雷鋒網(wǎng)按：2016年眼看就要結(jié)束，外媒KDnuggets近期就機器學(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，詢問了業(yè)內(nèi)諸多的專家學(xué)者，組成了一個系列文章。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？聽聽8位專家怎么說》，今天帶來關(guān)于數(shù)據(jù)科學(xué)和預(yù)測分析的部分。

本文中一共采訪了14位數(shù)據(jù)科學(xué)和預(yù)測分析領(lǐng)域的專家。除了表示大數(shù)據(jù)和預(yù)測分析技術(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大數(shù)據(jù)分析對2016美國總統(tǒng)大選結(jié)果預(yù)測失敗一事，表達(dá)了目前預(yù)測分析技術(shù)的局限，以及對于原始數(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)用在越來越多的領(lǐng)域，包括文本分析。

3) 由人工智能驅(qū)動的智能聊天機器人開始在一些客服中心和售后中心試點。

4) 越來越多的企業(yè)/機構(gòu)開始認(rèn)識到大數(shù)據(jù)和數(shù)據(jù)科學(xué)帶來的現(xiàn)實回報，從以往的“概念驗證”（proofs of concept）逐漸轉(zhuǎn)向了“價值驗證”（proofs of value）。

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

在2017年，我認(rèn)為邊緣分析將與機器學(xué)習(xí)相結(jié)合（機器學(xué)習(xí)可以通過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），推動邊緣分析技術(shù)得到更廣泛的應(yīng)用。在這種趨勢下，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、更快速的實時分析，包括網(wǎng)絡(luò)安全、數(shù)字營銷、客戶體驗、醫(yī)療保健、發(fā)動機性能、自動駕駛和供應(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，國際數(shù)據(jù)分析研究所聯(lián)合創(chuàng)始人，Deloitte會計師事務(wù)所高級顧問。

2016年的主要發(fā)展：

1) 數(shù)據(jù)分析分散化：經(jīng)過一段時間的發(fā)展，各組織機構(gòu)開始將數(shù)據(jù)分析業(yè)務(wù)分散到各個業(yè)務(wù)部門和職能部門，而不再將所有的數(shù)據(jù)分析任務(wù)集中于一點，這在許多情況下需要組織機構(gòu)具有良好的協(xié)同工作能力。

2) 專有和開源技術(shù)相互整合：許多大型公司都在同時使用專有和開源相結(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可以被用來組合形成一個完整的系統(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)用開發(fā)者們之間的職責(zé)界限變得越來越模糊，一個人需要同時具備應(yīng)用開發(fā)能力和數(shù)據(jù)分析能力的情況越來越多。

2017年可能出現(xiàn)的變化趨勢：

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

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

3) 認(rèn)知分析工具類別化：更多的組織機構(gòu)開始理解各種認(rèn)知分析工具的異同，并對其進(jìn)行分類，以便更合理地將其應(yīng)用于具體的業(yè)務(wù)問題。

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

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大選，雖然大部分利用大數(shù)據(jù)分析的預(yù)測結(jié)果最終被證明是錯誤的，但正是因為這件事的影響，普通民眾開始探討大數(shù)據(jù)、數(shù)據(jù)科學(xué)、預(yù)測分析等一些專業(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，對于各大公司和組織結(jié)構(gòu)來說，確保數(shù)據(jù)的合理、安全和道德的使用，將成為一個越來越重要的課題。如果一家公司不懂得合理使用數(shù)據(jù)，那么他們的發(fā)展也不會長久。

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

一年之前，科學(xué)雜志曾將一項研究評選為“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個頂級實驗。但實際結(jié)果是，因為相關(guān)材料上記載的試驗數(shù)據(jù)和流程錯誤很多，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。我認(rèn)為，類似于這樣的由于原始數(shù)據(jù)本身的錯誤引發(fā)的虛假相關(guān)性結(jié)果并不在少數(shù)。將來，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）替換那些過時的重點公式，或許能更好地揭示隨機事件的內(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)競賽平臺Kaggle的聯(lián)合創(chuàng)始人兼CEO。

數(shù)據(jù)科學(xué)已經(jīng)對Airbnb，Climate集團（現(xiàn)在的Monsanto）和Opendoor這樣的公司產(chǎn)生了巨大影響。在2017年，他們強大的數(shù)據(jù)科學(xué)團隊將繼續(xù)對公司的重大決策產(chǎn)生影響。一個共同點是，這些公司都通過采用分析工具和優(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：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際的業(yè)務(wù)產(chǎn)品。在2016年，學(xué)術(shù)研究的熱門話題從深度神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)移到了強化學(xué)習(xí)和生成模型（Generative Models）。

2017年，我們將會看到更多數(shù)據(jù)科學(xué)方面的先進(jìn)技術(shù)應(yīng)用于現(xiàn)實業(yè)務(wù)的例子。例如將增強學(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數(shù)字化的大潮收獲實質(zhì)性的好處。但現(xiàn)實情況是，仍然存在大量的公司正在觀望，尚未投入到大數(shù)據(jù)帶來的數(shù)字化轉(zhuǎn)型。我認(rèn)為2017年一個最大的趨勢就是：大數(shù)據(jù)和數(shù)字化將逐漸成為一個“大眾化”的方式，被越來越多的企業(yè)重視。不過在初始階段，這些企業(yè)投入數(shù)據(jù)科學(xué)的業(yè)務(wù)領(lǐng)域會相對較小，他們首先會通過小范圍的嘗試搞清楚數(shù)據(jù)科學(xué)究竟能為公司帶來什么好處，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)域的一個爆發(fā)年。

7. Salil Mehta，數(shù)學(xué)與統(tǒng)計學(xué)領(lǐng)域的暢銷書作者，統(tǒng)計學(xué)家，奧巴馬政府問題資產(chǎn)救助計劃（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)開始步入普通大眾的視野。在2016年美國總統(tǒng)大選中（雖然最終未能預(yù)測成功），利用社交網(wǎng)絡(luò)上公開發(fā)布的信息預(yù)測現(xiàn)實生活的做法開始為人所知。同時，無論是公司層面（例如Facebook的視頻指標(biāo)或其在中國的審查工具）還是個人層面（被篡改的Reddit評論或Twitter上的虛假新聞），特別是選舉預(yù)測失敗之后，人們開始意識到如何判斷數(shù)據(jù)的真實、可靠是何等重要。而且，一些大型的科技公司是否值得信任，能夠為每個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，人力資源方面的工作都在通過HR個人的考察或者簽署擔(dān)保協(xié)議的方式來確保公司招攬到了具有真才實學(xué)的人，不但沒有絲毫的改進(jìn)，而且由此引發(fā)的人員摩擦和公共資源浪費也越來越多。

現(xiàn)在，一些公司已經(jīng)通過數(shù)據(jù)科學(xué)和預(yù)測分析的方法對傳統(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)分析考察勞動力就業(yè)資格的方式將越來越普及，那些看到這一點的公司會在短期內(nèi)得到回報，而那些繼續(xù)遵循舊的人才招攬方式的企業(yè)，經(jīng)營將越來越困難。

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)家們來解決員工的心理問題，這項工作大部分的內(nèi)容包括設(shè)計測試問卷和選擇培訓(xùn)課程等。不過最近一段時間，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)計學(xué)的思路，利用更多的卡方檢驗，更少的AUC計算。我認(rèn)為這種方式非常值的推廣，有時候可以使用更多的數(shù)據(jù)科學(xué)和預(yù)測分析的方法。

可以很明顯地看到一種趨勢：一些心理學(xué)社區(qū)正在接受機器學(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)域一個令人激動的應(yīng)用，我們希望看到這一趨勢在2017年發(fā)展壯大。

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

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

1. DeepMind AlphaGo戰(zhàn)勝圍棋世界冠軍李世石，是深度學(xué)習(xí)領(lǐng)域里一次里程碑式的勝利，同時也指導(dǎo)我們在更多具有豐富數(shù)據(jù)積累的領(lǐng)域取得更大進(jìn)步。

2. 2016年美國大選的預(yù)測失敗（以及類似的英國退歐的預(yù)測失?。┨嵝盐覀償?shù)據(jù)科學(xué)和預(yù)測分析在處理小數(shù)據(jù)，以及人類行為和隱性偏差時的局限性。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)家們從美國大選的預(yù)測失敗中汲取經(jīng)驗教訓(xùn)。

11. Karl Rexer，Rexer分析公司董事長。

2016年，我們看到可用于顯示各種數(shù)據(jù)類型和預(yù)測分析結(jié)果的圖形化展示項目正在變得越來越豐富。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)測分析領(lǐng)域可能會因為此前美國大選的預(yù)測失敗進(jìn)入一個短暫的低潮期。剛剛進(jìn)入這一領(lǐng)域的新公司和機構(gòu)可能會感到前所未有的壓力，甚至對整個行業(yè)產(chǎn)生懷疑。我希望整個行業(yè)能夠在2017年通力合作，更努力地向人們證明預(yù)測分析和數(shù)據(jù)科學(xué)的價值。

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)測分析領(lǐng)域最重大的事情可能就是2016年美國總統(tǒng)大選的預(yù)測失敗了。曾經(jīng)在2008年和2012年兩次成功預(yù)測了美國總統(tǒng)大選結(jié)果的數(shù)據(jù)大神Nate Silver今年竟然連續(xù)在9個州預(yù)測失敗，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)和組織機構(gòu)看到數(shù)據(jù)科學(xué)和預(yù)測分析的應(yīng)用，但這次大選預(yù)測的重大失敗，不得不引發(fā)整個數(shù)據(jù)行業(yè)的深思。

2017年，針對物聯(lián)網(wǎng)行業(yè)的炒作將會繼續(xù)，只有那些搞清楚物聯(lián)網(wǎng)會在哪些方面、以怎樣的方式獲得商業(yè)價值的公司才能取得間歇性的發(fā)展。強調(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。其實說到底，就是回答一個最簡單的問題：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)測分析世界）會議創(chuàng)始人。

通過最近兩年與相關(guān)行業(yè)人士的交流，我認(rèn)為預(yù)測分析技術(shù)在2017年將會進(jìn)一步滲透到各個垂直領(lǐng)域，包括銷售和營銷、市場調(diào)研、電子商務(wù)，環(huán)境保護、金融服務(wù)、保險、新聞媒體、醫(yī)療保健、政府機構(gòu)、人力資源、旅游、房地產(chǎn)、法律等等。同時，根據(jù)市場機會，Predictive Analytics World已經(jīng)在醫(yī)療、政府機構(gòu)和金融服務(wù)等領(lǐng)域擴大了覆蓋深度，預(yù)測分析和數(shù)據(jù)科學(xué)的擴張趨勢是不可阻擋的。

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)展趨勢就是：從業(yè)者普遍接受了機器學(xué)習(xí)和AI技術(shù)，而且開源語言分析工具相比于專有工具取得了絕對的勝利。這些技術(shù)進(jìn)步成為了整個行業(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)測分析技術(shù)造成了一個2017年最顯著的發(fā)展趨勢：將重點從“我們可以建立一個更好的分析模型”轉(zhuǎn)移到“我們?nèi)绾瓮ㄟ^預(yù)測分析來改善業(yè)務(wù)”，即預(yù)測分析領(lǐng)域的商業(yè)價值鏈得到了完善。這意味著會有越來越多的企業(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。

來源：kdnuggets

【兼職召集令！】

如果你對未來充滿憧憬，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，對技術(shù)與產(chǎn)品感興趣，關(guān)注人工智能學(xué)術(shù)動態(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，你會收獲：

一群來自天南地北、志同道合的小伙伴；

前沿學(xué)術(shù)科技動態(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；

有意向的小伙伴們把個人介紹/簡歷發(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。詳情見轉(zhuǎn)載須知。