信息的處理和管理顯得日益重要，因此一種新的職業“數據科學家”會應運而生。

數字化和信息爆炸會不會帶來不良後果？信息太多了會讓人們感到無所適從；數據無所不在時會出現信息安全的問題，那些不該公布的信息會引起不良後果。比如加 州歐克蘭城市警察局辦了一個網站叫做“歐克蘭犯罪觀察”，它把奧克蘭市警察逮捕罪犯的數據全都公布出來，比如何時何地由於何種原因警察逮捕了何人，等等。根據這些歷史信息，人們發現奧克蘭警察從來不在星期三晚上掃黃打非，這就給做皮肉生意的犯罪分子有機可乘。當然，這只是並不普遍的疏漏而已。利弊相比，數字化和信息爆炸為人類生活帶來的還是利大於弊。

數據已成為企業的原材料，以數據為中心的經濟正在出現。商業智情，也稱作BI（它是英文單詞Business Intelligence的縮寫），就是利用對大量的數據進行分析、挖掘、和綜合，從而為企業決策做出有效的幫助。所以，商業智情可以算作數據科學家的工作內容之一。一些比較專業化的數據科學家也會出現，比如數據分析師、數據挖掘師、數據可視化設計師等等。

數據科學家需要有軟件工程、統計學、圖形學、數據挖掘等領域的知識。面對信息爆炸，面對海量數據，簡單的表格（spreadsheet）工具已經過時。大多數的商業應用需要根據海量數據迅速作出決策，這就需要有對各種數據進行去粗取精、去偽存真、由此及彼、由表及里的有效分析工具，因為那些海量信息可以來自於各類報表，同時也來自於各個部門的異種數據庫，還有大量的數據來自於互聯網，它們有各自不同的數據格式和存取方式。簡單地說，數據科學家需要具備三種能力，精通四門學科。這三種能力是：

1. 統計分析能力；
2. 對數據的提取與綜合能力；以及
3. 數據的可視化表示能力。
   

數據科學家要熟悉的四門學科是：

1. 計算機科學：主要用來數據獲取、數據解析、數據存放、和數據安全。
2. 數理統計學：主要用來數據分析、數據過濾、數據挖掘、和數據優化。
3. 圖形設計學：主要用來顯示數據結果，比如將數據表達成三維圖形，以便更好地理解和利用。
4. 人機交互學：主要用來在用戶和數據之間建立有機聯繫，使得人對數據的使用更方便。
   

目前，我們看到許多在這四門學科中某個學科的專才，將來更需要的是熟悉所有這四門學科知識的通才，這就是數據科學家。

伍加，2010年3月10日
http://blog.creaders.net/invictus/