【科学技术(3)】



世界正在朝着数字化方向飞速发展：数字媒体、数字电话、数字社区、数字政府、电子病历、虚拟世界，等等。当世界越来越数字化时，电子信息不断增加，海量数据不断膨胀，分析和理解数据就变得越来越重要。

世界上最大的连锁零售企业沃尔玛每小时处理一百多万个客户，每小时向它的后台服务部的数据库存入2.5 petabytes 的信息，这相当于 167 个美国国会图书馆的藏书信息。沃尔玛的信息主管（Chief Information Officer）Rollin Ford 说：“我每天早晨反复问自己，我怎样才能把这些海量信息处理好、管理好、分析好？”　Facebook 存有400 亿张照片，每天都有成千上万的新照片加入进去。人类基因库含有 30 亿对基因组，针对某组基因制造出“定向”药品已经进入试验阶段，它需要对基因库进行快速查询。对海量信息的处理和管理显得日益重要，因此一种新的职业“数据科学家”会应运而生。

数字化和信息爆炸会不会带来不良后果？信息太多了会让人们感到无所适从；数据无所不在时会出现信息安全的问题，那些不该公布的信息会引起不良后果。比如加 州欧克兰城市警察局办了一个网站叫做“欧克兰犯罪观察”，它把奥克兰市警察逮捕罪犯的数据全都公布出来，比如何时何地由于何种原因警察逮捕了何人，等等。根据这些历史信息，人们发现奥克兰警察从来不在星期三晚上扫黄打非，这就给做皮肉生意的犯罪分子有机可乘。当然，这只是并不普遍的疏漏而已。利弊相比，数字化和信息爆炸为人类生活带来的还是利大于弊。

数据已成为企业的原材料，以数据为中心的经济正在出现。商业智情，也称作BI（它是英文单词Business Intelligence的缩写），就是利用对大量的数据进行分析、挖掘、和综合，从而为企业决策做出有效的帮助。所以，商业智情可以算作数据科学家的工作内容之一。一些比较专业化的数据科学家也会出现，比如数据分析师、数据挖掘师、数据可视化设计师等等。

数据科学家需要有软件工程、统计学、图形学、数据挖掘等领域的知识。面对信息爆炸，面对海量数据，简单的表格（spreadsheet）工具已经过时。大多数的商业应用需要根据海量数据迅速作出决策，这就需要有对各种数据进行去粗取精、去伪存真、由此及彼、由表及里的有效分析工具，因为那些海量信息可以来自于各类报表，同时也来自于各个部门的异种数据库，还有大量的数据来自于互联网，它们有各自不同的数据格式和存取方式。简单地说，数据科学家需要具备三种能力，精通四门学科。这三种能力是：

1. 统计分析能力；
2. 对数据的提取与综合能力；以及
3. 数据的可视化表示能力。
   

数据科学家要熟悉的四门学科是：

1. 计算机科学：主要用来数据获取、数据解析、数据存放、和数据安全。
2. 数理统计学：主要用来数据分析、数据过滤、数据挖掘、和数据优化。
3. 图形设计学：主要用来显示数据结果，比如将数据表达成三维图形，以便更好地理解和利用。
4. 人机交互学：主要用来在用户和数据之间建立有机联系，使得人对数据的使用更方便。
   

目前，我们看到许多在这四门学科中某个学科的专才，将来更需要的是熟悉所有这四门学科知识的通才，这就是数据科学家。

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