數據科學家正在崛起
美國2012總統大選是奧巴馬的勝利，但實際上也是統計學家的勝利。奧巴馬當選之夜，我看見推特上有一條消息被瘋狂轉載：
NATE SILVER ELECTED 44TH PRESIDENT OF UNITED STATES
當然這是一句玩笑話，但Nate Silver是誰？他號稱“競選預測之神諭”：2008年的總統大選他預測對了最終結果，而且美國50州的投票結果他預測對了49個；今年的大選他又預測對了，并且是50州全對。Silver是一名統計學家，畢業于芝加哥大學，隨后在畢馬威會計師事務所“度過了令自己后悔的四年時間”（不喜歡那里的工作），后來轉向預測棒球選手的成績，再后來轉向政治方面的數據分析和預測。總統大選的預測是一件噪聲很大的工作，各家有各家的預測和分析，各種突發事件可能會導致某位候選人的支持短期內大幅變動。Silver的工作就像機器學習中的“集成學習”（他自己的描述是“貝葉斯統計”，用自己的先驗信息和數據得到后驗），集合眾多民意調查結果，根據自己的經驗判斷去平均它們（具體過程我不清楚）。
我想說的不是這個預測本身，而是我所感覺到的統計學家的變化。換個時髦的詞，叫數據科學家。他們和具體的行業緊密相聯，有扎實的統計基礎，也有豐富的行業經驗。不僅如此，大家都會玩編程、做數據可視化。看看Silver在紐約時報的博客就有感覺了。
數據科學家正在“入侵”一些我們以前不能想象的行業，例如總統競選。除了Silver和其他一大批統計學家做預測之外，奧巴馬還有一個數據分析部門，利用各種預測建模和數據挖掘手段來提高奧巴馬連任總統的概率；例如這里有他們一則招聘廣告，里面提到了R、MySQL、Python等工具。我再給自己無恥地打一個廣告：今天我在推特上看見這個部門里的一位數據分析師（見下圖，左為奧巴馬，右為數據分析師）提到了RStudio和我的knitr包，本碼農以后也可以海吹一下牛皮“曾經間接幫助美國總統贏得大選”……
如果你搜索一下數據科學家，你會看到各種光鮮的描述（什么炙手可熱啦性感啦），很多光鮮的東西都是坑，當然不絕對；我上大學時大家都覺得精算師像神一樣，讀（人大）統計的很多同學都是奔精算去的，但我覺得精算就是坑（因為我不喜歡它，再神對我也沒用）。媒體報道容易流于表面，這沒什么奇怪的，數據科學家應該是一類綜合人才，他并不應該只是一門技術的好手，例如純統計。對統計學家來說，貝葉斯誰不會？半夜三點把你叫醒你都能三秒內背出貝葉斯定理，但讓你把貝葉斯統計用到總統競選上，可能就沒多少人做得了這事情了（參見施濤老師的考古文）。一方面，你要會收集數據（各種網絡數據來源需要惡心的清洗整理），另一方面，你要有靠譜的先驗信息（自己的經驗也好，輿情分析也好），可是你只有那個貝葉斯公式，就像賣火柴的小女孩手中的火柴。
我并不想跟傳統學院派打仗，但我認為統計教育需要輕微改革。我們需要增強數據和編程方面的教育，諸如實變函數和測度論之類的數學課對統計專業來說應該改為選修，這并不是說讓學生偷懶，而是學科細化分支的結果：知識在一代一代積累更新，我們不能要求每一代學生都從盤古開天辟地時的知識學起。有志于投身學術研究的可以那樣追根溯源皓首窮經，但統計學家在這個數據時代有更豐富的使命。既然現實中的數據都是惡心得要死（各種不整齊、各種求程序包養），何不在學生時代就先惡心一下？信息時代圖形的重要性也日益突出，但Excel的三維餅圖條形圖只能讓人覺得圖形有個毛線用；各種軟件輸出的靜態圖形在網絡時代只能看不能“摸”，要鼠標干嘛（去看看前文提到的Silver的博客，或者通向白宮的512條路，那些才是網絡時代該有的統計圖形）。
數據科學家的概念在美國提出也就是近兩年的事情，在中國發展如何，我們拭目以待。
