什么是数据科学

《什么是数据科学》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、什么是数据科学？（1）PostedOn星期二,18一2011Byadmin.Under Knowledge  Tags: DataScience,Google,Translation  原文链接：http://radar.oreilly.com/2010/06/what-is-data-science.html我们都听说过：根据HalVarian的说法，统计学就是下一代给力的工作（statisticsisthenextsexyjob）。5年前，在什么是Web2.0（WhatisWeb2.0）的讨论中，TimO’Reilly说“数据就是下一个intelinside”。但这到底什么

2、意思？为什么我们突然酒开始关注统计学和数据了？文中，我会提到数据科学的方方面面——技术，公司，以及独一无二的技能集。什么是数据科学？网络上充满各种“数据驱动类应用（data-drivenapps）”。几乎任何电子商务应用都是数据驱动类的应用程序。在web界面的后面是个数据库，二者之间有与数据和数据服务（如信用卡处理公司、银行等）交互的中间件。但只是“用数据”并不能被称作“数据科学”。一个数据应用程序从数据本身获得数值，并创造出更多的数据作为结果。这并不仅仅是用数据的应用程序，它是一个数据产品。而数据科学就是使得创建数据产品变成可能的学科。网络中早期的数据产品是CDDBdatab

3、ase（译者注：CompactDiscDatabase，一种支持通过网络访问音频信息的数据库）。CDDB的开发者认识到任何CD都有一个唯一的签名，（举例来说）这基于每个音轨的长度。Gracenote（译者注：CDDB的开发公司）建立了一个关于音轨长度的数据库，并将它与专辑元数据信息（音轨名，表演者，专辑名等）数据库结合。如果你用过iTunes烧录CD，你就应用到这个数据库了。在做任何其他事情之前，iTunes读取每个音轨的长度，发送给CDDB，并获得音轨的标题信息，如果你有个CD不在数据库中（包括你自制的CD），你可以为这个未知专辑创建新条目。尽管这听起来很简单，但它是革命性的

4、：CDDB把音乐视为数据，而非音频文件，并通过创建数值来做到这一点。他们的业务与贩卖音乐、共享音乐或分析音乐的品味（尽管这些也是“数据产品”）有着本质不同。CDDB将音乐问题完全视为数据问题。Google是创建数据产品的专家。有一些例子：·Google的突破在于意识到搜索引擎可以不仅仅是通过页面输入文字（来进行搜索）。Google的PageRank算法会首先使用页面本身以外的数据，特别是指向页面的连接数量。追踪连接使得Google搜索更加有用，而PageRank已经是公司成功的关键部分。·拼写检查并不是非常困难的问题，但通过纠错建议来纠正那些误写的搜索，并观察用户对相应的点击，

5、Google使之更为精确。他们已经构造了一个字典，包含了通用拼写错误，它们的正确拼写，以及发生的上下文。·语言识别一直是个难题，现在依然如此。但Google通过使用他们搜集的音频数据，已取得重大进展，如今他们已经将语音搜索（voicesearch）整合到核心搜索引擎中了。·在2009年的猪流感疫情中，Google能够通过跟踪针对流感相关主题的搜索（byfollowingsearchesforflu-relatedtopics），来追踪疫情进展。FlutrendsGoogle可以通过分析不同区域人们的搜索，比疾病控制中心提前两周绘制出猪流感疫情大概的趋向。Google并不是唯一一

6、个知道如何应用数据的。Facebook和LinkedIn使用好友关系规律来提示你那些你可能认识的人，有时候精确的难以置信。Amazon干脆省省去你的搜索，将你搜的和其他用户搜的相结合，来做出令人惊讶的合适推荐。这些推荐就是“数据产品”，推动了Amazon的传统零售业务。这一切都源于Amazon明白书不仅是书，客户不仅是客户；客户会留下数据线索，通过对其挖掘并付诸使用——把照相机当作能与客户行为（每次用户访问网站都会留下的数据）相关联的数据。将所有这些应用绑在一起的是从用户提供的数值中搜集来的数据。无论这种数据是被搜索的术语，音频样本，还是对某产品的一次查阅，用户一直在为他们所使

7、用的产品贡献着数据，而他们也会在这种循环中获益。这就是数据科学的起点。在过去几年，可用数据爆发式增长。无论是我们说的网络服务器日志，tweet流，在线交易记录，还是来自政府的“公民科学”数据，抑或其他数据源的数据，问题的关键不是找到数据，而是如何用数据。而且，公司不仅仅用到他们自己的数据，还有用户贡献的数据。从好多源头中混搭数据已经越来越稀松平常。“DataMashupsinR”分析了费城的丧失抵押品赎回权（mortgageforeclosures）的情况：通过警长办公室发布的一份报告，抽取