追本溯源：数据科学真的有那么重要吗？

全文共2378字，预计学习时长6分钟

图源：forbes

数据科学存在已久，但它真正流行起来是在过去十年间，尤其是大流行期间，它得到了广泛认可。过去几个月里，关于数据科学的话题越来越多，人们不禁疑惑，它是如何变得如此重要的？

为了得到答案，我们首先要了解数据科学的概念和简史。

 

数据科学是什么？

数据科学的官方定义是“使用科学方法、过程、算法和系统从数据中提取知识和见解的领域”。这个定义看起来很宽泛，因为数据科学确实是一个包含很多内容的领域。通常提到数据科学，人们就会想到“大数据”，甚至有些人认为两者是等同的。然而，“大数据”只是数据科学的一方面，该领域还包括很多其他部分。

确切地说，数据科学是一个跨学科领域——结合了计算机科学、数学、统计学和许多其他领域的内容。它包含机器学习（使用统计数据在大量数据中找到模式的算法）、数据分析（包括检查数据、清理数据/使其有效并对其进行转换，以确保以有效的方式对其进行建模，从而帮助解决业务问题）和数据工程（侧重于获取数据、准备数据和处理数据）。

下图显示了一个数据科学家需要承担的多项工作。

图源：Simplilearn

数据采集：采集将要处理的数据。数据在当今世界随处可见，所以，本阶段的关键不仅仅在于“采集”，而是理解业务需求和优先级，采集正确类型和数量的数据。

数据准备：也就是对于数据的预处理。本阶段需要准备数据——提取相关数据并将其转换为有效形式，用于接下来的分析和建模。

数据分析：本阶段位于建模之前，探索性数据分析（EDA）使用多种工具帮助提炼可用的数据。这一阶段所做的改进有助于建模。

数据建模：本阶段将不同的机器学习技术应用于数据，以帮助人们理解数据中的模式和关系。

可视化/数据可视化：本阶段，前几阶段的数据分析结果以公众能够理解的形式呈现。这些结果包含很多有价值的信息，因此被用于做出重要决策。

部署和维护：部署和持续维护模型，确保其能够适应任何环境变化。

上述过程不是线性的，而是一个循环。因此，在做完数据可视化和模型部署后，该过程反复进行，以确保模型不断得到优化。

 

数据科学简史

尽管数据科学在2001年才被正式列为一门学科，但是在此之前，它已经不知不觉地存在了30年。人们认为John W. Tukey在1962年写的《数据分析的未来》是最早提到数据科学的出版物之一。

接下来的几十年里，也有人提到数据科学，但是没有被正式称为“数据科学”——其与统计分析关系更大，而不是我们现在所说的数据科学。

2001年，人们意识到了数据科学的重要性，首次将其列为一门学科。同年，William S. Cleveland出版《数据科学：扩大统计领域技术面的行动计划》，这是关于数据科学领域的首份出版物，成为该领域进步的起点。

大概十年后，由于对分析大量数据的需求日益增加，数据科学领域开始流行起来。采集数据的大型科技公司（比如谷歌）的增加提高了海量数据的可用性。

同年，Kenneth Cukier在《经济学人》上发表了一篇专题报告，介绍如何结合软件开发人员、统计学家和艺术家的技能，从数据中提取有用的见解。几个月后，Mike Loukides在其出版物《什么是数据科学？》中介绍了如何建模分析数据、做出预测，以及如何逐步优化这些模型以做出更好的预测。

自此，该领域的研究一直呈指数级增加，数据科学的应用也随之增加。值得注意的是，数据科学目前在某种程度上与大多数现代行业相关联。

 

数据科学在各种行业中的应用

数据科学几乎与当今所有的现代行业相联系。涉及的领域包括汽车、航空、商业、金融、医疗保健等等。

自动驾驶汽车

图源：unsplash

与“数据科学”话题相同，自动驾驶汽车的概念也在被越来越多的人讨论。本文不会解释自动驾驶汽车的完整逻辑，这里强调的是，为了得到精确的决策和预测，需要分析大量数据，其中数据科学起到了很大作用。

航线规划

有段时间，由于飞机燃料的上涨和其他费用的增加，航空业开始亏损。这时，数据科学被引入用于航线规划。使用过去20年采集的海量数据，帮助航空公司对乘客行为做出更精确的预测，而后规划更盈利的航线。

定向广告

以前，广告面向广泛的受众，而其中一大部分用户可能对广告代言的产品不感兴趣。数据科学的应用改变了这一局面，因为通过数据科学可以推断出对产品感兴趣的特定用户，从而做出明智的决定，将广告推送给这些用户。

快递路线

应用数据科学，可以根据距离（距离最短）、时间（用时最短）和其他各种因素计算最佳路线，确保快递以更高效的方式寄送。

图源：unsplash

数据科学的应用不仅仅局限于本文提到的这些情况。上面这些例子是从不同行业中精挑细选出来的，目的是向你展示数据科学不仅在许多行业中得到应用，还为其中许多行业的重大进步做出了贡献。

数据科学话题越来越热的另一大原因，是它对于度过新冠肺炎大流行至关重要。其在大流行期间提供的帮助包括但不限于：

· 了解新冠肺炎传染的风险，以做出更好的应对措施。

· 预测病毒在不同城市和国家的传播，以采取必要行动。

· 尝试通过理解解决社区传播问题。

· 使用追踪系统发出警报。

“数据科学真如大家所说的那样重要吗？”，这个问题要考虑的要素很多。但可以肯定的是，这门学科在过去十年里迅速发展，也会在未来几年里持续发展。

一起分享AI学习与发展的干货

欢迎关注全平台AI垂类自媒体 “读芯术”

（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）