京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12