
TED演讲-数据科学家最重要的技能是什么
对于数据科学家来说,最重要的技能究竟是什么呢?在本期的TEDx演讲中,你一定会找到相应的答案。
主讲人
Alto Data Analytics的总经理Jose Miguel Cansado曾在IMB Watson和 Alcatel-Lucent工作,曾担任亚太地区媒体和移动通信负责人。Jose是一名通讯工程师,拥有欧洲工商管理学院的营销硕士学位,以及西班牙企业商学院的MBA学位。
中英双字视频如下:
针对不方便打开视频的小伙伴,CDA字幕组也贴心的整理了文字版本,如下:
我希望你们闭上眼睛,想象一下数据科学家的形象。你们想到了什么?
当人们想起数据科学家,人们常常会想到一个穿着实验服的人,在进行人工智能、应用算法、分析数据,为行业或商业的用途提供分析见解。
但在现实中,数据科学家需要掌握大量的技术,需要掌握各个不同领域的专业知识,需要具有企业家的精神,以及达芬奇般的想象力。
在2006年,谷歌的前CEO Eric Schmidt曾说,"自人类诞生到2003年以来,仅产生了5艾字节的数据,如今我们每两天就能产生同样大小的数据"。
这意味着大量的数据。但好消息是,如今的科技水平能够让我们处理、分析这大量的信息。
得益于机器学习中人工智能的帮助,大数据被用于许多方面。比如更好地分析用户;进行个性化推荐;改善医疗和诊断水平;预测政治革命;防止犯罪;甚至艺术创作。显而易见,大数据提高了人类的潜力。
在Alto Data Analytics,我们帮助大型组织从各种数据中得出可行的方案,做出改变。
政治争论分析
在英国退出欧盟的几个月后,出现了广泛的社会争论。我们可以对当中的数据进行分析,从而理解并标注社会争论发生在哪儿;产生了哪些社区;投反对票的人群是如何进行反对的;媒体是如何保持中立的;技术社区里人们是如何讨论当中的经济、社会和政治影响的。
我们可以看到许多新兴社区的诞生。比如苏格兰人更倾向于不脱离欧盟,美国共和党人更倾向英国脱离欧盟。
我们还可以分析和弄清哪些人在这场争论中最具有影响力以及媒体的立场,甚至预测哪些想法会取胜。
电影分析
对于电影来说,比起分析家和评论家,我们可以分析更多的内容。
小李子主演的纪录片《洪水泛滥之前》,该影片的目的在于提高大众对气候变化的认知。我们捕捉了当中全部的物影摄影(photograms),从而进行分析当中有多少出现了小李子,多少出现了决策人,理解气候的哪些方面改变了,从而带来讨论。或者还能明白哪些画面被分享在社交媒体上。
流行趋势分析
我们还可以预测流行趋势。
通过分析人们Instagram上分享并附有标签"今日穿搭"的照片。通过收集成百上千的照片,我们可以分析人们分享这些照片所带来的潜在影响。因为我们可以看到哪些人进行了互动,从而发现那些影响力的人分享的照片中存在哪些穿搭模式。
思维模式转换
这是思考模式的转化。
之前我们大多根据直觉和猜测进行决策,而如今我们根据数据。我们可以转变为数据驱动的决策。
管理学大师Peter Drucker曾说,"你不能管理你不能测量的事物"。如今没有借口可找,你可以测量也可以管理。
如果没有人工智能、机器学习以及所有大数据科技的帮助,我们将无法掌控如今的数据变革。但话又说回来,从数据中得到见解的最重要的因素,也就是让数据科学家无可取代的因素,即人的因素。
关键因素: 好奇心
将数据转化为分析见解的关键在于,我们人类能做而机器不能做的事,即好奇心。
我们都用谷歌搜索,谷歌上有数以亿计的的数据点,但是你的好奇心决定了你是否去学习、去搜索,以及你是否会去过滤和如何发现哪些信息是无关的。
还有同理心。
同理心是与他人联系,以及理解他人需要什么的关键。Henry Ford(美国汽车工程师与企业家,福特汽车公司创始人)曾说"如果我去问人们需要什么,他们会说需要更快的马力”。
同时想象力也是必不可少的盟友。
还有创造力。创造力是进行创新,并得出方案解决问题的关键。
沟通力是说服和影响他人的关键,从而传播理念而带来改变。
领导力是凝聚起他人采取行动的关键所在。
这些因素当中的关键是好奇心。
因为对情感的好奇会驱动同理心;对想法的好奇会驱动想象力;对解决方案的好奇会驱动创造力;对影响力的好奇会心驱动沟通交流;对结果的好奇最终会驱动领导力。
数据科学家最重要的技能是,对数据问适当的问题。
数据科学家的好奇心会引出适当的问题,从而理解人们面对的问题,想象可能的情况,创建明确的方案,用合适的方式传达信息和见解,并让其可行。
这些关键的因素让数据转换为有价值的内容,这一系列的技能是人工智能还不能媲美的。这是技术与人文艺术的交叉点,当中会出现奇迹。
如果说14到17世纪的文艺复兴是让人类从中世纪转变为现代的文化力量,那么大数据复兴已经在通过数据的力量,揭开各种可能,从而推动人类前进。这取决于我们想让数据和机器为我们做什么。
记住,手上有工具的愚者还是愚者。
大数据并不仅是关于技术,大数据需要智者,大数据需要具有好奇心的艺术家来做出改变。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29