數據科學家或將取代專家
HELLO
您的好友《邊聽音樂邊學互聯網思維》已上線
您的訂閱與關注將是我們持續更新的動力
我們每天徜徉的數據海洋。
我們的電腦、移動設備和機器感測器生成各種數據
規模達到了ZB級藉助最佳的大數據工具
你的企業能夠存儲、管理和分析這些數據
並獲得前所未有的寶貴洞察。
內存數據管理、商務分析、人工智慧和機器學習等大數據技術能幫助你變革決策流程推動企業轉型。
本期將就專家和數據科學家進行探討
大家好，我是達達，歡迎收聽《邊聽邊學互聯網思維-大數據時代》，第二十三期，專家的消亡與數據科學家崛起。
在《點球成金》這部關於奧克蘭運動家棒球隊如何通過利用統計學和數學建模的方式分析數字，從而取得最終勝利的電影中，有一個有趣的場景，就是灰頭髮的老球探們坐在一旁評論球員。觀眾不得不因此感到畏縮，不僅因為它體現了人類做決定時完全不依靠數據的草率，而且因為我們都經歷過這種依賴情感而不是科學進行判斷的情況。
一個球探說，「他不錯，有天賦……而且長得也不錯。」
一個滿頭白髮、戴著助聽器的老人虛弱地附和道，「他擊打動作不錯，球一被碰到就一下子彈出去老遠。」
另一個球探也附和說，「擊打很大聲。」
有一個球探打斷了對話，說，「他女朋友真丑。」
會議的負責人說，「那是什麼意思？」
那個人似乎很肯定地說，「女朋友丑說明沒自信呀！」
「很好！」負責人對回答很滿意，然後會議繼續。
開了一會玩笑之後，一個一直沒說話的球探說，「這個人有很大的氣場。我的意思是，他還沒上場呢，對手就已經提前感受到了他的氣勢。」
另一個人附和道，「他通過了長相測試，長得不錯。他隨時都能打球，只是需要點兒上場時間。」
那個常年持不贊同意見的人反覆說，「我就是說說，他的女朋友真是長相平平。」
這個場景完全展示了人類判斷的誤區。一個似乎經過了理智討論的事情其實是在沒有什麼實際標準的情況下做出的決定。簽約一個幾百萬美元年薪的球員，也只是看感覺，沒有什麼客觀標準的。是的，這只是電影中的場景，但是生活中這種情況也多得是。這個場景之所以具有諷刺意味，就是因為這是普遍存在的，從曼哈頓的會議室、美國總統辦公室到街角咖啡館，任何地方，這種空泛的推理都到處盛行。
影片《點球成金》改編自邁克爾·劉易斯的《魔球——逆境中制勝的智慧》。講述的是一個真實的故事，介紹奧克蘭運動家棒球隊（又稱綠帽隊或白象隊）總經理比利·比恩（Billy Beane）的經營哲學，描寫了他拋棄幾百年一直依賴的選擇球員的傳統慣例，採用了一種依靠電腦程序和數學模型分析比賽數據來選擇球員的方法。他並沒有採用那些像「棒球擊球率」這樣傳統的標準，而是採用了看上去很奇怪的、類似「上壘率」這樣的標準。這個方法發現了這項體育賽事的另一面，始終存在卻一直被忽略了的一面。一個球員怎樣上壘並不要緊，不管是地滾球還是三壘跑，只要他上壘了就夠了。當數據表明偷壘不實用的時候，即使這會讓比賽更有看頭，比利·比恩也不會再關注這種華而不實的技能。
在一片批評與質疑聲中，比恩的「賽伯計量學」（Sabermetrics）在奧克蘭運動家棒球隊的辦公室里被銘記了下來，這是以體育新聞記者比爾·詹姆斯（Bill James）在美國高級棒球研究協會（Society for Advanced Baseball Research）中的工作命名的。直到現在，美國高級棒球研究協會一直是一種奇特的亞文化的中心。比恩打破一切常規慣例，就如同伽利略用「太陽中心論」來挑戰天主教的權威一樣。最終，比恩帶領這支備受爭議的球隊在2002年的美國聯盟西部賽中奪得冠軍，還取得了20場連勝的戰績。從那以後，統計學家取代球探成為了棒球專家，很多其他球隊也開始爭相採用「賽伯計量學」來指導球隊運作。
同樣地，人類從依靠自身判斷做決定到依靠數據做決定的轉變，也是大數據做出的最大貢獻之一。行業專家和技術專家的光芒都會因為統計學家和數據分析家的出現而變暗，因為後者不受舊觀念的影響，能夠聆聽數據發出的聲音。他們的判斷建立在相關關係的基礎上，沒有受到偏見和成見的影響，這就如同莫里中校不把乾瘦的船長在酒吧喝酒時所說的航道信息當真一樣。他們的判斷完全依賴於彙集起來的數據所顯示出的實際信息，所以有著牢靠的根基。
莫里所採用的方法並沒有解釋風向和水流為什麼是這樣的原因，但是對於想安全航海的航海家來說，「什麼」和「哪裡」比「為什麼」更加重要。
如今，我們正在見證專家在各個領域影響力的減弱。在傳媒界，如「赫芬頓郵報」（Huffington Post）和高客網（Gawker）這些網站上傳播的新聞通常取決於數據，而不再取決於編輯的新聞敏感度。數據比有經驗的記者更能揭示出哪些是符合大眾口味的新聞。Coursera，一家網上教育公司，深度地研究它收集的所有數據，比如學生重放過講座視頻的哪個片段，從而找出不明確或者很吸引人的地方，然後反饋給設計課程的團隊。這在以前是做不到的，所以老師的教育方法一定會改變。就像我們在前文提到過的，當貝索斯發現演算法推薦能促進銷量增加的時候，他就不再使用公司的書籍評論員了。
這都意味著，與時俱進才是在職業領域取得成功的必備技能；這樣的員工能隨時滿足公司對他們的期望。安大略的麥格雷戈醫生不需要是醫院裡最好的醫生，也不需要是產前護理的世界權威，就能給早產兒提供極好的治療，因為她採用的治療方法是電腦在處理了近十年的病患記錄數據之後推薦的。事實上，她也有計算機科學專業的博士學位。
正如我們所見，大數據的先鋒們通常並不來自於他們做出了極大貢獻的領域。他們是數據分析家、人工智慧專家、數學家或者統計學家，但是他們把他們所掌握的技能運用到了各個領域。Kaggle的首席執行官安東尼·戈德布魯姆（Anthony Goldbloom）說，在這個大數據項目競賽平台上取得勝利的人通常不來自於他們做出成績的領域。
一個英國物理學家設計了一個演算法系統來預測保險索賠和發現二手車的質量問題，這個系統差點就獲勝了；還有一個新加坡的精算師在一個預測人體對化合物的生理反應項目中取得了勝利；同時，在谷歌的機器翻譯團隊中，這些工程師們都不會說他們翻譯出的語言；類似的還有，微軟機器翻譯部門的統計學家們在茶餘飯後的談資就是說每次一有語言學家離開他們團隊，翻譯的質量就會變好一點。
當然，行業專家是不會真正消亡的，只是他們的主導地位會發生改變。未來，大數據人才會與他們一樣身居高位，就像趾高氣揚的因果關係必須與卑微的相關關係分享它的光芒一樣。這改變了我們怎樣看待知識的價值，因為我們往往傾向於把專業人才看得比全才更重要，也就是說深度就是財富。然而，專業技能就像精確性一樣，只適用於「小數據」時代，當時人類掌握的數據永遠不夠多也不夠準確，所以需要依賴直覺和經驗指導。在那個時代，經驗是先決的，因為只有通過這種無法從書本上和別人口中得到的、埋藏在潛意識裡的知識的積累，我們才能做出更明智的決定。
但是當你遭遇海量數據的時候，你就能通過挖掘數據而得到更多。所以大數據分析家會把過去看成是迷信和成規，這不是因為他們更聰明，而是因為他們擁有了這個財富之源——數據。同時，作為外行人，他們不會被行業內的爭論所限制，因為他們不會被自己所支持一方的觀點所影響而產生偏見，這是他們與行業專家不一樣的地方。這一切都意味著，一個員工是否對公司有貢獻的判斷標準改變了。這也就意味著，你要學的東西、你要了解的人，你要為你的職業生涯所做的準備都改變了。
數學和統計學知識，甚至是有少許編程和網路科學的知識將會成為現代工廠的基礎，一如百年前的計算能力或者更早之前的文學。人類的價值將不再體現在與思維類似的同行的交際上，而體現在與各行各業的人的交際上，因為這樣知識就能廣泛而深刻地進行傳播。過去，要成為一個優秀的生物學家就需要認識很多生物學家，這並沒有完全改變。但是如今，不只是專業技能的深度很重要，大數據的廣度也變得很重要。要想解決一個生物難題，或許與天體物理學家或者數據視圖設計師聯繫就可以實現。
在電子遊戲領域，大數據的普通人才早已經和高級專家站在了一起，他們正在一同改變這個行業。該行業每年收入近100億美元，比好萊塢的票房收入還要多。過去，遊戲公司會設計一個遊戲，發布它，指望它能一炮而紅。然後，公司會考慮到銷售情況，要麼繼續推出升級版，要麼開始研發新遊戲。遊戲的速度、人物、情節、物品和事件的設定都是基於設計師的創造力，這些設計師對待工作的認真程度就像米開朗基羅畫西斯廷教堂時一樣。但是，這是一門藝術而不是科學，藝術講究的是直覺和情感，就像《點球成金》中球探們所表現的一樣，然而那個時代已經過去了。
點擊展開全文
TAG:幽默暉諧南京熱 |