數(shù)據(jù)科學(xué)在過(guò)去十年里蓬勃發(fā)展，改變了我們的商業(yè)模式，同時(shí)對(duì)于新一代的年輕人來(lái)說(shuō)，提供了一個(gè)未來(lái)的職業(yè)方向。但在數(shù)據(jù)科學(xué)快速發(fā)展的同時(shí)，人們對(duì)它的理解也在逐步演變，這導(dǎo)致了不同的人對(duì)于如何更好地從數(shù)據(jù)中獲取洞察有了不同的觀點(diǎn)。對(duì)于我來(lái)說(shuō)，數(shù)據(jù)科學(xué)的發(fā)展重塑了我的職業(yè)生涯，接下來(lái)我想深入研究數(shù)據(jù)科學(xué)是什么、數(shù)據(jù)科學(xué)的研究工作是什么以及數(shù)據(jù)科學(xué)家是誰(shuí)等問(wèn)題。我查閱了大量的文獻(xiàn)，將數(shù)據(jù)科學(xué)和數(shù)據(jù)科學(xué)家的各種研究和分析關(guān)聯(lián)匯總到一起，從而試圖來(lái)回答了這些問(wèn)題。我在一篇題為 “Passing the Data Baton: A Retrospective Analysis on Data Science Work and Workers” 的研究出版物中說(shuō)明了以上結(jié)果。

這項(xiàng)研究的部分動(dòng)機(jī)是作為未來(lái)研究和開(kāi)發(fā)的基礎(chǔ)，這樣我可能可以找到一個(gè)可視化分析工具還未滿足其需求的領(lǐng)域。而另一個(gè)動(dòng)機(jī)是，我希望對(duì)十多年前我剛開(kāi)始學(xué)習(xí)計(jì)算機(jī)科學(xué)時(shí)還不存在的這個(gè)領(lǐng)域進(jìn)行自我反思和回顧。在這篇文章中，我總結(jié)了這篇研究論文的幾個(gè)關(guān)鍵收獲，并分享了這些發(fā)現(xiàn)將如何幫助我們創(chuàng)建數(shù)據(jù)科學(xué)領(lǐng)域的下一代數(shù)據(jù)可視化工具。

什么是數(shù)據(jù)科學(xué)？

數(shù)據(jù)科學(xué)對(duì)不同的人來(lái)說(shuō)是不一樣的。對(duì)某些人來(lái)說(shuō)，數(shù)據(jù)科學(xué)并不是什么新鮮事，只是統(tǒng)計(jì)技術(shù)的實(shí)際應(yīng)用，并且已經(jīng)存在了很長(zhǎng)一段時(shí)間。對(duì)其他人來(lái)說(shuō)，數(shù)據(jù)科學(xué)不僅需要統(tǒng)計(jì)方法的知識(shí)，而且還需要計(jì)算技術(shù)使這些方法得到應(yīng)用。例如，一個(gè)數(shù)據(jù)科學(xué)家僅僅理解線性回歸是不夠的，他們還需要知道如何在大規(guī)模的數(shù)據(jù)中應(yīng)用線性回歸——這不是傳統(tǒng)統(tǒng)計(jì)學(xué)教育的一部分。盡管如此，即使是那些認(rèn)為數(shù)據(jù)科學(xué)不僅僅是應(yīng)用統(tǒng)計(jì)學(xué)的人，也可能并不認(rèn)為它是一件新事物。收集和分析數(shù)據(jù)的做法，長(zhǎng)期以來(lái)一直是科學(xué)研究的一部分，例如生物學(xué)或物理學(xué)；許多人認(rèn)為，數(shù)據(jù)科學(xué)只是經(jīng)驗(yàn)科學(xué)中對(duì)已經(jīng)存在的研究的延伸。

但其實(shí)還有第三種觀點(diǎn)，即數(shù)據(jù)科學(xué)確實(shí)是一件新的事物，既不同于統(tǒng)計(jì)學(xué)，也不同于科學(xué)家在研究原子和基因時(shí)使用的方法。數(shù)據(jù)科學(xué)將統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)以及其他必要的學(xué)科專業(yè)知識(shí)結(jié)合起來(lái)，帶來(lái)了數(shù)據(jù)科學(xué)所獨(dú)有的、由數(shù)據(jù)科學(xué)家所應(yīng)對(duì)的全新挑戰(zhàn)。此外，數(shù)據(jù)科學(xué)家開(kāi)展的工作與其他類型的數(shù)據(jù)分析不同，它需要更廣泛的跨學(xué)科技能。我們和其他人的研究都認(rèn)為數(shù)據(jù)科學(xué)確實(shí)是一件全新的、不同的事物，基于這點(diǎn)，我們創(chuàng)建了一個(gè)關(guān)于數(shù)據(jù)科學(xué)的定義，作為我們工作的基礎(chǔ):

數(shù)據(jù)科學(xué)是一個(gè)跨學(xué)科領(lǐng)域，旨在通過(guò)統(tǒng)計(jì)和計(jì)算技術(shù)的結(jié)構(gòu)化應(yīng)用，從現(xiàn)實(shí)世界的數(shù)據(jù)中得到新的見(jiàn)解。 這一定義很重要，因?yàn)樗鼛椭覀兞私鈹?shù)據(jù)科學(xué)工作者面臨的挑戰(zhàn)和未滿足的需求，它們主要來(lái)自于處理真實(shí)數(shù)據(jù)的挑戰(zhàn)（而不是模擬數(shù)據(jù)），以及大規(guī)模應(yīng)用統(tǒng)計(jì)和計(jì)算方法的挑戰(zhàn)。

什么是數(shù)據(jù)科學(xué)工作？

重要的是，數(shù)據(jù)科學(xué)的有效定義縮小了研究范圍。我們并沒(méi)有包含人們可能希望進(jìn)行研究的所有類型的數(shù)據(jù)分析，而是仔細(xì)研究那些數(shù)據(jù)科學(xué)家進(jìn)行研究的分析類型。這種區(qū)別很重要，因?yàn)閷?shí)驗(yàn)物理學(xué)家分析數(shù)據(jù)所采取的具體步驟與數(shù)據(jù)科學(xué)家可能采取的分析步驟不同，盡管它們有共同點(diǎn)。這就引出了一個(gè)重要的后續(xù)問(wèn)題：究竟什么是數(shù)據(jù)科學(xué)的研究工作？ 有好幾個(gè)行業(yè)標(biāo)準(zhǔn)來(lái)分解數(shù)據(jù)科學(xué)的研究工作。第一種是 KDD（數(shù)據(jù)發(fā)現(xiàn)中的知識(shí)）方法，隨著時(shí)間的推移，其他人會(huì)對(duì)該方法進(jìn)行修改和擴(kuò)展。基于這些推論，以及采訪數(shù)據(jù)科學(xué)家，我們創(chuàng)建了一個(gè)框架，其中包括四個(gè)高階過(guò)程（準(zhǔn)備、分析、部署和通信）和 14 個(gè)低階過(guò)程。使用紅色筆劃輪廓，我們還強(qiáng)調(diào)了數(shù)據(jù)可視化在數(shù)據(jù)科學(xué)工作中已經(jīng)發(fā)揮突出作用的具體領(lǐng)域。在我們的研究文章中，我們提供了這些過(guò)程的詳細(xì)定義和示例。

誰(shuí)是數(shù)據(jù)科學(xué)工作者？

我們?cè)谂c數(shù)據(jù)科學(xué)家進(jìn)行的 12 項(xiàng)深入研究中發(fā)現(xiàn)了 9 個(gè)數(shù)據(jù)科學(xué)角色。這些年來(lái)，我聽(tīng)到了許多關(guān)于數(shù)據(jù)科學(xué)家的不同看法。我喜歡的一個(gè)例子是，數(shù)據(jù)科學(xué)家是“比統(tǒng)計(jì)學(xué)家更擅長(zhǎng)軟件工程，比軟件工程師更擅長(zhǎng)統(tǒng)計(jì)學(xué)” 的人。我最近聽(tīng)到的一個(gè)直白的說(shuō)法是，數(shù)據(jù)科學(xué)家是“西海岸的統(tǒng)計(jì)學(xué)家”。

然而，當(dāng)我們深入研究現(xiàn)有的數(shù)據(jù)科學(xué)家的研究時(shí)，我們沒(méi)想到發(fā)現(xiàn)了一個(gè)重要且一致的特征，即 “數(shù)據(jù)科學(xué)家” 的多樣性以及它們?cè)谔囟〝?shù)據(jù)科學(xué)過(guò)程中的作用如何變化。您可能已經(jīng)注意到數(shù)據(jù)工程師的崛起，例如，作為一個(gè)獨(dú)特但仍然相鄰的數(shù)據(jù)科學(xué)角色。隨著數(shù)據(jù)科學(xué)工作的復(fù)雜性的增加，數(shù)據(jù)科學(xué)家變得更專業(yè)，往往從事數(shù)據(jù)科學(xué)研究工作的具體方面。Harris 等人的訪談早在 2012 年就已經(jīng)確定了這一趨勢(shì)，這種趨勢(shì)只是隨著時(shí)間的推移而加速。他們敏銳地發(fā)現(xiàn)，數(shù)據(jù)科學(xué)角色之間的這種多樣性導(dǎo)致了 “數(shù)據(jù)科學(xué)家和尋求幫助的人之間的交流不暢”。

我們根據(jù) Harris 的研究結(jié)果，對(duì) 12 項(xiàng)研究進(jìn)行了調(diào)查，共有數(shù)千名被認(rèn)定為數(shù)據(jù)科學(xué)家的個(gè)體。通過(guò)對(duì)這些研究的分析，我們能夠識(shí)別出 9 個(gè)不同的數(shù)據(jù)角色。這些人有不同的技能和背景，我們以統(tǒng)計(jì)、計(jì)算機(jī)科學(xué)和領(lǐng)域?qū)I(yè)知識(shí)為軸心來(lái)說(shuō)明。我們還將以人為中心的設(shè)計(jì)納入了我們對(duì)數(shù)據(jù)科學(xué)技能的描述，因?yàn)榭紤]到數(shù)據(jù)產(chǎn)品的影響，就像面部識(shí)別應(yīng)用程序一樣，越來(lái)越重要。我們要強(qiáng)調(diào)的是，這些角色不是絕對(duì)的范疇，它們的邊界是不固定的，同時(shí)這些角色的技術(shù)技能也符合類似的規(guī)律。相反，提出這些角色類別的目的是提供一個(gè)指導(dǎo)，從而幫助研究人員對(duì)于正在交談的人以及他們的背景有一個(gè)直觀的認(rèn)識(shí)。

這將如何改變我們創(chuàng)建可視化

和數(shù)據(jù)分析工具的方式？

當(dāng)然，最重要的是我們對(duì)數(shù)據(jù)科學(xué)的定義以及我們的數(shù)據(jù)科學(xué)工作框架和工作人員如何幫助我們構(gòu)建更好的數(shù)據(jù)可視化工具。首先也是最重要的一點(diǎn)是，它有助于提供一個(gè)清晰的標(biāo)準(zhǔn)，從而明確了數(shù)據(jù)科學(xué)研究工作的多樣性和對(duì)應(yīng)的工作人員。我們已經(jīng)使用這個(gè)框架創(chuàng)建了更清晰的標(biāo)準(zhǔn)來(lái)分解數(shù)據(jù)科學(xué)中的 Tableau 客戶體驗(yàn)。我們可以更精確地確定他們正試圖做什么，并可以就這些過(guò)程提出更深入的問(wèn)題。

已知 “數(shù)據(jù)科學(xué)家” 這個(gè)角色本身包含了大量的多樣性，我們可以通過(guò)將與我們交談的個(gè)人歸類到九個(gè)數(shù)據(jù)科學(xué)的角色，從而更好地確定誰(shuí)在執(zhí)行這項(xiàng)工作。這樣的分類使得我們更容易理解可視化系統(tǒng)需要支持的任務(wù)以及在什么級(jí)別上支持這些任務(wù)。例如，技術(shù)分析員和 ML/AI 工程師是我們描述的兩個(gè)數(shù)據(jù)科學(xué)角色，他們都可以參與模型構(gòu)建的共同任務(wù)，但需求截然不同；如果我們忽略這些差異，我們就有可能為這兩個(gè)角色創(chuàng)建錯(cuò)誤的工具。

但也許對(duì)我來(lái)說(shuō)最重要的是，這個(gè)框架還幫助我思考當(dāng)前可視化分析工具生態(tài)系統(tǒng)中缺少的東西。我得出的一個(gè)令人擔(dān)憂的結(jié)論是，現(xiàn)有工具對(duì)可視化機(jī)器學(xué)習(xí)模型的關(guān)注范圍很窄，缺乏支持?jǐn)?shù)據(jù)科學(xué)研究工作的其他關(guān)鍵方面的工具，如數(shù)據(jù)準(zhǔn)備、部署或通信。這種工具的缺乏不僅增加了數(shù)據(jù)科學(xué)研究工作的開(kāi)銷，還使得數(shù)據(jù)科學(xué)家無(wú)論擔(dān)任什么角色，都更難讓他們的工作影響到組織的決策和實(shí)踐。這項(xiàng)關(guān)于數(shù)據(jù)科學(xué)工作和工作者的研究幫助我面對(duì)以上挑戰(zhàn)，同時(shí)為構(gòu)建更好的工具來(lái)幫助人們查看和理解他們的數(shù)據(jù)提供了機(jī)會(huì)。

原文標(biāo)題：數(shù)據(jù)科學(xué)的十年回顧與可視化工具的未來(lái)

文章出處：【微信公眾號(hào)：Tableau社區(qū)】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

責(zé)任編輯：haq