大數(shù)據(jù)時(shí)代的10個(gè)新理念

大數(shù)據(jù)時(shí)代的到來改變了人們的生活方式、思維模式和研究范式，我們可以總結(jié)出10個(gè)重大變化，如圖1-10所示。

（1）研究范式的新認(rèn)識(shí)——從“第三范式”到“第四范式”。2007年，圖靈獎(jiǎng)獲得者Jim Gray提出了科學(xué)研究的第四范式——數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)（Data-intensive ScientificDiscovery）。在他看來，人類科學(xué)研究活動(dòng)已經(jīng)歷過三中不同范式的演變過程（原始社會(huì)的“實(shí)驗(yàn)科學(xué)范式”、以模型和歸納為特征的“理論科學(xué)范式”和以模擬仿真為特征的“計(jì)算科學(xué)范式”），目前正在從“計(jì)算科學(xué)范式”轉(zhuǎn)向“數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)范式”。第四范式，即“數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)范式”的主要特點(diǎn)是科學(xué)研究人員只需要從大數(shù)據(jù)中查找和挖掘所需要的信息和知識(shí)，無須直接面對(duì)所研究的物理對(duì)象。例如，在大數(shù)據(jù)時(shí)代，天文學(xué)家的研究方式發(fā)生了新的變化——其主要研究任務(wù)變?yōu)閺暮Ａ繑?shù)據(jù)庫(kù)中發(fā)現(xiàn)所需的物體或現(xiàn)象的照片，而不再需要親自進(jìn)行太空拍照。再如，本書作者在一次研究生科學(xué)研究方法的調(diào)研中發(fā)現(xiàn)，絕大部分同學(xué)的研究范式有待調(diào)整——他們往往習(xí)慣性地“采用問卷調(diào)查法等方法親自收集新數(shù)據(jù)”，而不是“首先想到有沒有現(xiàn)成的大數(shù)據(jù)以及如何再利用已有的數(shù)據(jù)（數(shù)據(jù)洞見）”，如圖1-11所示。

（2）數(shù)據(jù)重要性的新認(rèn)識(shí)——從“數(shù)據(jù)資源”到“數(shù)據(jù)資產(chǎn)”。在大數(shù)據(jù)時(shí)代，數(shù)據(jù)不僅是一種“資源”，而更是一種重要的“資產(chǎn)”。因此，數(shù)據(jù)科學(xué)應(yīng)把數(shù)據(jù)當(dāng)做“一種資產(chǎn)來管理”，而不能僅僅當(dāng)做“資源”來對(duì)待。也就是說，與其他類型的資產(chǎn)相似，數(shù)據(jù)也具有財(cái)務(wù)價(jià)值，且需要作為獨(dú)立實(shí)體進(jìn)行組織與管理。

（3）對(duì)方法論的新認(rèn)識(shí)——從“基于知識(shí)解決問題”到“基于數(shù)據(jù)解決問題”。我們傳統(tǒng)的方法論往往是“基于知識(shí)”的，即從 “大量實(shí)踐（數(shù)據(jù)）”中總結(jié)和提煉出一般性知識(shí)（定理、模式、模型、函數(shù)等）之后，用知識(shí)去解決（或解釋）問題。因此，傳統(tǒng)的問題解決思路是“問題→知識(shí)→問題”，即根據(jù)問題找“知識(shí)”，并用“知識(shí)”解決“問題”。然而，數(shù)據(jù)科學(xué)中興起了另一種方法論——“問題→數(shù)據(jù)→問題”，即根據(jù)問題找“數(shù)據(jù)”，并直接用數(shù)據(jù)（不需要把“數(shù)據(jù)”轉(zhuǎn)換成“知識(shí)”的前提下）解決問題，如圖1-12所示。

（4）對(duì)數(shù)據(jù)分析的新認(rèn)識(shí)——從統(tǒng)計(jì)學(xué)到數(shù)據(jù)科學(xué)。在傳統(tǒng)科學(xué)中，數(shù)據(jù)分析主要以數(shù)學(xué)和統(tǒng)計(jì)學(xué)為直接理論工具。但是，云計(jì)算等計(jì)算模式的出現(xiàn)以及大數(shù)據(jù)時(shí)代的到來，提升了我們對(duì)數(shù)據(jù)的獲取、存儲(chǔ)、計(jì)算與管理能力，進(jìn)而對(duì)統(tǒng)計(jì)學(xué)理論與方法產(chǎn)生了深遠(yuǎn)影響，主要有：

l隨著數(shù)據(jù)獲取、存儲(chǔ)與計(jì)算能力的提升，我們可以很容易獲得統(tǒng)計(jì)學(xué)中所指的“總體”中的全部數(shù)據(jù)，且可以在總體上直接進(jìn)行計(jì)算——不再需要進(jìn)行“抽樣操作”；

l在海量、動(dòng)態(tài)、異構(gòu)數(shù)據(jù)環(huán)境中，人們更加關(guān)注的是數(shù)據(jù)計(jì)算的“效率”而不再盲目追求其“精準(zhǔn)度”。例如，在數(shù)據(jù)科學(xué)中，廣泛應(yīng)用“基于數(shù)據(jù)的”思維模式，重視對(duì)“相關(guān)性”的分析，而不是等到發(fā)現(xiàn)“真正的因果關(guān)系”之后才解決問題。在大數(shù)據(jù)時(shí)代，人們開始重視相關(guān)分析，而不僅僅是因果分析。

（5）對(duì)計(jì)算智能的新認(rèn)識(shí)——從復(fù)雜算法到簡(jiǎn)單算法。“只要擁有足夠多的數(shù)據(jù)，我們可以變得更聰明”是大數(shù)據(jù)時(shí)代的一個(gè)新認(rèn)識(shí)。因此，在大數(shù)據(jù)時(shí)代，原本復(fù)雜的“智能問題”變成簡(jiǎn)單的“數(shù)據(jù)問題”——只要對(duì)大數(shù)據(jù)的進(jìn)行簡(jiǎn)單查詢就可以達(dá)到“基于復(fù)雜算法的智能計(jì)算的效果”。為此，很多學(xué)者曾討論過一個(gè)重要話題——“大數(shù)據(jù)時(shí)代需要的是更多數(shù)據(jù)還是更好的模型（moredata or better model）？”。機(jī)器翻譯是傳統(tǒng)自然語(yǔ)言技術(shù)領(lǐng)域的難點(diǎn)，雖曾提出過很多種“算法”，但應(yīng)用效果并不理想。近年來，Google翻譯等工具改變了“實(shí)現(xiàn)策略”，不再僅靠復(fù)雜算法進(jìn)行翻譯，而對(duì)他們之前收集的跨語(yǔ)言語(yǔ)料庫(kù)進(jìn)行簡(jiǎn)單查詢的方式，提升了機(jī)器翻譯的效果和效率。

（6）對(duì)數(shù)據(jù)管理重點(diǎn)的新認(rèn)識(shí)——從業(yè)務(wù)數(shù)據(jù)化到數(shù)據(jù)業(yè)務(wù)化。在大數(shù)據(jù)時(shí)代，企業(yè)需要重視一個(gè)新的課題——數(shù)據(jù)業(yè)務(wù)化，即如何“基于數(shù)據(jù)”動(dòng)態(tài)地定義、優(yōu)化和重組業(yè)務(wù)及其流程，進(jìn)而提升業(yè)務(wù)的敏捷性，降低風(fēng)險(xiǎn)和成本。但是，在傳統(tǒng)數(shù)據(jù)管理中我們更加關(guān)注的是業(yè)務(wù)的數(shù)據(jù)化問題，即如何將業(yè)務(wù)活動(dòng)以數(shù)據(jù)方式記錄下來，以便進(jìn)行業(yè)務(wù)審計(jì)、分析與挖掘。可見，業(yè)務(wù)數(shù)據(jù)化是前提，而數(shù)據(jù)業(yè)務(wù)化是目標(biāo)。

（7）對(duì)決策方式的新認(rèn)識(shí)——從目標(biāo)驅(qū)動(dòng)型決策到數(shù)據(jù)驅(qū)動(dòng)型決策。傳統(tǒng)科學(xué)思維中，決策制定往往是“目標(biāo)”或“模型”驅(qū)動(dòng)的——根據(jù)目標(biāo)（或模型）進(jìn)行決策。然而，大數(shù)據(jù)時(shí)代出現(xiàn)了另一種思維模式，即數(shù)據(jù)驅(qū)動(dòng)型決策，數(shù)據(jù)成為決策制定的主要“觸發(fā)條件”和“重要依據(jù)”。例如，近年來，很多高新企業(yè)中的部門和崗位設(shè)置不再是“固化的”，而是根據(jù)所做項(xiàng)目與所處的數(shù)據(jù)環(huán)境，隨時(shí)動(dòng)態(tài)調(diào)整其部門和崗位設(shè)置。然而，部門和崗位設(shè)置的敏捷性往往是基于數(shù)據(jù)驅(qū)動(dòng)的，根據(jù)數(shù)據(jù)分析的結(jié)果靈活調(diào)整企業(yè)內(nèi)部結(jié)構(gòu)。

（8）對(duì)產(chǎn)業(yè)競(jìng)合關(guān)系的新認(rèn)識(shí)——從“以戰(zhàn)略為中心競(jìng)合關(guān)系”到“以數(shù)據(jù)為中心競(jìng)合關(guān)系”。在大數(shù)據(jù)時(shí)代，企業(yè)之間的競(jìng)合關(guān)系發(fā)生了變化，原本相互激烈競(jìng)爭(zhēng)，甚至不愿合作的企業(yè)，不得不開始合作，形成新的業(yè)態(tài)和產(chǎn)業(yè)鏈。例如，近年來IBM公司和Apple公司“化敵

[1]為友”，并有報(bào)道稱他們正在從競(jìng)爭(zhēng)對(duì)手轉(zhuǎn)向合作伙伴——IBM的100多名員工前往Apple的加州庫(kù)比蒂諾總部，與Apple一起為IBM的客戶（例如花旗、Sprint和日本郵政）聯(lián)合開發(fā)iPhone和iPad應(yīng)用。

（9）對(duì)數(shù)據(jù)復(fù)雜性的新認(rèn)識(shí)——從不接受到接受數(shù)據(jù)的復(fù)雜性。在傳統(tǒng)科學(xué)看來，數(shù)據(jù)需要徹底“凈化”和“集成”，計(jì)算目的是需要找出“精確答案”，而其背后的哲學(xué)是“不接受數(shù)據(jù)的復(fù)雜性”。然而，大數(shù)據(jù)中更加強(qiáng)調(diào)的是數(shù)據(jù)的動(dòng)態(tài)性、異構(gòu)性和跨域等復(fù)雜性——彈性計(jì)算、魯棒性、虛擬化和快速響應(yīng)，開始把“復(fù)雜性”當(dāng)作數(shù)據(jù)的一個(gè)固有特征來對(duì)待，組織數(shù)據(jù)生態(tài)系統(tǒng)的管理目標(biāo)轉(zhuǎn)向?qū)⒔M織處于混沌邊緣狀態(tài)。

（10）對(duì)數(shù)據(jù)處理模式的新認(rèn)識(shí)——從“小眾參與”到“大眾協(xié)同”。傳統(tǒng)科學(xué)中，數(shù)據(jù)的分析和挖掘都是具有很高專業(yè)素養(yǎng)的“企業(yè)核心員工”的事情，企業(yè)管理的重要目的是如何激勵(lì)和績(jī)效考核這些“核心員工”。但是，在大數(shù)據(jù)時(shí)代，基于“核心員工”的創(chuàng)新工作成本和風(fēng)險(xiǎn)越來越大，而基于“專家余（Pro-Am）”的大規(guī)模協(xié)作日益受到重視，正成為解決數(shù)據(jù)規(guī)模與形式化之間矛盾的重要手段。

大數(shù)據(jù)時(shí)代的新術(shù)語(yǔ)

大數(shù)據(jù)時(shí)代的到來，為我們提出一些新的任務(wù)和挑戰(zhàn)。本節(jié)我們以近幾年在大數(shù)據(jù)管理領(lǐng)域新出現(xiàn)的術(shù)語(yǔ)為線索，討論大數(shù)據(jù)時(shí)代的主要活動(dòng)和能力要求（圖1-13）。

（1）數(shù)據(jù)化（Datafication）是指捕獲人們的生活與業(yè)務(wù)活動(dòng)，并將其轉(zhuǎn)換為數(shù)據(jù)的過程。例如：

Google眼睛正在數(shù)據(jù)化人們視覺活動(dòng)；

Twitter正在數(shù)據(jù)化人們的思想動(dòng)態(tài)；

Linkedin正在數(shù)據(jù)化人們的社會(huì)關(guān)系。

目前，在個(gè)人信息的獲取中廣泛使用了數(shù)據(jù)化，非法收集，導(dǎo)致了個(gè)人隱私之間的矛盾。

（2）數(shù)據(jù)柔術(shù)(DataJiu-Jitsu)是指數(shù)據(jù)科學(xué)家將“大數(shù)據(jù)”轉(zhuǎn)換具有立即產(chǎn)生商業(yè)價(jià)值的“數(shù)據(jù)產(chǎn)品（Data Product）”的能力，如圖1-14所示。數(shù)據(jù)產(chǎn)品是指在零次數(shù)據(jù)或一次數(shù)據(jù)的基礎(chǔ)上，通過數(shù)據(jù)加工活動(dòng)形成的二次或三次數(shù)據(jù)，數(shù)據(jù)產(chǎn)品的特點(diǎn)包括：

高層次性：一般為二次數(shù)據(jù)或三次數(shù)據(jù)；

成品性：數(shù)據(jù)產(chǎn)品往往不需要（或不需要大量的）進(jìn)一步處理即可直接應(yīng)用；

商品性：數(shù)據(jù)產(chǎn)品可以直接用于銷售或交易；

易于定價(jià)：相對(duì)于原始數(shù)據(jù)，數(shù)據(jù)產(chǎn)品的定價(jià)更為容易。

（3）數(shù)據(jù)改寫（DataMunging）是指帶有一定的創(chuàng)造力和想象力的數(shù)據(jù)再加工行為，主要涉及數(shù)據(jù)的解析（parsing）、提煉（scraping）、格式化（formatting）和形式化（formalization）處理。與一般數(shù)據(jù)處理不同的是，數(shù)據(jù)再加工強(qiáng)調(diào)的是數(shù)據(jù)加工過程中的創(chuàng)造力和想象力。

（4）數(shù)據(jù)打磨（DataWrangling）是指采用全手工或半自動(dòng)化的方式，通過多次反復(fù)調(diào)整與優(yōu)化過程，即將“原始數(shù)據(jù)”轉(zhuǎn)換為“一次數(shù)據(jù)”（或“二次數(shù)據(jù)”）的過程。其特殊性表現(xiàn)在：

不是完全自動(dòng)化方式實(shí)現(xiàn)，一般用手工或半自動(dòng)化工具；

不是一次即可完成，需要多次反復(fù)調(diào)整與優(yōu)化。

（5）數(shù)據(jù)洞見（DataInsights）是指采用機(jī)器學(xué)習(xí)、數(shù)據(jù)統(tǒng)計(jì)和數(shù)據(jù)可視化等方法從海量數(shù)據(jù)中找到“人們并未發(fā)現(xiàn)的且有價(jià)值的信息”的能力。數(shù)據(jù)科學(xué)強(qiáng)調(diào)的是“數(shù)據(jù)洞見”——發(fā)現(xiàn)數(shù)據(jù)背后的信息、知識(shí)和智慧以及找到“被淹沒在海量數(shù)據(jù)中的未知數(shù)據(jù)”。與數(shù)據(jù)挖掘不同的是，數(shù)據(jù)科學(xué)項(xiàng)目的成果可以直接用于決策支持。數(shù)據(jù)洞見力的高低主要取決于主體的數(shù)據(jù)意識(shí)、經(jīng)驗(yàn)積累和分析處理能力。

（6）數(shù)據(jù)分析式思維模式（Data-AnalyticThinking）是指一種從數(shù)據(jù)視角分析問題，并“基于數(shù)據(jù)”來解決問題的思維模式。例如，當(dāng)某個(gè)具體業(yè)務(wù)的效率較低時(shí)，我們考慮是否可以利用數(shù)據(jù)提升業(yè)務(wù)效率，并進(jìn)一步提出如何通過數(shù)據(jù)提升的方法?？梢?，數(shù)據(jù)分析思維模式與傳統(tǒng)思維模式不同。前者，主要從“數(shù)據(jù)”入手，最終改變“業(yè)務(wù)”；后者從“業(yè)務(wù)”或“決策”等要素入手，最終改變“數(shù)據(jù)”。因此，數(shù)據(jù)分析式思維模式改變了我們通?？紤]問題的出發(fā)點(diǎn)和視角。從分析對(duì)象和目的看，數(shù)據(jù)分析可以分為3個(gè)不同層次，如圖1-15所示。

描述性分析( Descriptive Analysis) 是指采用數(shù)據(jù)統(tǒng)計(jì)中的描述統(tǒng)計(jì)量、數(shù)據(jù)可視化等方法描述數(shù)據(jù)的基本特征，如總和、均值、標(biāo)準(zhǔn)差等。描述性分析可以實(shí)現(xiàn)從“數(shù)據(jù)”到“信息”的轉(zhuǎn)化。

預(yù)測(cè)性分析（Predictive Analysis）是指通過因果分析、相關(guān)分析等方法“基于過去/當(dāng)前的數(shù)據(jù)”得出“潛在模式”、“共性規(guī)律”或“未來趨勢(shì)”。預(yù)測(cè)性分析可以實(shí)現(xiàn)從“信息”到“知識(shí)”的轉(zhuǎn)化。

規(guī)范性分析（Prescriptive Analytics）不僅要利用“當(dāng)前和過去的數(shù)據(jù)”，而且還會(huì)綜合考慮期望結(jié)果、所處環(huán)境、資源條件等更多影響因素，在對(duì)比分析所有可能方案的基礎(chǔ)上，提出“可以直接用于決策的建議或方案”。規(guī)范性分析可實(shí)現(xiàn)從“知識(shí)”到“智慧”的轉(zhuǎn)變。

（7）數(shù)據(jù)驅(qū)動(dòng)(Data-driven)是相對(duì)于“決策驅(qū)動(dòng)”、“目標(biāo)驅(qū)動(dòng)”、“業(yè)務(wù)驅(qū)動(dòng)”和“模型驅(qū)動(dòng)”的一種提法。也就是說，數(shù)據(jù)驅(qū)動(dòng)主要以數(shù)據(jù)為“觸發(fā)器（出發(fā)點(diǎn)）”、“視角”和“依據(jù)”，進(jìn)行觀測(cè)、控制、調(diào)整和整合其它要素——決策、目標(biāo)、業(yè)務(wù)和模型等，如圖1-16所示。數(shù)據(jù)驅(qū)動(dòng)是大數(shù)據(jù)時(shí)代的一種重要思維模式，也是“業(yè)務(wù)數(shù)據(jù)化”之后實(shí)現(xiàn)“數(shù)據(jù)業(yè)務(wù)化”的關(guān)鍵所在。

（8）數(shù)據(jù)密集型（Data-Intensive）應(yīng)用是相對(duì)于“計(jì)算密集型應(yīng)用”、“I/O密集型應(yīng)用”的一種提法，如圖1-17所示。也就是說，數(shù)據(jù)密集型應(yīng)用中數(shù)據(jù)成為應(yīng)用系統(tǒng)研發(fā)的“主要焦點(diǎn)和挑戰(zhàn)”。通常，數(shù)據(jù)密集型應(yīng)用的計(jì)算比較容易，但數(shù)據(jù)具有顯著的復(fù)雜性（異構(gòu)、動(dòng)態(tài)、跨域和海量等）和海量性。例如，當(dāng)我們對(duì)PB級(jí)復(fù)雜性數(shù)據(jù)進(jìn)行簡(jiǎn)單查詢時(shí)，“計(jì)算”不再是最主要的挑戰(zhàn)，而最主要挑戰(zhàn)來自于數(shù)據(jù)本身的復(fù)雜性。

（9）數(shù)據(jù)空間（DataSpace）是指主體的數(shù)據(jù)空間——與主體相關(guān)的數(shù)據(jù)及其關(guān)系的集合。主體相關(guān)性和可控性是數(shù)據(jù)空間中數(shù)據(jù)項(xiàng)的基本屬性。

主體是指數(shù)據(jù)空間的所有者，可以是個(gè)人，也可以是一個(gè)組織；

主體相關(guān)性是指數(shù)據(jù)空間所管理的是與特定主體相關(guān)的信息，而這些信息可以出現(xiàn)在不同的時(shí)間，存放在不同的位置，也可以采用不同的格式表示；

主體可控性是指主體通過各種操作或服務(wù)來控制和管理數(shù)據(jù)空間中數(shù)據(jù)項(xiàng)。

可見，數(shù)據(jù)空間為我們解決來自跨域、異構(gòu)、動(dòng)態(tài)數(shù)據(jù)源的集成管理提供了一種新的思路和解決方案。相對(duì)于數(shù)據(jù)庫(kù)技術(shù)，數(shù)據(jù)空間技術(shù)具有現(xiàn)收現(xiàn)付（Pay-as-you-go）、數(shù)據(jù)在先，模式在后、不斷演化的數(shù)據(jù)模型、數(shù)據(jù)集成不改變數(shù)據(jù)的原有格式、數(shù)據(jù)內(nèi)容以共存形式分布在不同數(shù)據(jù)源、自動(dòng)處理數(shù)據(jù)源的動(dòng)態(tài)變化、充分利用數(shù)據(jù)源的自我管理能力、主體對(duì)數(shù)據(jù)具有部分控制能力、建設(shè)過程信息丟失相對(duì)少、支持?jǐn)?shù)據(jù)關(guān)聯(lián)的動(dòng)態(tài)變化以及服務(wù)質(zhì)量的不確定性等特點(diǎn)。

（10）關(guān)聯(lián)數(shù)據(jù)（LindedData）是一種數(shù)據(jù)發(fā)布和關(guān)聯(lián)的方法。其中，數(shù)據(jù)發(fā)布是指采用RDF(Resource DescriptionFramework,資源描述框架)和HTTP(Hypertext TransferProtocol,超文本傳輸協(xié)議) 技術(shù)在Web上發(fā)布結(jié)構(gòu)化信息；數(shù)據(jù)關(guān)聯(lián)是指采用RDF鏈接技術(shù)在不同數(shù)據(jù)源中的數(shù)據(jù)之間建立計(jì)算機(jī)可理解的互連關(guān)系。2006年，Tim Berners Lee 首次提出了關(guān)聯(lián)數(shù)據(jù)的理念，目的在于不同資源之間建立計(jì)算機(jī)可理解的關(guān)聯(lián)信息，最終形成全球性大數(shù)據(jù)空間。Tim Berners Lee進(jìn)一步明確提出了關(guān)聯(lián)數(shù)據(jù)技術(shù)中的數(shù)據(jù)發(fā)布和數(shù)據(jù)關(guān)聯(lián)的4項(xiàng)原則：

采用URI（UniformResource Identifier，統(tǒng)一資源標(biāo)識(shí)符）技術(shù)統(tǒng)一標(biāo)識(shí)事物；

通過HTTPURI訪問URI標(biāo)識(shí)；

當(dāng)URI被訪問時(shí)，采用RDF（Resource Description Framework，資源描述框架）和SPARQL（SimpleProtocol and RDF Query Language）標(biāo)準(zhǔn)，提供有用信息；

提供信息時(shí)，也提供指向其他事物的URI，以便發(fā)現(xiàn)更多事物。

除了上述概念之外，還有數(shù)據(jù)消減(Data Reduction)、數(shù)據(jù)新聞（Data Journalism）、數(shù)據(jù)的開放獲?。∣penAccess）、數(shù)據(jù)質(zhì)量、特征提取等傳統(tǒng)概念也重新備受關(guān)注。

本文節(jié)選自《數(shù)據(jù)科學(xué)》

新書推薦

作者：朝樂門

定價(jià)：49元

ISBN：9787302436997

出版日期：2016.08

作者簡(jiǎn)介

朝樂門，中國(guó)人民大學(xué)副教授，碩士生導(dǎo)師、中國(guó)計(jì)算機(jī)學(xué)會(huì)信息系統(tǒng)專委員會(huì)委員、ACM高級(jí)會(huì)員、國(guó)際知識(shí)管理協(xié)會(huì)正式成員。清華大學(xué)博士后，人民大學(xué)博士，北京大學(xué)碩士。主持完成國(guó)家自然科學(xué)基金、國(guó)家社會(huì)科學(xué)基金等重要科學(xué)研究項(xiàng)目10余項(xiàng)；參與完成核高基、973、863等國(guó)家重大科研項(xiàng)目10余項(xiàng)；獲得北京市中青年骨干教師、Emerald/ EFMD國(guó)際杰出博士論文獎(jiǎng)、國(guó)際知識(shí)管理與智力資本杰出成就獎(jiǎng)、中國(guó)人民大學(xué)優(yōu)秀博士論文獎(jiǎng)等獎(jiǎng)勵(lì)30余項(xiàng)。

數(shù)據(jù)科學(xué)是一門新興的熱門科學(xué)，國(guó)外一流大學(xué)紛紛設(shè)立同名課程，相應(yīng)的專業(yè)、課程及書籍也深受歡迎。本書是國(guó)內(nèi)第一部系統(tǒng)闡述數(shù)據(jù)科學(xué)的重要專著，填補(bǔ)了國(guó)內(nèi)此領(lǐng)域的空白。本書在結(jié)構(gòu)設(shè)計(jì)和內(nèi)容選擇上不僅充分借鑒了國(guó)外著名大學(xué)設(shè)立的相關(guān)課程以及全球暢銷的外文專著，也考慮到了國(guó)內(nèi)相關(guān)課程定位與專業(yè)人才的培養(yǎng)需求。

本書共包括8個(gè)部分（基礎(chǔ)知識(shí)、數(shù)據(jù)預(yù)處理、數(shù)據(jù)統(tǒng)計(jì)、機(jī)器學(xué)習(xí)、數(shù)據(jù)可視化、數(shù)據(jù)計(jì)算、數(shù)據(jù)管理以及R編程），既涵蓋了數(shù)據(jù)科學(xué)的基本內(nèi)容，又避免了與相關(guān)課程的低級(jí)重復(fù)。每章設(shè)有綜合例題，做到理論學(xué)習(xí)與動(dòng)手操作相結(jié)合。例題均采用R語(yǔ)言完成數(shù)據(jù)科學(xué)的特定任務(wù)。每章的首尾配有“導(dǎo)讀”與“小結(jié)”，便于教師的教學(xué)和學(xué)生的自學(xué)?！傲?xí)題”部分以主動(dòng)數(shù)據(jù)收集和分析的開放題目為主，旨在幫助學(xué)生提高自我學(xué)習(xí)能力。書后附有R語(yǔ)言語(yǔ)法，便于入門的教學(xué)與學(xué)習(xí)。

本書可以滿足數(shù)據(jù)科學(xué)、計(jì)算機(jī)科學(xué)與技術(shù)、管理學(xué)、數(shù)據(jù)統(tǒng)計(jì)、數(shù)據(jù)分析、圖情檔類等多個(gè)專業(yè)的老師、學(xué)生（含碩士生和博士生）的教學(xué)與自學(xué)需要。

如果需要樣書，可以在微信公眾號(hào)“書圈”申請(qǐng)，僅限教師。