雷鋒網(wǎng)按：2016年眼看就要結(jié)束，外媒KDnuggets近期就機(jī)器學(xué)習(xí)、人工智能、大數(shù)據(jù)、數(shù)據(jù)科學(xué)和預(yù)測(cè)分析等領(lǐng)域在2016年取得的主要發(fā)展，以及2017年可能發(fā)生的變化趨勢(shì)，詢問(wèn)了業(yè)內(nèi)諸多的專(zhuān)家學(xué)者，組成了一個(gè)系列文章。昨天，雷鋒網(wǎng)編譯了其中關(guān)于大數(shù)據(jù)的文章：《大數(shù)據(jù)領(lǐng)域在2016年都有哪些成果及趨勢(shì)？聽(tīng)聽(tīng)8位專(zhuān)家怎么說(shuō)》，今天帶來(lái)關(guān)于數(shù)據(jù)科學(xué)和預(yù)測(cè)分析的部分。

本文中一共采訪了14位數(shù)據(jù)科學(xué)和預(yù)測(cè)分析領(lǐng)域的專(zhuān)家。除了表示大數(shù)據(jù)和預(yù)測(cè)分析技術(shù)將在2017年度得到更大的發(fā)展之外，他們普遍提到了通過(guò)大數(shù)據(jù)分析對(duì)2016美國(guó)總統(tǒng)大選結(jié)果預(yù)測(cè)失敗一事，表達(dá)了目前預(yù)測(cè)分析技術(shù)的局限，以及對(duì)于原始數(shù)據(jù)可靠性的擔(dān)憂。

以下由雷鋒網(wǎng)編譯，未經(jīng)授權(quán)禁止轉(zhuǎn)載。

1. Kirk D. Borne，Booz Allen Hamilton咨詢公司首席數(shù)據(jù)科學(xué)家，天體物理學(xué)博士，數(shù)據(jù)科學(xué)領(lǐng)域頂尖的影響力人物。

2016年，我看到了下面幾項(xiàng)和數(shù)據(jù)科學(xué)相關(guān)的重大發(fā)展：

1) 隨著更多自主分析工具的出現(xiàn)，誕生了更多的平民數(shù)據(jù)科學(xué)家。

2) 深度學(xué)習(xí)技術(shù)被應(yīng)用在越來(lái)越多的領(lǐng)域，包括文本分析。

3) 由人工智能驅(qū)動(dòng)的智能聊天機(jī)器人開(kāi)始在一些客服中心和售后中心試點(diǎn)。

4) 越來(lái)越多的企業(yè)/機(jī)構(gòu)開(kāi)始認(rèn)識(shí)到大數(shù)據(jù)和數(shù)據(jù)科學(xué)帶來(lái)的現(xiàn)實(shí)回報(bào)，從以往的“概念驗(yàn)證”（proofs of concept）逐漸轉(zhuǎn)向了“價(jià)值驗(yàn)證”（proofs of value）。

5) 人工智能開(kāi)始成為產(chǎn)品設(shè)計(jì)和生產(chǎn)過(guò)程中的重要技術(shù)組成，并且廣泛出現(xiàn)在：車(chē)聯(lián)網(wǎng)、物聯(lián)網(wǎng)、智慧城市、制造業(yè)、供應(yīng)鏈和機(jī)器保養(yǎng)等諸多領(lǐng)域。

在2017年，我認(rèn)為邊緣分析將與機(jī)器學(xué)習(xí)相結(jié)合（機(jī)器學(xué)習(xí)可以通過(guò)API接入或嵌入數(shù)據(jù)收集終端，甚至整合到傳感器芯片架構(gòu)中），推動(dòng)邊緣分析技術(shù)得到更廣泛的應(yīng)用。在這種趨勢(shì)下，發(fā)生在系統(tǒng)前端（而不是云端）的各種突發(fā)狀況將得到更好、更快速的實(shí)時(shí)分析，包括網(wǎng)絡(luò)安全、數(shù)字營(yíng)銷(xiāo)、客戶體驗(yàn)、醫(yī)療保健、發(fā)動(dòng)機(jī)性能、自動(dòng)駕駛和供應(yīng)鏈等諸多領(lǐng)域都將獲益。

Tom Davenport

2. Tom Davenport，波士頓大學(xué)特聘教授，國(guó)際數(shù)據(jù)分析研究所聯(lián)合創(chuàng)始人，Deloitte會(huì)計(jì)師事務(wù)所高級(jí)顧問(wèn)。

2016年的主要發(fā)展：

1) 數(shù)據(jù)分析分散化：經(jīng)過(guò)一段時(shí)間的發(fā)展，各組織機(jī)構(gòu)開(kāi)始將數(shù)據(jù)分析業(yè)務(wù)分散到各個(gè)業(yè)務(wù)部門(mén)和職能部門(mén)，而不再將所有的數(shù)據(jù)分析任務(wù)集中于一點(diǎn)，這在許多情況下需要組織機(jī)構(gòu)具有良好的協(xié)同工作能力。

2) 專(zhuān)有和開(kāi)源技術(shù)相互整合：許多大型公司都在同時(shí)使用專(zhuān)有和開(kāi)源相結(jié)合的大數(shù)據(jù)分析技術(shù)。

3) 認(rèn)知分析技術(shù)的離散化：大的、單一的認(rèn)知技術(shù)已經(jīng)被分解為一系列的單功能API，這些API可以被用來(lái)組合形成一個(gè)完整的系統(tǒng)。

4) 各崗位職責(zé)的模糊化：定量分析師、數(shù)據(jù)分析師和認(rèn)知應(yīng)用開(kāi)發(fā)者們之間的職責(zé)界限變得越來(lái)越模糊，一個(gè)人需要同時(shí)具備應(yīng)用開(kāi)發(fā)能力和數(shù)據(jù)分析能力的情況越來(lái)越多。

2017年可能出現(xiàn)的變化趨勢(shì)：

1) 認(rèn)知分析實(shí)用化：認(rèn)知分析將從以往的“科學(xué)項(xiàng)目”逐步轉(zhuǎn)向?qū)嶋H應(yīng)用。

2) 模型假設(shè)的質(zhì)疑：對(duì)2016年美國(guó)總統(tǒng)大選結(jié)果的預(yù)測(cè)失敗，將引發(fā)更多的管理者開(kāi)始質(zhì)疑分析模型背后的假設(shè)是否合理。

3) 認(rèn)知分析工具類(lèi)別化：更多的組織機(jī)構(gòu)開(kāi)始理解各種認(rèn)知分析工具的異同，并對(duì)其進(jìn)行分類(lèi)，以便更合理地將其應(yīng)用于具體的業(yè)務(wù)問(wèn)題。

4) 分析算法的透明化：各大具有影響力的機(jī)器學(xué)習(xí)開(kāi)發(fā)者將持續(xù)推動(dòng)認(rèn)知分析算法的透明化，并避免使用非開(kāi)源的算法。

3. Tamara Dull，SAS（Statistical Analysis System）公司高新技術(shù)研發(fā)主管。

我認(rèn)為今年在大數(shù)據(jù)領(lǐng)域最重要的事情就是美國(guó)大選，雖然大部分利用大數(shù)據(jù)分析的預(yù)測(cè)結(jié)果最終被證明是錯(cuò)誤的，但正是因?yàn)檫@件事的影響，普通民眾開(kāi)始探討大數(shù)據(jù)、數(shù)據(jù)科學(xué)、預(yù)測(cè)分析等一些專(zhuān)業(yè)詞匯。我們與大數(shù)據(jù)分析進(jìn)行了一次廣泛的親密接觸：包括數(shù)據(jù)的價(jià)值、數(shù)據(jù)的合理應(yīng)用和濫用。

隨著大數(shù)據(jù)持續(xù)滲透到我們工作和生活的方方面面、物聯(lián)網(wǎng)的發(fā)展，對(duì)于各大公司和組織結(jié)構(gòu)來(lái)說(shuō)，確保數(shù)據(jù)的合理、安全和道德的使用，將成為一個(gè)越來(lái)越重要的課題。如果一家公司不懂得合理使用數(shù)據(jù)，那么他們的發(fā)展也不會(huì)長(zhǎng)久。

4. John Elder，美國(guó)最大的分析咨詢公司Elder Research的創(chuàng)始人兼董事長(zhǎng)。

一年之前，科學(xué)雜志曾將一項(xiàng)研究評(píng)選為“2015年度科學(xué)突破”第二名，該研究試圖重現(xiàn)幾年前發(fā)表在心理學(xué)雜志上的100個(gè)頂級(jí)實(shí)驗(yàn)。但實(shí)際結(jié)果是，因?yàn)橄嚓P(guān)材料上記載的試驗(yàn)數(shù)據(jù)和流程錯(cuò)誤很多，一般正確率大約只有5-35％不等，造成研究人員只成功重現(xiàn)了其中39個(gè)。我認(rèn)為，類(lèi)似于這樣的由于原始數(shù)據(jù)本身的錯(cuò)誤引發(fā)的虛假相關(guān)性結(jié)果并不在少數(shù)。將來(lái)，在科研人員和數(shù)據(jù)挖掘軟件的幫助下，使用重復(fù)采樣的辦法（如目標(biāo)重排）替換那些過(guò)時(shí)的重點(diǎn)公式，或許能更好地揭示隨機(jī)事件的內(nèi)在規(guī)律。當(dāng)然，新的分析方法同樣也需要出版和推廣，但結(jié)果將更加可靠，不但幫助廣大科研人員節(jié)省了大量的科研資源，同時(shí)還可能挽救許多病患的生命。

Anthony Goldbloom

5. Anthony Goldbloom，知名數(shù)據(jù)科學(xué)競(jìng)賽平臺(tái)Kaggle的聯(lián)合創(chuàng)始人兼CEO。

數(shù)據(jù)科學(xué)已經(jīng)對(duì)Airbnb，Climate集團(tuán)（現(xiàn)在的Monsanto）和Opendoor這樣的公司產(chǎn)生了巨大影響。在2017年，他們強(qiáng)大的數(shù)據(jù)科學(xué)團(tuán)隊(duì)將繼續(xù)對(duì)公司的重大決策產(chǎn)生影響。一個(gè)共同點(diǎn)是，這些公司都通過(guò)采用分析工具和優(yōu)化分析流程的方式解決了數(shù)據(jù)科學(xué)方面的諸多痛點(diǎn)：包括數(shù)據(jù)流的共享和協(xié)作，以及如何將分析模型投入實(shí)際的業(yè)務(wù)產(chǎn)品。在2016年，學(xué)術(shù)研究的熱門(mén)話題從深度神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)移到了強(qiáng)化學(xué)習(xí)和生成模型（Generative Models）。

2017年，我們將會(huì)看到更多數(shù)據(jù)科學(xué)方面的先進(jìn)技術(shù)應(yīng)用于現(xiàn)實(shí)業(yè)務(wù)的例子。例如將增強(qiáng)學(xué)習(xí)引入算法交易和廣告定位。

6. Thomas Joseph，云服務(wù)供應(yīng)商Quadrant 4公司的首席數(shù)據(jù)科學(xué)家。

雖然包括谷歌、亞馬遜和Facebook在內(nèi)的大數(shù)據(jù)“開(kāi)拓者”，以及少數(shù)幾家在早期就投入到大數(shù)據(jù)研究領(lǐng)域的公司目前正在通過(guò)數(shù)字化的大潮收獲實(shí)質(zhì)性的好處。但現(xiàn)實(shí)情況是，仍然存在大量的公司正在觀望，尚未投入到大數(shù)據(jù)帶來(lái)的數(shù)字化轉(zhuǎn)型。我認(rèn)為2017年一個(gè)最大的趨勢(shì)就是：大數(shù)據(jù)和數(shù)字化將逐漸成為一個(gè)“大眾化”的方式，被越來(lái)越多的企業(yè)重視。不過(guò)在初始階段，這些企業(yè)投入數(shù)據(jù)科學(xué)的業(yè)務(wù)領(lǐng)域會(huì)相對(duì)較小，他們首先會(huì)通過(guò)小范圍的嘗試搞清楚數(shù)據(jù)科學(xué)究竟能為公司帶來(lái)什么好處，然后再考慮是否將其大面積推廣并制度化。從我們與許多客戶的合作中可以看到，2017年將成為數(shù)據(jù)科學(xué)領(lǐng)域的一個(gè)爆發(fā)年。

7. Salil Mehta，數(shù)學(xué)與統(tǒng)計(jì)學(xué)領(lǐng)域的暢銷(xiāo)書(shū)作者，統(tǒng)計(jì)學(xué)家，奧巴馬政府問(wèn)題資產(chǎn)救助計(jì)劃（TARP）的參與成員。

2016年是數(shù)據(jù)科學(xué)大爆發(fā)的一年，大數(shù)據(jù)開(kāi)始步入普通大眾的視野。在2016年美國(guó)總統(tǒng)大選中（雖然最終未能預(yù)測(cè)成功），利用社交網(wǎng)絡(luò)上公開(kāi)發(fā)布的信息預(yù)測(cè)現(xiàn)實(shí)生活的做法開(kāi)始為人所知。同時(shí)，無(wú)論是公司層面（例如Facebook的視頻指標(biāo)或其在中國(guó)的審查工具）還是個(gè)人層面（被篡改的Reddit評(píng)論或Twitter上的虛假新聞），特別是選舉預(yù)測(cè)失敗之后，人們開(kāi)始意識(shí)到如何判斷數(shù)據(jù)的真實(shí)、可靠是何等重要。而且，一些大型的科技公司是否值得信任，能夠?yàn)槊總€(gè)人平等安全地提供差異化的數(shù)據(jù)使用規(guī)則，也值得考量。

8. Carla Gentry，Talent分析公司首席數(shù)據(jù)科學(xué)家。

十幾年來(lái)，人力資源方面的工作都在通過(guò)HR個(gè)人的考察或者簽署擔(dān)保協(xié)議的方式來(lái)確保公司招攬到了具有真才實(shí)學(xué)的人，不但沒(méi)有絲毫的改進(jìn)，而且由此引發(fā)的人員摩擦和公共資源浪費(fèi)也越來(lái)越多。

現(xiàn)在，一些公司已經(jīng)通過(guò)數(shù)據(jù)科學(xué)和預(yù)測(cè)分析的方法對(duì)傳統(tǒng)的人才招攬方式進(jìn)行了優(yōu)化，但遺憾的是整體力度和廣度還遠(yuǎn)遠(yuǎn)不夠。我認(rèn)為，2017年使用大數(shù)據(jù)分析考察勞動(dòng)力就業(yè)資格的方式將越來(lái)越普及，那些看到這一點(diǎn)的公司會(huì)在短期內(nèi)得到回報(bào)，而那些繼續(xù)遵循舊的人才招攬方式的企業(yè)，經(jīng)營(yíng)將越來(lái)越困難。

9. Pasha Roberts，Talent分析公司首席數(shù)據(jù)科學(xué)家。

企業(yè)通常都是依靠工業(yè)界或者醫(yī)學(xué)界的心理學(xué)家們來(lái)解決員工的心理問(wèn)題，這項(xiàng)工作大部分的內(nèi)容包括設(shè)計(jì)測(cè)試問(wèn)卷和選擇培訓(xùn)課程等。不過(guò)最近一段時(shí)間，在工業(yè)界和醫(yī)學(xué)界的心理學(xué)社區(qū)出現(xiàn)了一種全新的方式，即采用純統(tǒng)計(jì)學(xué)的思路，利用更多的卡方檢驗(yàn)，更少的AUC計(jì)算。我認(rèn)為這種方式非常值的推廣，有時(shí)候可以使用更多的數(shù)據(jù)科學(xué)和預(yù)測(cè)分析的方法。

可以很明顯地看到一種趨勢(shì)：一些心理學(xué)社區(qū)正在接受機(jī)器學(xué)習(xí)和現(xiàn)代數(shù)據(jù)科學(xué)的歸納方法。這是大數(shù)據(jù)領(lǐng)域一個(gè)令人激動(dòng)的應(yīng)用，我們希望看到這一趨勢(shì)在2017年發(fā)展壯大。

10. Gregory Piatetsky-Shapiro，KDnuggets董事長(zhǎng)，KDD峰會(huì)聯(lián)合創(chuàng)始人，ACM SIGKDD聯(lián)合創(chuàng)始人和前任主席。

我在2016年看到兩個(gè)具有里程碑意義的數(shù)據(jù)科學(xué)相關(guān)活動(dòng)。

1. DeepMind AlphaGo戰(zhàn)勝?lài)迨澜绻谲娎钍朗?，是深度學(xué)習(xí)領(lǐng)域里一次里程碑式的勝利，同時(shí)也指導(dǎo)我們?cè)诟嗑哂胸S富數(shù)據(jù)積累的領(lǐng)域取得更大進(jìn)步。

2. 2016年美國(guó)大選的預(yù)測(cè)失?。ㄒ约邦?lèi)似的英國(guó)退歐的預(yù)測(cè)失敗）提醒我們數(shù)據(jù)科學(xué)和預(yù)測(cè)分析在處理小數(shù)據(jù)，以及人類(lèi)行為和隱性偏差時(shí)的局限性。2017年，我希望深度學(xué)習(xí)在更多數(shù)據(jù)積累豐富的領(lǐng)域取得成功，并希望數(shù)據(jù)科學(xué)家們從美國(guó)大選的預(yù)測(cè)失敗中汲取經(jīng)驗(yàn)教訓(xùn)。

11. Karl Rexer，Rexer分析公司董事長(zhǎng)。

2016年，我們看到可用于顯示各種數(shù)據(jù)類(lèi)型和預(yù)測(cè)分析結(jié)果的圖形化展示項(xiàng)目正在變得越來(lái)越豐富。和從前的條形圖和折線圖相比，這些全新的展示方式進(jìn)步了太多。

2017年，預(yù)測(cè)分析領(lǐng)域可能會(huì)因?yàn)榇饲懊绹?guó)大選的預(yù)測(cè)失敗進(jìn)入一個(gè)短暫的低潮期。剛剛進(jìn)入這一領(lǐng)域的新公司和機(jī)構(gòu)可能會(huì)感到前所未有的壓力，甚至對(duì)整個(gè)行業(yè)產(chǎn)生懷疑。我希望整個(gè)行業(yè)能夠在2017年通力合作，更努力地向人們證明預(yù)測(cè)分析和數(shù)據(jù)科學(xué)的價(jià)值。

Bill Schmarzo

12. Bill Schmarzo，大數(shù)據(jù)領(lǐng)域知名作家，戴爾EMC服務(wù)CTO，USF執(zhí)行會(huì)員，前雅虎數(shù)據(jù)分析業(yè)務(wù)副總裁。

2016年數(shù)據(jù)科學(xué)和預(yù)測(cè)分析領(lǐng)域最重大的事情可能就是2016年美國(guó)總統(tǒng)大選的預(yù)測(cè)失敗了。曾經(jīng)在2008年和2012年兩次成功預(yù)測(cè)了美國(guó)總統(tǒng)大選結(jié)果的數(shù)據(jù)大神Nate Silver今年竟然連續(xù)在9個(gè)州預(yù)測(cè)失敗，這不禁令人大跌眼鏡。雖然目前我們幾乎可以在所有行業(yè)和組織機(jī)構(gòu)看到數(shù)據(jù)科學(xué)和預(yù)測(cè)分析的應(yīng)用，但這次大選預(yù)測(cè)的重大失敗，不得不引發(fā)整個(gè)數(shù)據(jù)行業(yè)的深思。

2017年，針對(duì)物聯(lián)網(wǎng)行業(yè)的炒作將會(huì)繼續(xù)，只有那些搞清楚物聯(lián)網(wǎng)會(huì)在哪些方面、以怎樣的方式獲得商業(yè)價(jià)值的公司才能取得間歇性的發(fā)展。強(qiáng)調(diào)“智能”而不是“連接”的業(yè)務(wù)框架將勝出，取代那些沉溺于各種不同的物聯(lián)網(wǎng)連接技術(shù)，執(zhí)著于創(chuàng)造連接的公司。其實(shí)說(shuō)到底，就是回答一個(gè)最簡(jiǎn)單的問(wèn)題：你打算如何利用物聯(lián)網(wǎng)技術(shù)助力于企業(yè)的既有商業(yè)模式？

13. Eric Siegel，Predictive Analytics World（預(yù)測(cè)分析世界）會(huì)議創(chuàng)始人。

通過(guò)最近兩年與相關(guān)行業(yè)人士的交流，我認(rèn)為預(yù)測(cè)分析技術(shù)在2017年將會(huì)進(jìn)一步滲透到各個(gè)垂直領(lǐng)域，包括銷(xiāo)售和營(yíng)銷(xiāo)、市場(chǎng)調(diào)研、電子商務(wù)，環(huán)境保護(hù)、金融服務(wù)、保險(xiǎn)、新聞媒體、醫(yī)療保健、政府機(jī)構(gòu)、人力資源、旅游、房地產(chǎn)、法律等等。同時(shí)，根據(jù)市場(chǎng)機(jī)會(huì)，Predictive Analytics World已經(jīng)在醫(yī)療、政府機(jī)構(gòu)和金融服務(wù)等領(lǐng)域擴(kuò)大了覆蓋深度，預(yù)測(cè)分析和數(shù)據(jù)科學(xué)的擴(kuò)張趨勢(shì)是不可阻擋的。

14. James Taylor，Decision Management Solutions（決策管理解決方案）公司CEO。

我認(rèn)為2016年大數(shù)據(jù)領(lǐng)域最大的發(fā)展趨勢(shì)就是：從業(yè)者普遍接受了機(jī)器學(xué)習(xí)和AI技術(shù)，而且開(kāi)源語(yǔ)言分析工具相比于專(zhuān)有工具取得了絕對(duì)的勝利。這些技術(shù)進(jìn)步成為了整個(gè)行業(yè)的前沿和中心，并且左右著企業(yè)的重大投資和戰(zhàn)略決策。

關(guān)注預(yù)測(cè)分析技術(shù)造成了一個(gè)2017年最顯著的發(fā)展趨勢(shì)：將重點(diǎn)從“我們可以建立一個(gè)更好的分析模型”轉(zhuǎn)移到“我們?nèi)绾瓮ㄟ^(guò)預(yù)測(cè)分析來(lái)改善業(yè)務(wù)”，即預(yù)測(cè)分析領(lǐng)域的商業(yè)價(jià)值鏈得到了完善。這意味著會(huì)有越來(lái)越多的企業(yè)投身于商業(yè)認(rèn)知的提升，使用決策建模作為實(shí)例，將分析模型部署到產(chǎn)品系統(tǒng)，以及所有相關(guān)的組織架構(gòu)調(diào)整。

來(lái)源：kdnuggets

【兼職召集令！】

如果你對(duì)未來(lái)充滿憧憬，喜歡探索改變世界的科技進(jìn)展，look no further！

我們需要這樣的你：

精通英語(yǔ)，對(duì)技術(shù)與產(chǎn)品感興趣，關(guān)注人工智能學(xué)術(shù)動(dòng)態(tài)的蘿莉&萌妹子&技術(shù)宅；

文字不求妙筆生花，但希望通俗易懂；

在這里，你會(huì)收獲：

一群來(lái)自天南地北、志同道合的小伙伴；

前沿學(xué)術(shù)科技動(dòng)態(tài)，每天為自己充充電；

更高的生活品質(zhì)，翻翻文章就能掙到零花錢(qián)；

有意向的小伙伴們把個(gè)人介紹/簡(jiǎn)歷發(fā)至 guoyixin@leiphone.com，如有作品，歡迎一并附上。

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。