
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
前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08CDA 数据分析师:解锁数据价值的专业力量 在当今这个数据爆炸的时代,数据已成为像石油一样珍贵的战略资源。而 CDA 数据分析师, ...
2025-08-08SPSS 语法使用详解 在当今数据驱动的时代,SPSS( Statistical Package for the Social Sciences)作为一款功能强大的统计分析软 ...
2025-08-07SASEM 决策树:理论与实践应用 在复杂的决策场景中,如何从海量数据中提取有效信息并制定科学决策,是各界关注的焦点。SASEM 决 ...
2025-08-07CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-07大数据时代对定性分析的影响 在大数据时代,海量、多样、高速且低价值密度的数据充斥着我们的生活与工作。而定性分析作为一 ...
2025-08-07K-S 曲线、回归与分类:数据分析中的重要工具 在数据分析与机器学习领域,K-S 曲线、回归和分类是三个核心概念与工具,它们各 ...
2025-08-07