白宫首席数据分析师称数据是时代的命脉

对华盛顿特区而言，数据科学已经不是新鲜事儿了，而DJ•帕蒂尔（ DJ Patil）的名号也已经为政府所熟知，近日，白宫任命他成为了全美首席数据科学家。早在六年前，总统巴拉克•奥巴马就授权启动了“国家数据（Data.gov）”网站项目，旨在要求所有政府机构对外公开至少三组“高价值”的数据信息。现在，这项任务需要帕蒂尔来负责了，他既要督促政府各部门及时公开数据，又要同时确保信息准确无误。

帕蒂尔是一名资深的数据专家，曾在数个科技公司以及著名的格雷洛克风险投资公司(Greylock Partners)担任顾问。他此次重返华盛顿，首要任务便是白宫推出的“精准医疗计划 ”。今年一月份，奥巴马政府正式提出了这项耗资2.15亿美元的公共医疗预算案，旨在通过采集患者的背景信息建立一个数据库，然后基于每位病人的基因、环境与生活方式，因人而异对症下药，最终由医疗机构设计出个性化的诊疗方案 ，该法案有望于2016年生效。该项目另一个巨大的优势，便是它能够有力地促进了癌症新疗法的发展，使其不仅能得益于科研工作者的最新研究数据，还能充分地整合了癌症患者的个人病情信息。帕蒂尔需要担当起管理员的角色，要使各方在不受隐私侵犯的前提下，想办法让研究员、健康中心与疾病患者之间做到数据共享，将数据库的潜能发挥到极致。

同时，帕蒂尔还被任命为白宫科技政策办公室的数据政策副首席技术官。早在20年前，帕蒂尔第一次来到华盛顿特区，还只是一名马里兰大学的助理研究员。尽管只是一名具有博士学位的教职工，但帕蒂尔利用美国海洋和大气管理局的公开数据，有效改进了气象的数值预报。之后，他又在国防部短暂地参与了社会网络的分析工作，负责寻找危害美国国家利益的潜在新威胁。《科学美国人》有幸邀请到帕蒂来谈谈他的新工作。

全美首席数据科学家应当肩负的任务是什么？

我想说，奥巴马总统在他的任期内从始至终都重视着数据科学的发展，可以说，他才是真正的全美首席数据科学家。他也是第一位提出使用数据分析来考察信息技术项目的总统，在2013年，他签署了一项行政命令，要求政府信息必须公开、可查阅。“国家数据网”便体现了总统的远见卓识，让联邦政府、州政府甚至地方团体都得到了有效的管理与监督。

除了奥巴马政府拟定的数据科学计划，你的其他工作是什么样的，比如建立“国家数据网”是吗？

的确，“国家数据网”是这个庞大项目的一部分。目前有三项最迫切的任务摆在眼前。第一，就是“精准医疗计划”的拟定与完善。现代科学已经完整破译了人类基因组，而我们要做的是把这些成果和数据科学的力量结合起来。后者现在拥有机器学习等新技术，还有从每个病人的手机或其他的传感器终端那里获得的海量数据。我们面临的真正挑战是，把这些都整合起来，开保健与医疗未来发展的全新思路。

第二项任务是什么呢？

我的第二项重要任务，就是督促政府和社会组织公开更多的数据信息，在这些数据的基础上建立一个氛围自由的科研生态环境，研发供人们随身查阅的手机软件并制作可视化的图表。国家气象局就是一个经典的范例，他们率先尝试把重要数据公之于众，尽管每天的数据更新量达21Tb，但只要借助了新科技手段，便可以轻轻松松地用手机阅读了。对普通人来说，数据共享让安排日常活动、确认航班信息更加便捷，所有这一切无不深刻影响着我们的生活，世界正在日新月异地变化着。

那么，你的第三项任务又是关于什么的呢？

我的第三项重要的任务，就是借帮政府的各个机构增强数据处理的能力。无论是美国卫生研究院，亦或卫生部，我们都注意到有越来越多的数据科学家和数据分析师参与进了工作。美国商务部上周正式宣布有史以来的第一位首席数据分析师就职，伊恩•卡琳有幸地获此职位。所以，我们会尽全力将数据科学的技术和信息统计的概念，充分而务实地应用到政府工作中去，以求扩展出更优质的新服务项目。

这些新的服务仅能为政府所用？是否能惠及普通大众？

都能用。这些服务对科学家和普通市民都很有价值，我们发现人们开始关心各类因素会给他们的健康带来何种影响。随着气候变化加剧，人们越来越关心气候数据对本地的影响，例如过敏和莱姆症(Lyme disease)的发病率。这也就告诉我们，不同类型的信息组合在一起时，其凝聚而产生的效用不容小觑。我还想强调的是，共享信息能够使我们更好地抵御灾害。举个例子，每个地方政府一定都能详细地绘制出当地各类资源的位置，比如加油站等，而联邦应急管理局若是可以很好地整合这些分散的信息，那么在应对恶劣天气、雨季洪水等自然灾害时，便能更加主动，从容不迫了。

近几年来，政府越来越重视数据的作用，那么你认为政府怎样做才能在共享数据的同时做到对公众隐私的保护呢？

这个问题的核心在于如何来限定个人在访问并获取信息时的权限。这也意味着，我们在收集与使用数据时必须遵守道德，切忌侵犯他人隐私。例如，在最新公布的白宫大数据报告中，有一项重要的法案明文规定了应当如何妥善处理学生档案，以防学生的个人信息被用于商业用途。然而，另一项法案则谈及了去年的联邦贸易委员会报告，其强调了使用公共数据时应尽相关义务，并且要求企业做到信息公开化、透明化，更加亲近消费者。具体到我们的“精准医疗计划”，总统已经多次表明这会是一项亲民的法案，无论是学术界、企业界或是政府，在设立法案时都拥有平等的话语权。

你能具体描述一下使用公共数据时的义务吗？

义务就是时刻要为自己的行为负起责任，要找到最合适的透明化标准，好让人们清楚地了解自己哪些信息会被公开使用，而哪些信息被严格封存着。拿精准医疗计划来说，我们创建的是一个志愿者体系。参与进项目中的志愿者都会被事先告知，某些诊疗数据会被数据库收录而公开，当然，如果他们想更多地保护自己的隐私，不公开也是没有问题的，这完全自愿。

在数据科学领域，哪一项成就是你最引以为豪的？

最令我感到自豪的，应该要属我最近的一项科研工作和最近的一个政府项目。其中，那项科研工作的核心问题是：我们能不能换一个角度来思考天气，或许它看似杂乱无章实则有律可循呢？要问哪一种数据能切实影响人们的日常生活，天气无疑是最佳之选，有些时候气象上的微小变化，能够产生难以置信的可怕后果。哪怕对气象预报的改进有一点点帮助，都会影响到许多人，如今又是网络时代，只要宣传得当，百万，千万，上亿的人受影响已不是天方夜谭。在气象部门工作，无形中赋予了你影响千百万人生活方式的能力。

我上次在政府部门工作时，接到的一个任务叫做“伊拉克虚拟科学图书馆(Iraqi Virtual Science Library)”，该数据库后来成为了伊拉克学术界的权威领地。研发完成的四、五年后，该系统就交给了伊拉克政府。能够亲身参与数据库建立的工作，我感到很幸运，能够看着人们的生活切实地发生改变，越来越便捷，越来越精致，在数据信息领域我认为实现了个人价值。现在，能重新拾起昔日的工作，我觉得恍如隔世，却又倍感激动。在公共社会领域中，最重要也最亟需解决的问题常常被人们所忽视，而利用我的专业技能解决他们是我一直的愿望，没有什么比这更值得我付出了。