《数据科学实战》试读：1.2　冲出迷雾

Rachel 取得统计学博士学位到她在谷歌工作的这段经历，或许能帮我们解答一些疑惑， 她说： 进入谷歌之后，我很快就意识到工作中用到的东西和我读统计学博士学位时学到 的东西差别很大。并不是说我的统计学知识毫无用武之地，相反，我在学校学到 的东西为我思考问题提供了一个框架，统计学的很多知识都为我的日常工作提供 了坚实的理论和实践基础。 在谷歌工作期间，我发现必须掌握很多在学校没学到的东西，比如计算、编程、 数据可视化技能和许多领域知识。这种经验既特殊又普遍，我拥有统计背景，因此需要补充前面提到过的那些知识，而若换作一位计算机、社会学或者物理学背 景的人，他们也需要根据自己的知识缺陷去补充相应的知识。每个人都拥有自己 独特的知识结构，重要的是大家能够紧密合作，取长补短，组成一个团队去解决 数据问题。 一般人对上述故事肯定会有这样一种想法：你走上工作岗位后就会发现，在学校学到的知 识，远远不能满足实际工作的需要。因此，本书中教授的统计学知识与业界所应用的统计 学方法，肯定也是不尽相同的。对此，我们有一些自己的看法。 • 为什么学校里的统计要和工业界的统计如此不同？为什么很多学校的课程要和现实如此 脱节？ • 这种差异不仅存在于学校里的统计和工业界的统计之间。很多数据科学家的一个共同感 受是，工作时他们需要接触更多的知识、方法论和工序（详见第 2 章），而这些东西都 是以统计学和计算机科学为基础的。 抛却这些媒体给予数据科学的光环，只有一件事是实在的：数据科学是一个新生事物。它 刚刚诞生，却被赋予了太多荣耀，使人们对其充满了很多不切实际的幻想，而幻想最终是 会破灭的。我们要保护数据科学，过分吹捧可能会让这个新兴领域过早夭折。 Rachel 决定去研究数据科学这一文化现象，她想了解其他人对数据科学的感受。她开始和 谷歌的人接触，和很多创业公司和高科技公司的人接触，和大学（特别是统计系）里的老 师们接触。 从这些接触中，Rachel 觉得数据科学的轮廓渐渐清晰起来，她进一步深入，决定在哥伦 比亚大学开设一门数据科学导论课程，与此同时 Cathy 在博客上连载了该课程的讲义。我 们期望在这门课程结束时，我们，还有我们的学生们能对数据科学的本质有一个清晰的理 解。现在我们把课程的内容集结成书，也是希望帮助更多的人去了解数据科学。