从数据科学看云端应用趋势
- DIGITIMES企划
-
在云端应用的领域中，巨量数据分析早已是一门显学。硕源信息CEO张家齐指出，数据科学目前仍是一个新的领域，如何选择数据分析的解决方案，如何跟数据分析业者沟通，以及如何分辨解决方案是否真的能解决问题，其实都与云端应用息息相关。
把探索数据的本质，当成是最喜欢的事的张家齐，首先对什麽是「数据科学」，提出他个人的看法。张家齐表示，很多人都以为，数据科学是由数学及统计的知识、黑客(Hacking)的技能、特定产业领域的知识以及实务经验交集而成，但其实「数据」及「科学」都必须加以定义。
什麽是「数据」？张家齐以股票族每天看的行情变化或线图指出，这些股市信息，其实对股票族而言，就是数据，但这些数据是否就能进行分析，又是另一个议题了。而对音乐家而言，声音的波形图，就是音乐家心目中的数据，只要看到波型图，心中自然就会「听」到音乐。
但张家齐指出，如果只是「看」数据，数据使用者的心中，就会有感受吗？就是要先对数据产生感受，才可能对于进一步的数据分析产生兴趣。而最重要的数据格式，张家齐认为，不论是文字、声音、影像或是任何一种形式，都必须先转变成数据表格的形式，才能够加以分析。
张家齐强调，选择用什麽方式查询数据，会影响分析后的正确性，如何察觉数据盲点，是很重要的。例如美食网站常常会撰写推荐文章，但张家齐认为，食物的美味，其实是一种味觉，而非文字或图片，而且许多美食文可能只是广告，所以美食文章中的「很好吃」，从数据分析的角度来看，并不是真正的「很好吃」，但如果用文字来分析数据，确实可能会用「好吃」之类的文字，去寻找那些食物才是美味的，自然就不可能得到正确的答案。
因此，在进行数据分析之前，张家齐建议一定要跟客户深度沟通，设法弄清楚有那些数据可供参考，如想要分析那些食物是美味的，应该是要掌握温、湿度或调味的酸甜比等信息，才能做出比分析文字更精准的结果。
此外，数据其实也是一种生活的状态。张家齐指出，数据本来就已经存在，就算你不蒐集、不纪录，也不会影响数据本来存在的性质。因此，在进行数据分析前，张家齐建议要不断的提醒自己，会不会还有什麽额外的信息，没有掌握到，有没有遗漏可能影响分析结果的数据。
至于科学的定义，张家齐认为，科学应该是一种可重复、重视验验证的学科，而且是可观测，重视量化，讲究的是「眼见为凭(To see is to believe)」，并以「数学」为其主要沟通语言。
张家齐指出，科学通常无法脱离生活直觉，数据科学也不例外。即使你没有发展数据科学的能力，但也一定要有评价的能力，千万不要放弃自己的直觉。事实上，如何判断两个数据之间的差距有多少，往往就是数据科学最重要的观念。
因此，「问问题」及「找答案」也就成为数据科学中最重要的两个问题。但张家齐指出，在数据科学的领域中，问题有两种，一个是真实世界会问的问题，往往要在实战中才学得到，另一个是机器或电脑会问的问题，如果弄错问题，自然就无法找到正确的答案。
张家齐指出，标准的数据分析流程，依序是提出问题、蒐集数据、将数据矢量化(问题数学化)、将生活问题，转换成数个数据问题或数学问题、解决数学问题，最后则是验证生活解答。
张家齐认为，任何人都可以学着提出问题及蒐集数据，但如果将数据矢量化、转换及解决问题，可以交由数据分析专家来处理，但在验证生活解答时，一定要亲力而为，如果分析结果违反自己的直觉，也要勇敢地提出来，而非全盘接受数据分析的结果。
而在实际应用时，如何问「好」的问题，始终是一个值得思考的重点。假设已经针对所需要蒐集的数据，建立了一个分类器，如何让数据都分对？又如何让数据群中只有所需要蒐集的数据？就攸关数据分析结果的品质了。
而将数据分析应用在云端应用上，张家齐以「推荐系统」为例指出，第一种是大量使用tensor completion技术，不但计算的数据量非常大，而且用来分析数据的机器往往所费不赀，通常是大企业在使用；第二种是使用各种local approximation系统，只能设法得到逼近前者的结果，但成本比第一种要来得低。
张家齐强调，不论是在学习任何事物，「观察直觉」及「实作技术」很重要，只有深刻的直觉，才可以驾驭艺术般的实作技术；同样的，也只有在透彻了解各种实作技术的缺点与限制时，才能在许多的碰撞与挫折的经验中，淬链出深刻的直觉与观察力。
