- 相關(guān)推薦
什么是數(shù)據(jù)分析和數(shù)據(jù)挖掘
上午嘉賓的講課，講的東西大部分是給管理階層和領(lǐng)導(dǎo)階層說的。我是講給學(xué)生，給年輕人聽的。如果你管理階層再好，你找不到人也什么都沒有，而對于每個人來說最重要的就是把自己的價值提高，而不是地位。
一、數(shù)據(jù)科學(xué)的前途
這是一些調(diào)查的結(jié)果，數(shù)據(jù)科學(xué)家的年薪是多少，這是美國的。
程序員的平均年薪不是我們的目標(biāo)，也不是成功的標(biāo)志，這是一種價值的標(biāo)志。怎么樣才能有價值?我說的可能有點過分，但是我必須這么說，現(xiàn)在的統(tǒng)計，特別數(shù)據(jù)統(tǒng)計問題很嚴(yán)重。
美國的一個調(diào)查報告說人才缺口很大，說明在美國培養(yǎng)這樣的人數(shù)也不夠，可以用大數(shù)據(jù)來做的缺少得更多。美國是這樣，中國將來肯定也是這樣，現(xiàn)在實際上有很多缺口。現(xiàn)在就怕跳槽，怕找不著(工作)，我們的成功不是要通過關(guān)系，不是通過老子有個什么樣的頭銜，我們要有能力，這樣誰都想要你，這才是價值。我們要的是價值，而不是所謂的成功。
如果你擅長數(shù)學(xué)，有很清晰的邏輯思維能力(文科的人是沒有的，但是可以訓(xùn)練，因為大部分知識都是自學(xué)的)，并且對某個行業(yè)了如指掌，如果你有這樣的技能組合，就可能當(dāng)上數(shù)據(jù)科學(xué)家。曾經(jīng)LinkedIn有個投票顯示，數(shù)據(jù)分析和數(shù)據(jù)挖掘是最大的求職法寶。那些高科技團隊都有自己的數(shù)據(jù)科學(xué)團隊，而那些非科技公司和大公司也需要做這些東西，他們現(xiàn)在需要的是人才，你們就是要把自己做變成被需要的人才。
數(shù)據(jù)科學(xué)家專業(yè)人才干什么呢?對公司來說，他們可以挖掘新的信息，幫助公司開源節(jié)流，所以它需要的是人才，關(guān)鍵是人才。我們說數(shù)據(jù)科學(xué)，科學(xué)意味著沒有權(quán)威，不要迷信那些權(quán)威，中國人喜歡崇拜權(quán)威。任何科學(xué)研究的目的是基于數(shù)據(jù)，顛覆理論，這樣才能往前進。中國人從小學(xué)會的就是聽老師話，聽爸爸媽媽話，聽家長話，古人什么都好，現(xiàn)代人什么都不好，這樣一代不如一代，所以你必須要有科學(xué)精神。諾貝爾物理獎沒有一個是承認(rèn)過去怎么樣的，而是推翻過去的事情，這是科學(xué)，是顛覆性的。
數(shù)據(jù)科學(xué)有很多很多定義，最基本的定義就是這個，就是Computer science，還有數(shù)學(xué)、統(tǒng)計、目標(biāo)、知識，這是最基本的，再說多了就過分了。
二、數(shù)據(jù)科學(xué)家所需的技能
對于現(xiàn)在的你們來說，一般不會細(xì)到那種程度。我們應(yīng)該變成一個通才，哪個公司都應(yīng)該愿意要我們。清華大學(xué)之所以現(xiàn)在變成這個樣子，就是因為在1952年院系調(diào)整的時候，每一個專業(yè)就是一個生產(chǎn)線，弄的很細(xì)很細(xì)，沒有一個更寬廣的視野。
主要是三部分：數(shù)學(xué)、統(tǒng)計、知識。
1.數(shù)學(xué)關(guān)鍵是邏輯而不是具體的方法，不是你怎么求多項式的根，而是它的基本邏輯，它的數(shù)學(xué)語言，這一點要懂。數(shù)學(xué)邏輯是各種學(xué)科當(dāng)中最嚴(yán)格的邏輯，無論你是學(xué)邏輯的，學(xué)物理的，學(xué)什么的，文科學(xué)邏輯的肯定是不如學(xué)物理的，學(xué)物理的邏輯肯定不如學(xué)數(shù)學(xué)的，所以你要跟學(xué)數(shù)學(xué)的辯論的話就很困難。文理分科造成沒有邏輯的文章，沒有邏輯的法官，現(xiàn)在法官錯判率那么高，他們中學(xué)平面幾何沒學(xué)好，基本的常識，基本的邏輯推理都不會。
2.統(tǒng)計學(xué)的是批判性思維。你們在統(tǒng)計學(xué)課本上學(xué)到的是70年前、100年前的知識，是前計算機時代的東西。那時候沒有那么多計算機，數(shù)據(jù)量不大，所以他做什么都用假定來做結(jié)論。中國在數(shù)據(jù)統(tǒng)計方面的研究大部分還是遵循著70年前、100年前的東西來做，你不能假定地球是方的，然后得出結(jié)論去發(fā)表，這沒有什么意義的，你必須根據(jù)現(xiàn)實生活的意義來做。
所以我們要學(xué)的也不是基于無法驗證的假定而形成的假設(shè)檢驗和區(qū)間估計。就像我說的你假設(shè)檢驗，什么顯著，0.05就是顯著。親子鑒定100個人有5個鑒定錯了，能接受嗎?能認(rèn)為這是小概率嗎?區(qū)間估計就更難說了。
我們所要學(xué)習(xí)和了解的，是最近20年發(fā)展而且仍然在發(fā)展的最新的經(jīng)濟學(xué)方法，這是最根本的。像我現(xiàn)在正在尋找經(jīng)典方法，比經(jīng)濟學(xué)好的方法，我每天都在算數(shù)據(jù)，我就想找這樣的例子。我舉個例子，對于做出貢獻(xiàn)性的方法，回歸什么的那一大堆方法，我如果做的話，我沒找到一個例子說用這些方法比神經(jīng)網(wǎng)絡(luò)做的更好的。所以說你不能從理論出發(fā)，不能從你在數(shù)學(xué)雜志上發(fā)表出發(fā)，一定要從數(shù)據(jù)出發(fā)。
有一個瑞士人到科學(xué)院講課，就講這些東西，底下科研的學(xué)究們，研究生們說，這個系數(shù)有什么意義啊?他說貢獻(xiàn)的變量的系數(shù)，沒有任何意義，只要這個方法預(yù)測準(zhǔn)確，那就是好。中國人學(xué)呆了。像回歸分析，在別的變量不變的時候，我這個量增加不增加?別的變量肯定不變的，特別經(jīng)濟統(tǒng)計，沒有兩個變量是完全不變的。
3.計算機科學(xué)，不是一兩個盜版傻瓜軟件+點鼠標(biāo)就是計算機科學(xué)了。還加上網(wǎng)絡(luò)漫游能力和泛型編程能力，我說的這個泛型編程能力是計算機編程理念，我用了很多編程理念沒有一個是在課堂上學(xué)的，就是自己在編的時候自己領(lǐng)會。一切東西依賴于自學(xué)，而不是依賴?yán)蠋�，這可能跟我的經(jīng)歷有關(guān)。
這是2015年的一個網(wǎng)站調(diào)查，用的最多的是R語言，這是2014年的，R語言在圖片當(dāng)中也是最多的，其他的軟件加起來是17%，底下這個是2014年，也是R語言，為什么是這樣?第一，它們是開源的，它們的代碼是公開的。
第二是計算機的親和性，還有SQL，親和性很大，就是它的語言你懂一個，再學(xué)一個，直到后來一天一個就學(xué)下來了，真是這樣的，不是開玩笑。我不想說SAS，我在美國的第一個研究就是SAS，它的親和力小。實際上現(xiàn)在很多會R語言的都可以去做東西。
第三是轉(zhuǎn)換性的，就是R語言跟Python轉(zhuǎn)化的多，所以第一學(xué)的編程語言應(yīng)該是R語言，然后Python，然后是其他的語言，其他點鼠標(biāo)的語言是用不著學(xué)的。
4.最根本的就是領(lǐng)域知識，你必須了解領(lǐng)域知識，你才能夠知道該怎么做。如果你僅僅是一個干巴巴的統(tǒng)計學(xué)家，就不會了解實際問題。
原來在醫(yī)學(xué)雜志發(fā)表的一個很有名的文章講，如果父母在嬰兒房間內(nèi)睡覺總是開著燈，嬰兒就會有高度近視。后來再發(fā)現(xiàn)，凡是父母高度近視的，往往有給小孩開燈的習(xí)慣。到底什么造成小孩高度近視，現(xiàn)在你們知道的，但是當(dāng)時的人不知道，所以要有很深刻的領(lǐng)域知識，只有明白目標(biāo)領(lǐng)域知識的人才能明白它的意義，知道往哪個方向努力，去判斷分析結(jié)果的可能性。所以用數(shù)據(jù)來說話，其他的一切都是廢話，不要做一些莫名其妙的假定，我每年看到很多很多的文章，包括一些大賽，好多比賽題目都是莫名其妙的假定，就連31個省市自治區(qū)的數(shù)據(jù)都假設(shè)是正態(tài)分布，這31個省市自治區(qū)的就不是樣本，更不用說是正態(tài)分布。
科學(xué)，對年輕人來說就是要明白這些基本的東西，太花哨的東西就沒意義了。你離得越遠(yuǎn)看得越清楚，站得越高對全局的了解越好，不要太具體了，不要迷信這些炒作的新名詞、新概念。用自己的大腦，用常識判斷，想想合不合理。過去某個人的經(jīng)驗是他的經(jīng)驗，不是你的經(jīng)驗，他在特定環(huán)境、特定時間有作用，如果你要跟風(fēng)就意味著永遠(yuǎn)是跟隨，也絕對不會有出息。
個人要有快速的自學(xué)能力和對數(shù)據(jù)分析的愛好，我從來沒學(xué)過計算機，也沒學(xué)過計算機編程。英文都沒學(xué)過，全都是自學(xué)的，所以我對自學(xué)很相信�，F(xiàn)在我教的東西都是最近這幾年的東西，我現(xiàn)在實際上比一個全職教師教的課還多，但是我教的東西好多都是前一天網(wǎng)上才出現(xiàn)的，我看到了覺得有價值，第二天就放到課堂上了。只有這樣，只有不斷的自學(xué)，不斷的學(xué)習(xí)才能當(dāng)老師。如果你不斷的跟學(xué)生演示80年前的推導(dǎo)過程，只能顯示你的記憶力好，那不是好老師。
三、判斷是否適合做數(shù)據(jù)科學(xué)家
另外你是不是做數(shù)據(jù)科學(xué)家的材料?你專長于任何特定編程語言相比，泛型變成技巧更重要。最重要的素質(zhì)就是能快速學(xué)習(xí)東西，在這個時代技術(shù)發(fā)展的突飛猛進，語言很快會過時，新的語言會迅速普及，所以學(xué)習(xí)東西快的人比單獨領(lǐng)域的專家更有前途。我要看你這個人的潛力，而不是你知道什么。知識再多你也超不過一個硬盤吧?但是硬盤沒有創(chuàng)造力。
如果你每天花大量的時間編程，分析控制面板上的數(shù)據(jù)，獲得相關(guān)知識和信息，你對這樣的工作感興趣，你就適合干這行�，F(xiàn)在我沒事就處理變成數(shù)據(jù)。如果僅僅是想拿高工資，那可能覺得這樣的日子就很苦了。實際上不光是這個工作，干任何工作，即使是坐牢你也要把它當(dāng)成樂趣，這個不是玩兒的。
真正適合干這一行的人，會在業(yè)余時間里編程序、分析數(shù)據(jù)，他的目的就是自娛自樂，而不是為了要拿著什么學(xué)位，拿到什么樣的頭銜，最終他自己把自己的價值就提高了。如果你愛的不是數(shù)據(jù)本身，而是它給你帶來的高薪，那你很難跟上來的人來競爭了。要學(xué)會干一行愛一行，每個人都應(yīng)該學(xué)會熱愛數(shù)據(jù)，即使是為了自己的事業(yè)前途也應(yīng)該這樣想，為了自己的心里也應(yīng)該這樣想。
還需要什么呢?剛才我說了，學(xué)習(xí)能力比知識更重要，歡迎挑戰(zhàn)、樂于攀登。有點挑戰(zhàn)的我就很高興，我相信很多人都這樣，這樣活著才有意義，像豬一樣的活著沒有意義。你像富二代開著寶馬到處飆車，他是找不到活著的意義啊，穿名牌什么的，是讓別人覺得你有點價值，實際上別人一看你更沒有價值了。馬克思的座右銘懷疑一切，在懷疑中成長。
不要給自己貼標(biāo)簽，就是我學(xué)什么方向的，別的不搞，歲數(shù)大了，學(xué)不會了，很多人都有這樣的借口，這實際上是借口，我現(xiàn)在每天都在網(wǎng)上學(xué)東西，所以我現(xiàn)在教的東西總是新的，我的書一版再版，我現(xiàn)在大概寫了有30本書了，為什么再版，因為我發(fā)現(xiàn)原來的有錯或者不全面，我一定要把事情說的更透徹一點，說的更好一點。
四、結(jié)尾
什么人最快樂?被人需要，這是很重要的，就是你得有價值。因為你的專長，能力、善良、尊重、愛心、品質(zhì)、性格、智力、分享。在公司里跟人家能相處，至少你得是可愛的。還要關(guān)心他人，能讓別人快樂的人是快樂的。尊敬別人的人是快樂的，誠實坦蕩的人是快樂的，心胸開闊，不去計較一些小事情。最關(guān)鍵的就是愛人如己，你愛人不是因為他能愛你回來，也不是因為他可愛，而是對任何事情都尊重，這是最根本的一點。如果這點你要做到了，人人都能做到，那世界就太理想了。不管怎么樣，我希望大家能夠快樂。
【什么是數(shù)據(jù)分析和數(shù)據(jù)挖掘】相關(guān)文章：
數(shù)據(jù)挖掘論文07-15
數(shù)據(jù)挖掘論文07-16
數(shù)據(jù)挖掘論文(精品)07-29
（實用）數(shù)據(jù)挖掘論文07-29
數(shù)據(jù)分析報告02-02
數(shù)據(jù)挖掘論文常用15篇07-29
spss數(shù)據(jù)分析報告03-01
公司數(shù)據(jù)分析報告12-06