自從統(tǒng)計(jì)學(xué)作為一個(gè)領(lǐng)域誕生以來(lái)，它就一直受到科學(xué)技術(shù)進(jìn)步的影響。今天，在幾乎每個(gè)學(xué)科中都需要收集和分析數(shù)據(jù)的情況下，這一點(diǎn)可能尤其如此。隨著數(shù)據(jù)驅(qū)動(dòng)的科學(xué)范式成為一種新規(guī)范，我們有機(jī)會(huì)改變自己的領(lǐng)域，并在數(shù)據(jù)科學(xué)中發(fā)揮領(lǐng)導(dǎo)作用，尤其是在統(tǒng)計(jì)思維與計(jì)算思維之間的相互作用上。正如Wender(2017)在國(guó)家科學(xué)院的報(bào)告所討論的那樣，大數(shù)據(jù)既有希望，也有危險(xiǎn)。統(tǒng)計(jì)數(shù)據(jù)正處于以數(shù)據(jù)為中心的世界的中心，可以幫助私營(yíng)和公共部門(mén)的科學(xué)家和領(lǐng)導(dǎo)者實(shí)現(xiàn)大數(shù)據(jù)的真正潛力。

為了融入當(dāng)今重要的社會(huì)和科學(xué)計(jì)劃，我們絕不能將研究局限于純粹的知識(shí)好奇心，也不能將對(duì)下一代統(tǒng)計(jì)學(xué)家和數(shù)據(jù)科學(xué)家的培訓(xùn)僅限于傳統(tǒng)課程，無(wú)論它們?cè)?jīng)多么成功。10月的研討會(huì)以三位在精密醫(yī)學(xué)領(lǐng)域最前沿的數(shù)據(jù)科學(xué)家(Simon Tavaré)、微數(shù)據(jù)的使用(Julia Lane)和天文數(shù)據(jù)(Robert Lupton)的演講為開(kāi)端，并繼續(xù)討論了許多數(shù)據(jù)挑戰(zhàn)。我們同意，雖然統(tǒng)計(jì)數(shù)據(jù)本身就是一個(gè)領(lǐng)域，但它與應(yīng)用的緊密聯(lián)系必須繼續(xù)并加強(qiáng)，這些應(yīng)用自然包括來(lái)自物理科學(xué)、社會(huì)科學(xué)、醫(yī)學(xué)、工程、金融、工業(yè)、治理、體育和藝術(shù)的各種數(shù)據(jù)問(wèn)題。

統(tǒng)計(jì)和數(shù)據(jù)科學(xué)的核心價(jià)值在于它如何促進(jìn)科學(xué)和社會(huì)的理解與發(fā)現(xiàn)。合理的數(shù)據(jù)收集實(shí)驗(yàn)設(shè)計(jì)可提高效率和數(shù)據(jù)質(zhì)量。統(tǒng)計(jì)過(guò)程控制導(dǎo)致制造質(zhì)量的提高。不確定性的統(tǒng)計(jì)量化在確認(rèn)分析和減少錯(cuò)誤發(fā)現(xiàn)的風(fēng)險(xiǎn)中起著至關(guān)重要的作用。重采樣方法和貝葉斯計(jì)算在廣泛的應(yīng)用中很有用，因?yàn)樗鼈兛梢匀菁{復(fù)雜的模型。對(duì)于統(tǒng)計(jì)和數(shù)據(jù)科學(xué)而言，持續(xù)證明其對(duì)現(xiàn)實(shí)世界問(wèn)題的價(jià)值很重要。

統(tǒng)計(jì)學(xué)發(fā)展了作為數(shù)據(jù)分析指導(dǎo)原則的基礎(chǔ)和理論。計(jì)算方法和軟件開(kāi)發(fā)對(duì)于實(shí)踐同樣重要。我們工作的影響不應(yīng)局限于任何單個(gè)應(yīng)用程序，統(tǒng)計(jì)的進(jìn)步可以對(duì)許多應(yīng)用產(chǎn)生重大影響(例如，Bootstrap、MCMC和貝葉斯計(jì)算、類(lèi)似LASSO的壓縮感知方法、一般的適用于大數(shù)據(jù)的非參數(shù)化方法，例如隨機(jī)森林和深度神經(jīng)網(wǎng)絡(luò))。

許多成熟的統(tǒng)計(jì)方法已被“商品化”—有免費(fèi)的，高質(zhì)量的軟件可以執(zhí)行許多統(tǒng)計(jì)分析。這些方法通?？梢蕴峁﹥r(jià)值，但需要統(tǒng)計(jì)學(xué)家扮演新角色。我們需要訓(xùn)練下一代的數(shù)據(jù)科學(xué)家，他們具有在問(wèn)題表述和對(duì)統(tǒng)計(jì)概念的正確解釋等方面的關(guān)鍵技能。

新理論、方法和方法的動(dòng)機(jī)可能源于由新的調(diào)查領(lǐng)域驅(qū)動(dòng)的大規(guī)模協(xié)作調(diào)查，這些調(diào)查通過(guò)現(xiàn)代傳感和數(shù)據(jù)收集技術(shù)以及最先進(jìn)的數(shù)據(jù)存儲(chǔ)和計(jì)算平臺(tái)而得以實(shí)現(xiàn)。這些調(diào)查幾乎影響了所有領(lǐng)域，并改變了統(tǒng)計(jì)與之相關(guān)的方式。從農(nóng)業(yè)到社交網(wǎng)絡(luò)，從遺傳學(xué)到商業(yè)分析，統(tǒng)計(jì)學(xué)家和數(shù)據(jù)科學(xué)家都處于獨(dú)特的位置，可以幫助科學(xué)家解決有關(guān)數(shù)據(jù)發(fā)現(xiàn)的重要問(wèn)題。

統(tǒng)計(jì)人員和統(tǒng)計(jì)學(xué)如何協(xié)助和進(jìn)行科學(xué)研究有很多方式。它們包括:

1.通用方法和軟件(例如，回歸，用于設(shè)計(jì)實(shí)驗(yàn)的DOE軟件)的應(yīng)用

由于改進(jìn)的軟件和數(shù)據(jù)平臺(tái)，在線幫助(例如堆棧交換)、開(kāi)放源代碼的用戶支持的靈活通用軟件環(huán)境(python，R)，通用工具的使用近來(lái)有迅速的強(qiáng)大正面效果。統(tǒng)計(jì)方法和軟件已經(jīng)出現(xiàn)爆炸式增長(zhǎng)，現(xiàn)在可供所有用戶使用(R包，python)。大數(shù)據(jù)科學(xué)家顯然從這種把統(tǒng)計(jì)提供給應(yīng)用的模式中受益。此外，由于他們具有從現(xiàn)代(數(shù)據(jù)密集型，HPC和網(wǎng)格)平臺(tái)訪問(wèn)數(shù)據(jù)的技能，因此可以將已開(kāi)發(fā)的方法和軟件應(yīng)用于新出現(xiàn)的問(wèn)題。

2.作為大學(xué)環(huán)境中的顧問(wèn)或自由職業(yè)者

統(tǒng)計(jì)人員和數(shù)據(jù)科學(xué)家可能會(huì)專(zhuān)注于特定類(lèi)型的問(wèn)題或各種類(lèi)型的問(wèn)題，通常是多學(xué)科團(tuán)隊(duì)努力的一部分。這是統(tǒng)計(jì)學(xué)和數(shù)據(jù)科學(xué)在以后幾十年需要產(chǎn)生影響的領(lǐng)域—因此，我們應(yīng)該牢記這一點(diǎn)來(lái)進(jìn)行激勵(lì)、培訓(xùn)和開(kāi)展研究。統(tǒng)計(jì)人員和數(shù)據(jù)科學(xué)家可以而且應(yīng)該在國(guó)家實(shí)驗(yàn)室、國(guó)家項(xiàng)目(例如大型天氣觀測(cè)望遠(yuǎn)鏡，DARPA)，主要行業(yè)(例如制藥公司，保險(xiǎn)公司)和政府(例如美國(guó)人口普查，USDA)中發(fā)揮積極作用)。

3.作為學(xué)術(shù)研究人員

在這種環(huán)境下，研究與教學(xué)自然融合。但是，協(xié)作/多學(xué)科科學(xué)的深度可能會(huì)受到其他約束的限制。一個(gè)主要的約束是教師需要以主要作者的身份出版大量出版物。學(xué)術(shù)院系需要找到鼓勵(lì)研究人員參與大規(guī)模，多學(xué)科科學(xué)工作的方法。對(duì)學(xué)術(shù)成就的評(píng)估需要不限于只考慮本領(lǐng)域的出版物數(shù)量。應(yīng)該強(qiáng)調(diào)對(duì)實(shí)際領(lǐng)域科學(xué)和數(shù)據(jù)科學(xué)實(shí)踐中的領(lǐng)導(dǎo)作用的可衡量的影響。為了使我們的領(lǐng)域在未來(lái)十年中蓬勃發(fā)展，迫切需要這樣的變革。

1.2 統(tǒng)計(jì)與人工智能

在許多技術(shù)和科學(xué)領(lǐng)域，“人工智能”(AI)一詞已開(kāi)始被廣泛地用來(lái)描述使用數(shù)據(jù)分析和基于數(shù)據(jù)的決定來(lái)代替?zhèn)鹘y(tǒng)的計(jì)算機(jī)編程，這往往是在補(bǔ)充甚至取代人類(lèi)的判斷。

大約在1955年，人工智能的最初目標(biāo)是在軟件和硬件方面模仿人類(lèi)的智慧。這一目標(biāo)仍然是一個(gè)崇高的愿望，但可以說(shuō)，這一目標(biāo)遠(yuǎn)未實(shí)現(xiàn)。在接下來(lái)的幾十年中，人工智能研究人員致力于實(shí)現(xiàn)這一目標(biāo)，探索了一系列方法，包括邏輯推理、約束滿意度、規(guī)劃、概率推理和從數(shù)據(jù)中學(xué)習(xí)。后者通常被稱(chēng)為“機(jī)器學(xué)習(xí)”(ML)，這個(gè)術(shù)語(yǔ)在20世紀(jì)80年代開(kāi)始被自我認(rèn)定為人工智能研究人員的研究人員所廣泛使用。然而，到20世紀(jì)90年代，ML的方法和理論原理顯然與統(tǒng)計(jì)方法和原則密切相關(guān)，即使不是一模一樣的，ML和統(tǒng)計(jì)之間的區(qū)別開(kāi)始消失。這兩個(gè)傳統(tǒng)的研究人員對(duì)跨越舊邊界的問(wèn)題做出了重大貢獻(xiàn)。對(duì)ML產(chǎn)生了粗略的表征，強(qiáng)調(diào)分類(lèi)、預(yù)測(cè)、非參數(shù)和計(jì)算效率。

這些新興理念直接適用于工業(yè)中新出現(xiàn)的問(wèn)題，20世紀(jì)90年代和2000年代，ML在關(guān)鍵任務(wù)領(lǐng)域，如欺詐檢測(cè)、供應(yīng)鏈建模、推薦系統(tǒng)、診斷、個(gè)性化搜索、廣告展示、工業(yè)機(jī)器人和物流。這些應(yīng)用依靠開(kāi)發(fā)平臺(tái)來(lái)收集和處理日益大量的數(shù)據(jù)，這項(xiàng)活動(dòng)需要計(jì)算機(jī)科學(xué)其他分支，特別是分布式系統(tǒng)和數(shù)據(jù)庫(kù)的專(zhuān)門(mén)知識(shí)。工業(yè)界開(kāi)始使用“數(shù)據(jù)科學(xué)”一詞來(lái)指能夠以這種方式混合統(tǒng)計(jì)、數(shù)據(jù)庫(kù)和分布式系統(tǒng)的個(gè)人和研究團(tuán)隊(duì)。同時(shí)，科學(xué)界的研究者，尤其是天文學(xué)，基因組學(xué)和地球科學(xué)的研究者，開(kāi)始建立用于大規(guī)模數(shù)據(jù)分析的平臺(tái)，并經(jīng)常與業(yè)界共享資源(通過(guò)開(kāi)源軟件的出現(xiàn))，并且他們的企業(yè)通常也被稱(chēng)為“數(shù)據(jù)科學(xué)”。最后，整個(gè)企業(yè)不僅涉及平臺(tái)，而且與大規(guī)模數(shù)據(jù)有關(guān)，“數(shù)據(jù)科學(xué)”也在挑戰(zhàn)新環(huán)境中開(kāi)始涉及應(yīng)用統(tǒng)計(jì)的一些經(jīng)典問(wèn)題(例如，缺失數(shù)據(jù)、可視化和因果關(guān)系)。

在過(guò)去十年中，這些趨勢(shì)發(fā)生了哪些變化，以至于被貼上了“AI”的標(biāo)簽？主要的變化是，數(shù)據(jù)集在計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別和語(yǔ)言翻譯等領(lǐng)域出現(xiàn)，這些領(lǐng)域具有足夠的規(guī)模和范圍，可以構(gòu)建系統(tǒng)，利用這些數(shù)據(jù)來(lái)模擬人類(lèi)的感知和語(yǔ)言技能。實(shí)現(xiàn)這一點(diǎn)的算法是ML算法，這些算法與20世紀(jì)80年代相比變化不大，其中最重要的算法是神經(jīng)網(wǎng)絡(luò)中的反向傳播，該算法在80年代開(kāi)發(fā)，其根源在于20世紀(jì)50年代在最佳控制、信號(hào)處理、優(yōu)化和統(tǒng)計(jì)。平臺(tái)已經(jīng)改變，但是這些變化是工業(yè)和科學(xué)中大規(guī)模數(shù)據(jù)分析的更大趨勢(shì)的一部分。簡(jiǎn)而言之，新的數(shù)據(jù)集的出現(xiàn)使得計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別和語(yǔ)言翻譯的經(jīng)典AI中心取得了顯著進(jìn)展，這引發(fā)了整個(gè)企業(yè)的擴(kuò)張，以反映其模仿人類(lèi)的初衷。

Jordan(2019)將經(jīng)典的模仿人類(lèi)的人工智能與智能增強(qiáng)(intelligence augmentation，IA)區(qū)別開(kāi)來(lái)。在智能增強(qiáng)(IA)中，計(jì)算機(jī)用于增強(qiáng)人類(lèi)的感知，認(rèn)知和決策能力，如搜索引擎和圖像處理;在智能基礎(chǔ)設(shè)施(intelligent infrastructure， II)中，網(wǎng)絡(luò)的設(shè)備需要與多個(gè)人類(lèi)決策者一起做出大量近乎同時(shí)的決策，例如在現(xiàn)代交通、商業(yè)、醫(yī)藥和金融系統(tǒng)中。統(tǒng)計(jì)原則在IA和II中至少與AI一樣重要。此外，在II中，統(tǒng)計(jì)原則將需要與微觀經(jīng)濟(jì)學(xué)原則相融合，以便相互作用的決策者可以有效地合作以應(yīng)對(duì)稀缺性并確保公平和機(jī)會(huì)的獲取。

數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)和統(tǒng)計(jì)在它們要解決的問(wèn)題方面有著基本相同的目標(biāo)。這些領(lǐng)域的研究人員從不同但相互重疊的角度開(kāi)發(fā)了方法論和方法。統(tǒng)計(jì)學(xué)并不認(rèn)同模仿人類(lèi)來(lái)構(gòu)建自主學(xué)習(xí)系統(tǒng)的總體目標(biāo)，而是側(cè)重于不確定性下的推理和決策過(guò)程中涉及的科學(xué)、數(shù)學(xué)、計(jì)算和社會(huì)問(wèn)題。這些交錯(cuò)領(lǐng)域之間正在發(fā)生一些交互和協(xié)作，并且還需要更多。對(duì)于深度學(xué)習(xí)的最新突破，人類(lèi)的印記或參與以及計(jì)算能力是必不可少的，但是對(duì)于某些任務(wù)(例如病理報(bào)告解讀)，我們可以想象，隨著時(shí)間的推移，人類(lèi)將在人類(lèi)前進(jìn)到下一個(gè)挑戰(zhàn)時(shí)，機(jī)器將扮演更重要的角色。

2. 科學(xué)和社會(huì)應(yīng)用中的挑戰(zhàn)

2.1 數(shù)據(jù)挑戰(zhàn)

復(fù)雜的領(lǐng)域問(wèn)題伴隨著不同的數(shù)據(jù)形式:數(shù)字、圖像/視頻、語(yǔ)音和文本、以及這些形式的集成。統(tǒng)計(jì)的轉(zhuǎn)變是由大膽的實(shí)踐和跨學(xué)科研究驅(qū)動(dòng)的，這些學(xué)科在計(jì)算和理論的支持下來(lái)解決此類(lèi)數(shù)據(jù)問(wèn)題。相關(guān)的理論和計(jì)算是始終需要的，但與過(guò)去相比，在很大程度上，有價(jià)值的學(xué)術(shù)成就將建立在在實(shí)踐和跨學(xué)科研究的基礎(chǔ)上。

具體來(lái)說(shuō)，在新時(shí)代，我們看到以下數(shù)據(jù)挑戰(zhàn)：

1.  數(shù)據(jù)的復(fù)雜方式多種多樣:數(shù)量、速度、多樣性、有效性，如果包括對(duì)抗性訓(xùn)練，甚至用V代表Vendetta(仇殺隊(duì))

2.  在許多情況下，可用數(shù)據(jù)并不是總體的有代表性的樣本

3.  通常，觀察到的數(shù)據(jù)是許多不同數(shù)據(jù)生成機(jī)制的疊加

4.  一些特定的解決方案可以推廣，而某些則不能。我們可以在類(lèi)似問(wèn)題上借用其強(qiáng)項(xiàng)及獲得啟發(fā)，但是每種分析都必須適合于實(shí)際情況，以實(shí)現(xiàn)最大的收益

5.  歐盟的“通用數(shù)據(jù)保護(hù)條例”對(duì)分析施加了緊迫性，因?yàn)槿藗兛赡軙?huì)反復(fù)隨意地選擇加入或退出研究，并且分析人員可能需要不斷進(jìn)行昂貴的重新計(jì)算

6.  “通用數(shù)據(jù)保護(hù)條例”還要求透明性和可解釋性。如果某人被拒絕貸款，那么分析師必須能夠解釋原因——他們需要再穩(wěn)定工作兩年，或者他們每年需要多賺5000美元。定義可解釋性的含義是當(dāng)前的研究

7.  可重復(fù)性:數(shù)據(jù)的清潔程序和處理需要成為可重復(fù)性管道的一部分。我們需要制定一套通用標(biāo)準(zhǔn)

8.  公平性:負(fù)責(zé)任的數(shù)據(jù)分析必須解決公平性問(wèn)題。當(dāng)數(shù)據(jù)涉及人群的時(shí)候，抽樣或測(cè)量中的偏差會(huì)導(dǎo)致歧視。我們必須教育所有人在數(shù)據(jù)分析中關(guān)于確保公平性的需要；參見(jiàn)，例如，Dwork et al(2012)

相應(yīng)的文化和人類(lèi)結(jié)構(gòu)需要與這些數(shù)據(jù)挑戰(zhàn)保持一致:

1. 基礎(chǔ)設(shè)施:需要考慮到與數(shù)據(jù)分析有關(guān)的“費(fèi)用”，包括組織大量數(shù)據(jù)和理解數(shù)據(jù)結(jié)構(gòu)。這需要物理基礎(chǔ)設(shè)施(數(shù)據(jù)庫(kù)、在線存儲(chǔ)庫(kù)、數(shù)據(jù)管理、GitHub和共享軟件)以及具有適當(dāng)知識(shí)/培訓(xùn)的數(shù)據(jù)“專(zhuān)家”

2. 隨著問(wèn)題空間變得越來(lái)越復(fù)雜(例如，基因組學(xué)或社交網(wǎng)絡(luò)中的因果推理)，需要多學(xué)科團(tuán)隊(duì)，甚至需要確定一個(gè)可處理的問(wèn)題

3. 數(shù)據(jù)挑戰(zhàn)通常是依賴(lài)于領(lǐng)域的;不同的領(lǐng)域(從物理科學(xué)到社會(huì)科學(xué))需要具有不同技能/專(zhuān)業(yè)知識(shí)的統(tǒng)計(jì)學(xué)家和數(shù)據(jù)科學(xué)家。重新構(gòu)想的統(tǒng)計(jì)教育計(jì)劃需要用這樣的技能來(lái)訓(xùn)練我們的學(xué)生

統(tǒng)計(jì)本身產(chǎn)生于科學(xué)家需要量化地使用測(cè)量、觀察和實(shí)驗(yàn)以更好地理解科學(xué)現(xiàn)象的需要。天文學(xué)、賭博和遺傳學(xué)等初始應(yīng)用領(lǐng)域推動(dòng)了統(tǒng)計(jì)理論、概念和方法的開(kāi)發(fā)和使用。自Breiman(2001)以來(lái)，我們?cè)趯C(jī)器學(xué)習(xí)作為統(tǒng)計(jì)的一部分方面取得了進(jìn)展。在數(shù)據(jù)科學(xué)時(shí)代，新興應(yīng)用非常豐富。在接下來(lái)的幾個(gè)小節(jié)中，我們討論了選定的幾個(gè)，并不做出列表是詳盡無(wú)遺的任何暗示。

2.2 精準(zhǔn)健康/醫(yī)學(xué)

精確的健康/醫(yī)學(xué)研究需要對(duì)多模式、多尺度、多視角、異質(zhì)和相依賴(lài)數(shù)據(jù)進(jìn)行集成和推斷;預(yù)測(cè)和不確定性量化以解決臨床醫(yī)學(xué)最大問(wèn)題;將根據(jù)療效數(shù)據(jù)(即臨床試驗(yàn)數(shù)據(jù))獲得的結(jié)果外推至有效性數(shù)據(jù)和個(gè)別患者的治療。

由于生物醫(yī)學(xué)研究技術(shù)的進(jìn)步以及捕獲和存儲(chǔ)大量數(shù)據(jù)的整體能力的提高，生命科學(xué)，醫(yī)學(xué)科學(xué)以及公共衛(wèi)生領(lǐng)域的研究已經(jīng)發(fā)生了重大轉(zhuǎn)變。這些變化將科學(xué)生產(chǎn)力的瓶頸從數(shù)據(jù)生成和收集轉(zhuǎn)移到了數(shù)據(jù)管理、分析和解釋。生物醫(yī)學(xué)和生命科學(xué)中數(shù)據(jù)的爆炸式增長(zhǎng)可以用來(lái)構(gòu)建更精確，更準(zhǔn)確的疾病分類(lèi)以進(jìn)一步發(fā)展精確的健康/醫(yī)學(xué)概念，從而有可能徹底改變?cè)\斷，治療和臨床決策的制定，以導(dǎo)致進(jìn)行更個(gè)性化的治療并改善患者預(yù)后。例如，降低基因組測(cè)序的成本會(huì)增加可用的遺傳數(shù)據(jù)，這些數(shù)據(jù)可用于了解許多疾病的根本原因。此外，電子健康記錄可用性的提高提供了對(duì)臨床數(shù)據(jù)的訪問(wèn)，而各種移動(dòng)設(shè)備提供了生活方式和其他類(lèi)型的數(shù)據(jù)，可用于促進(jìn)疾病的更準(zhǔn)確診斷和治療。

因此，精密醫(yī)學(xué)是一種新興的疾病治療和預(yù)防方法，它可以解決個(gè)體差異并整合一系列個(gè)性化數(shù)據(jù)，包括基因組、表觀遺傳、環(huán)境、生活方式和病史數(shù)據(jù)。它著重于將個(gè)體分為對(duì)疾病的易感性和可能的治療反應(yīng)不同的亞群。

為了實(shí)現(xiàn)精確健康的承諾，我們需要克服許多科學(xué)挑戰(zhàn)，這些挑戰(zhàn)來(lái)自考慮所使用的多個(gè)數(shù)據(jù)源的特征—每個(gè)人被收集的數(shù)據(jù)歷史記錄，包括醫(yī)療記錄、健康概況、可穿戴設(shè)備、它們所接觸的環(huán)境、遺傳信息等。這些包括不同的數(shù)據(jù)類(lèi)型，例如，數(shù)值、文本和圖像數(shù)據(jù)(多模式數(shù)據(jù))、多分辨率、多視角依賴(lài)數(shù)據(jù)，具有許多不同類(lèi)型的相關(guān)性，例如時(shí)間、空間和局部相關(guān)。此外，數(shù)據(jù)中可能存在測(cè)量誤差和偏差、異質(zhì)性(局部和空間環(huán)境異質(zhì)性)以及個(gè)體變異性和總體異質(zhì)性。所有上述數(shù)據(jù)特征都帶來(lái)了需要解決的基本挑戰(zhàn)。

精確健康的基本挑戰(zhàn)之一是識(shí)別治療效果的亞組。這是實(shí)現(xiàn)精確健康益處的重要一步，因?yàn)樗峁┝岁P(guān)于具有特定特征的個(gè)人對(duì)特定治療在療效或不良反應(yīng)下如何作出反應(yīng)的證據(jù)。不同的治療效果不僅包括各亞組發(fā)生的治療效果的數(shù)量差異，還包括治療效果的質(zhì)量差異。此外，根據(jù)研究目標(biāo)，亞組的特征可能是探索性、數(shù)據(jù)驅(qū)動(dòng)性或確認(rèn)性。區(qū)分治療效果的亞組鑒定方法背后的一個(gè)關(guān)鍵思想是鑒定可以推動(dòng)治療效果改變的預(yù)測(cè)協(xié)變量(生物標(biāo)志物)。數(shù)據(jù)驅(qū)動(dòng)的方法通常用于亞組識(shí)別，考慮到這一挑戰(zhàn)對(duì)精確健康的重要性，需要新的方法。一個(gè)基本問(wèn)題是開(kāi)發(fā)用于子組后選擇的推斷方法。在精密醫(yī)學(xué)研究中需要納入適當(dāng)?shù)慕y(tǒng)計(jì)程序和對(duì)事后選定子組進(jìn)行確認(rèn)分析。

在精密醫(yī)學(xué)領(lǐng)域中出現(xiàn)的其他挑戰(zhàn)包括需要開(kāi)發(fā)一種方法來(lái)測(cè)量一系列疾病的風(fēng)險(xiǎn)以及開(kāi)發(fā)數(shù)據(jù)集成方法以使人們能夠解決重要的推斷性問(wèn)題。數(shù)據(jù)集成是當(dāng)前活躍的研究領(lǐng)域，許多科學(xué)領(lǐng)域都對(duì)此做出了貢獻(xiàn)。在生物統(tǒng)計(jì)學(xué)領(lǐng)域，通過(guò)各種形式的薈萃分析在一定條件下進(jìn)行數(shù)據(jù)整合。盡管過(guò)去和現(xiàn)在在數(shù)據(jù)集成領(lǐng)域有很多活動(dòng)，但仍有一些基本問(wèn)題有待解決。需要開(kāi)發(fā)具有良好統(tǒng)計(jì)屬性和相關(guān)高質(zhì)量軟件的方法，特別是針對(duì)各種大規(guī)模、高維數(shù)據(jù)的方法。此外，還需要回答何時(shí)不能集成數(shù)據(jù)集/數(shù)據(jù)源問(wèn)題的方法。需要詢(xún)問(wèn)何時(shí)在分析中合并其他數(shù)據(jù)沒(méi)有什么用處，以及如何證明這一行動(dòng)的合理性。

如果能夠獲得針對(duì)上述挑戰(zhàn)的可靠且經(jīng)過(guò)充分測(cè)試的解決方案，則其影響將是實(shí)質(zhì)性的，而且將在許多層面上產(chǎn)生影響。在個(gè)人層面，它將促進(jìn)更有效的健康管理，并更好地了解影響健康的外部、非生物因素，以及更好地了解疾病的生物學(xué)、社會(huì)、環(huán)境和其他決定因素;根據(jù)個(gè)體基因組和表觀遺傳信息提出更好的治療方法，并為個(gè)體提供更好的自我指導(dǎo)管理;允許個(gè)人管理符合其需求的成本效益;并幫助減少不必要的治療處方。在公共衛(wèi)生層面，它將更好地了解不同環(huán)境因素對(duì)健康的影響;提供飲食、運(yùn)動(dòng)和其他相關(guān)因素對(duì)健康影響的更準(zhǔn)確歸因;增進(jìn)對(duì)健康干預(yù)措施副作用的了解;提高新產(chǎn)品開(kāi)發(fā)的有效率;通過(guò)提前識(shí)別最有可能從特定治療中受益的個(gè)人并確定可能遭受不良事件的個(gè)人，從而降低醫(yī)療保健成本。

2.3 物理科學(xué)中的統(tǒng)計(jì)

物理科學(xué)中的現(xiàn)代研究通常利用新穎的數(shù)據(jù)源、各種子系統(tǒng)苛刻的計(jì)算模型以及為推進(jìn)科學(xué)而需要獲取的詳細(xì)專(zhuān)家知識(shí)。這樣的研究是多學(xué)科的，需要在物理科學(xué)、計(jì)算建模、數(shù)據(jù)管理和統(tǒng)計(jì)分析方法的多個(gè)方面具有專(zhuān)業(yè)知識(shí)。應(yīng)用領(lǐng)域眾多。部分列表包括天文學(xué)和宇宙學(xué)、地球物理學(xué)、水文學(xué)、高能物理、材料科學(xué)、預(yù)測(cè)化學(xué)、核物理和粒子物理學(xué)。

對(duì)于復(fù)雜數(shù)據(jù)的類(lèi)型和物理科學(xué)中出現(xiàn)的問(wèn)題，迫切需要新的統(tǒng)計(jì)方法和計(jì)算思想。迄今為止，現(xiàn)代統(tǒng)計(jì)推斷中的許多工作都是由技術(shù)行業(yè)或生物醫(yī)學(xué)研究中相對(duì)較好的問(wèn)題驅(qū)動(dòng)的，但是下一代數(shù)據(jù)(如遙感、衛(wèi)星圖像、天文學(xué)、粒子物理學(xué)、地球科學(xué)、現(xiàn)代成像和探索材料動(dòng)力學(xué)的診斷設(shè)施)更加復(fù)雜，需要新的統(tǒng)計(jì)方法以及規(guī)模算法。復(fù)雜性源于于底層物理系統(tǒng)的復(fù)雜性和測(cè)量過(guò)程的復(fù)雜性(例如，從低信噪圖像中解波的對(duì)象的形狀，由于非線性、物體模型不正確以及計(jì)算不正確的卷積內(nèi)核而導(dǎo)致的偏差;這些都非常重要，因?yàn)槲锢砩嫌腥さ膮?shù)來(lái)自平均數(shù)以千萬(wàn)到數(shù)億次的測(cè)量)。

與物理科學(xué)應(yīng)用中的新統(tǒng)計(jì)方法開(kāi)發(fā)相關(guān)的常見(jiàn)主題包括:

·處理時(shí)空數(shù)據(jù);

·不確定性量化方法，將物理觀測(cè)與要求苛刻的計(jì)算模型相結(jié)合，以進(jìn)行統(tǒng)計(jì)推斷;

·不適當(dāng)?shù)哪鎲?wèn)題(例如，根據(jù)材料與激光或中子束的相互作用來(lái)推斷材料結(jié)構(gòu));

·利用大量低信噪比進(jìn)行推理;

·利用通過(guò)搜索空間和/或時(shí)間收集的非代表性“機(jī)會(huì)”數(shù)據(jù);

·結(jié)合不同類(lèi)型的測(cè)量，這些測(cè)量通常來(lái)自不同的物理系統(tǒng)，并且通常處于不同的空間和時(shí)間分辨率水平(例如，在宇宙學(xué)中——超新星的亮度、宇宙微波背景的波動(dòng)以及遙遠(yuǎn)星系的畸變);

·將不同分辨率的信息聯(lián)系起來(lái)(例如，從材料的分子成分中推斷散裝材料的特性，從化學(xué)結(jié)構(gòu)推斷化合物性質(zhì));

·使用基于物理學(xué)的知識(shí)在未經(jīng)測(cè)試的新體制(例如極端溫度、極端應(yīng)力條件、極端環(huán)境下的材料相互作用)下產(chǎn)生外推預(yù)測(cè);

·使用數(shù)據(jù)(和其他類(lèi)型的證據(jù))在競(jìng)爭(zhēng)模型之間進(jìn)行選擇，并通過(guò)模型組合產(chǎn)生更可靠的預(yù)測(cè);

·開(kāi)發(fā)有效利用可用數(shù)據(jù)源、計(jì)算模型、計(jì)算資源和統(tǒng)計(jì)分析方法的途徑，以便做出可靠的科學(xué)推斷;

·并開(kāi)發(fā)統(tǒng)計(jì)方法，以更好地理解和預(yù)測(cè)罕見(jiàn)的高后果事件(例如流星撞擊、橋梁倒塌、特大風(fēng)暴)。

正如許多人所指出的(包括國(guó)家科學(xué)院的報(bào)告，“海量數(shù)據(jù)分析的前沿”)，大數(shù)據(jù)中的挑戰(zhàn)不僅僅是由于規(guī)模:它們還涉及復(fù)雜性(物理科學(xué)中遇到的復(fù)雜性類(lèi)型本質(zhì)上是不同于諸如人的數(shù)據(jù)、遺傳和技術(shù)數(shù)據(jù))。實(shí)際上，數(shù)據(jù)的龐大與數(shù)據(jù)異質(zhì)性有很大關(guān)系?？茖W(xué)進(jìn)步將越來(lái)越多地源于使用復(fù)雜物理過(guò)程的可解釋模型獲得的知識(shí)。統(tǒng)計(jì)人員和數(shù)據(jù)科學(xué)家必須與領(lǐng)域科學(xué)家緊密合作，以了解問(wèn)題，挑戰(zhàn)和科學(xué)目標(biāo)。解決物理科學(xué)中特定問(wèn)題的現(xiàn)有方法可能會(huì)忽略統(tǒng)計(jì)學(xué)家可以識(shí)別的數(shù)據(jù)分析機(jī)會(huì)。此外，重要的是跨領(lǐng)域轉(zhuǎn)移技術(shù)，重點(diǎn)放在可推廣的方法上。如果從解決單個(gè)問(wèn)題的方法中得出可推廣的方法，科學(xué)將進(jìn)步得更快。

2.4 統(tǒng)計(jì)與量子信息科學(xué)

有一些關(guān)于數(shù)據(jù)匿名化的統(tǒng)計(jì)研究，例如統(tǒng)計(jì)披露限制、差異性隱私或數(shù)據(jù)清潔。差異隱私(DP)試圖通過(guò)注入采樣以外的其他噪聲來(lái)最大程度地降低隱私對(duì)個(gè)人數(shù)據(jù)集的影響。截至2018年，人們對(duì)獲得常用統(tǒng)計(jì)算法的差異隱私版本有極大的興趣，這是一個(gè)蓬勃發(fā)展的研究領(lǐng)域。DP框架在行業(yè)中也有重要用途。例如，蘋(píng)果公司利用局部差異隱私來(lái)了解其用戶的行為，而無(wú)需跟蹤特定用戶的使用模式。參見(jiàn)https://www.apple.com/privacy/docs/Differential_Privacy_Overview.pdf.數(shù)據(jù)清潔是指試圖對(duì)數(shù)據(jù)進(jìn)行匿名處理的一大套做法，以保護(hù)對(duì)象的身份或其在公開(kāi)發(fā)布的數(shù)據(jù)集中的機(jī)密屬性，或確保公平對(duì)待每個(gè)對(duì)象。這可以通過(guò)以多種方式進(jìn)行數(shù)據(jù)屏蔽，如通過(guò)刪除(或變換)可能包含標(biāo)識(shí)信息的變量，或者隨機(jī)生成其分布接近實(shí)際數(shù)據(jù)集的新數(shù)據(jù)來(lái)實(shí)現(xiàn)。

隨著對(duì)隱私的日益重視，數(shù)據(jù)清潔和差異隱私，或它們的改進(jìn)版本，都可能成為數(shù)據(jù)分析的主要工具。但是，仍然存在許多問(wèn)題和挑戰(zhàn)。參見(jiàn)，例如，Bambauer et al.(2014)和Mervis(2019)的《科學(xué)》雜志文章。后者討論了在普查數(shù)據(jù)上使用DP的可能弊端，包括在對(duì)DP過(guò)濾(普查數(shù)據(jù))后沒(méi)有足夠的信息用于社會(huì)科學(xué)研究。顯然存在一個(gè)問(wèn)題，即如何進(jìn)行研究以在隱私和數(shù)據(jù)準(zhǔn)確性之間取得平衡？特別是對(duì)于統(tǒng)計(jì)學(xué)家和數(shù)據(jù)科學(xué)家來(lái)說(shuō)，一些關(guān)鍵問(wèn)題包括:

·各種不同水平的隱私問(wèn)題能否建成統(tǒng)計(jì)模型？當(dāng)前差異隱私框架旨在最大限度地減少所有用戶的數(shù)據(jù)泄漏。實(shí)際上，某些人愿意分享比其他人更多的個(gè)人信息，尤其是如果這樣可以為他們提供更準(zhǔn)確的建模和分析。

·差異性隱私與其他隱私定義的關(guān)系如何？更具體地說(shuō)，是否存在?差異隱私還可以保證其他諸如k匿名的隱私概念的條件？此設(shè)置還需要數(shù)據(jù)集的背景分布，尤其是變量的相關(guān)性上，做出假定。

·我們?nèi)绾握_考慮隱私保護(hù)機(jī)制引入的附加隨機(jī)性，無(wú)論它們是DP還是別的？這是否需要新的統(tǒng)計(jì)推斷工具？

·還有其他類(lèi)似的方法可以簡(jiǎn)化數(shù)據(jù)的匿名化嗎？這些方法中的任何一種是否提供DP以外的更多功能？

上述問(wèn)題必須通過(guò)經(jīng)驗(yàn)和理論研究來(lái)解決。研究中使用的理論模型和模擬模型需要捕獲現(xiàn)實(shí)的關(guān)鍵方面，例如，有關(guān)普查數(shù)據(jù)并考慮到實(shí)際相關(guān)的目標(biāo)和目標(biāo)受眾。當(dāng)前的人口普查局使用的隱私保護(hù)方法需要與諸如DP等新方法進(jìn)行系統(tǒng)比較，并明確定義相關(guān)和實(shí)際目標(biāo)。提倡DP進(jìn)行普查的統(tǒng)計(jì)研究人員需要了解使用普查數(shù)據(jù)進(jìn)行研究和提出政策建議的社會(huì)科學(xué)家的關(guān)注。DP的普查決定應(yīng)與社會(huì)科學(xué)研究員和其他利益相關(guān)者協(xié)商。

一群人可以保持相當(dāng)?shù)目鞓?lè)，玩弄一個(gè)可能曾經(jīng)有意義的問(wèn)題，并提出永遠(yuǎn)不會(huì)暴露在危險(xiǎn)的實(shí)用性測(cè)試的解決方案。他們喜歡在會(huì)議上互相閱讀論文，而且他們通常很不冒犯。但是，我們必定要遺憾的是，寶貴的人才在歷史上可以被善加利用的時(shí)期就被浪費(fèi)了。

—— George Box(1976)

在過(guò)去的幾十年中，我們已經(jīng)開(kāi)始通過(guò)跨學(xué)科研究和一般的應(yīng)用統(tǒng)計(jì)來(lái)回歸領(lǐng)域根源 (Cleveland，2001)，但是變革的步伐并未跟上快速發(fā)展的以數(shù)據(jù)為中心的世界。

為了使該行業(yè)在數(shù)據(jù)科學(xué)及其他領(lǐng)域中發(fā)揮領(lǐng)導(dǎo)作用，需要更快地進(jìn)行文化變革。正如 Breiman (2001) 雄辯地指出:

使用統(tǒng)計(jì)建模從數(shù)據(jù)中得出結(jié)論有兩種區(qū)域性。一種假設(shè)數(shù)據(jù)是由給定的隨機(jī)數(shù)據(jù)模型生成的。另一種使用算法模型，并將數(shù)據(jù)機(jī)制視為未知。統(tǒng)計(jì)界幾乎毫無(wú)例外地一直致力于使用數(shù)據(jù)模型。這種承諾導(dǎo)致了不相關(guān)的理論及可疑的結(jié)論，并且使統(tǒng)計(jì)學(xué)家無(wú)法研究大量有趣的當(dāng)前問(wèn)題。無(wú)論是在理論上還是在實(shí)踐上，算法建模都在統(tǒng)計(jì)領(lǐng)域之外迅速發(fā)展。它既可以用于大型復(fù)雜數(shù)據(jù)集，也可以用作較小數(shù)據(jù)集上數(shù)據(jù)建模的更準(zhǔn)確和更有意義的替代方法。如果我們作為一個(gè)領(lǐng)域的目標(biāo)是使用數(shù)據(jù)來(lái)解決問(wèn)題，那么我們需要擺脫對(duì)數(shù)據(jù)模型的排他性依賴(lài)，而采用一套更加多樣化的工具。

—— Breiman (2001)

問(wèn)題不在于隨機(jī)模型或生成模型本身。如果此類(lèi)模型通過(guò)經(jīng)驗(yàn)證據(jù)產(chǎn)生實(shí)際影響，則應(yīng)予以贊揚(yáng)，尤其是如果這些模型在其構(gòu)造中考慮了領(lǐng)域知識(shí)并具有計(jì)算上可行的算法。這樣的模型也是有用且至關(guān)重要的，特別是對(duì)于研究和理解經(jīng)驗(yàn)上成功的、并且在為穩(wěn)健而在多類(lèi)生成模型下優(yōu)先研究的算法/方法。但是，在實(shí)踐中，通常情況并非如此，如果沒(méi)有經(jīng)驗(yàn)支持，這種方法就非常成問(wèn)題。

雖然數(shù)學(xué)，計(jì)算和統(tǒng)計(jì)原理對(duì)于理解統(tǒng)計(jì)和數(shù)據(jù)科學(xué)程序的操作特性必不可少，但要想解決現(xiàn)實(shí)世界中的問(wèn)題，就必須沉浸在相關(guān)的領(lǐng)域。引用 George Box 在 1976 年的菲舍爾演講中所說(shuō)的:“需要在理論和實(shí)踐之間取得適當(dāng)?shù)钠胶?，最重要的是，統(tǒng)計(jì)學(xué)家必須學(xué)習(xí)如何成為優(yōu)秀的科學(xué)家及必須通過(guò)經(jīng)驗(yàn)和榜樣才能形成的人才?！?/span>

我們的專(zhuān)業(yè)人士必須認(rèn)識(shí)到，在新時(shí)代，我們的主要職責(zé)是開(kāi)發(fā)統(tǒng)計(jì)和數(shù)據(jù)科學(xué)中的算法/方法和相關(guān)理論，以滿足對(duì)科學(xué)，工程學(xué)和社會(huì)產(chǎn)生最大影響的數(shù)據(jù)分析需求。我們需要一種新的文化，在這種文化中，新一代的統(tǒng)計(jì)學(xué)家和數(shù)據(jù)科學(xué)家將受到培訓(xùn)并受到鼓勵(lì)，以擁抱新的現(xiàn)實(shí)。為此，我們需要所有利益相關(guān)者，包括學(xué)術(shù)院系，專(zhuān)業(yè)協(xié)會(huì)和資助機(jī)構(gòu)，共同努力，實(shí)現(xiàn)急劇的文化變革。

4.1 學(xué)術(shù)院系

聘請(qǐng)多元化的教師對(duì)于我們職業(yè)的轉(zhuǎn)變至關(guān)重要。評(píng)估潛在的新員工帶來(lái)了巨大的挑戰(zhàn)，因?yàn)樗鼜母旧仙婕皩?duì)未來(lái)影響的預(yù)測(cè)。傳統(tǒng)上準(zhǔn)備好的學(xué)生呈現(xiàn)出較低的風(fēng)險(xiǎn)和更確定的軌跡。學(xué)術(shù)院系需要積極招募和培養(yǎng)從我們重新構(gòu)想的博士課程中產(chǎn)生的新一代學(xué)生。并減少風(fēng)險(xiǎn)規(guī)避。多樣性起著關(guān)鍵作用—未來(lái)成功的統(tǒng)計(jì)教授帶頭人必須反映多樣性的許多方面，包括知識(shí)多樣性。這需要協(xié)調(diào)一致的長(zhǎng)期努力(在聘用前后)，而我們的領(lǐng)域在過(guò)去并未做到這一點(diǎn)。

4.2 專(zhuān)業(yè)領(lǐng)導(dǎo)

統(tǒng)計(jì)學(xué)專(zhuān)業(yè)協(xié)會(huì)需要成為更有影響力的統(tǒng)計(jì)工作的有力推動(dòng)者，并在統(tǒng)計(jì)學(xué)家/數(shù)據(jù)科學(xué)家，研究人員與其他社會(huì)以及私營(yíng)和公共部門(mén)的科學(xué)家之間架起橋梁。我們專(zhuān)業(yè)協(xié)會(huì)的旗艦期刊需要擴(kuò)大其范圍，并有意識(shí)地從傳統(tǒng)固有的研究領(lǐng)域轉(zhuǎn)向新的數(shù)據(jù)科學(xué)研究。統(tǒng)計(jì)人員的領(lǐng)導(dǎo)和溝通培訓(xùn)嚴(yán)重不足，我們的組織應(yīng)該在這方面有所作為。這種培訓(xùn)還應(yīng)為統(tǒng)計(jì)學(xué)家為跨學(xué)科研究團(tuán)隊(duì)的領(lǐng)導(dǎo)做好準(zhǔn)備。諸如獎(jiǎng)項(xiàng)和研究金之類(lèi)的榮譽(yù)應(yīng)反映出對(duì)統(tǒng)計(jì)學(xué)的廣泛看法，不僅要表彰傳統(tǒng)的學(xué)術(shù)貢獻(xiàn)，還應(yīng)表彰領(lǐng)導(dǎo)才能、計(jì)算成就以及更廣泛的科學(xué)或領(lǐng)域貢獻(xiàn)。為了反映這種轉(zhuǎn)變，社會(huì)需要獲得更多的獎(jiǎng)項(xiàng)。

全國(guó)和國(guó)際統(tǒng)計(jì)學(xué)會(huì)在大學(xué)和研究生層次的統(tǒng)計(jì)學(xué)課程的開(kāi)發(fā)和重新構(gòu)想中可以發(fā)揮更大的作用。它們自然也可以幫助在學(xué)術(shù)界、工業(yè)界和公共部門(mén)之間架起橋梁。聯(lián)合統(tǒng)計(jì)會(huì)議是傳統(tǒng)的聚會(huì)場(chǎng)所，各行各業(yè)的統(tǒng)計(jì)學(xué)家都可以聯(lián)系到那里，還有很多工作要做。例如，在數(shù)據(jù)科學(xué)領(lǐng)域建立更廣泛，更深入的行業(yè)-學(xué)術(shù)界合作伙伴關(guān)系可以極大地促進(jìn)數(shù)據(jù)科學(xué)時(shí)代的統(tǒng)計(jì)研究和教育，但是目前這通常發(fā)生在單位級(jí)別。專(zhuān)業(yè)協(xié)會(huì)可以幫助促進(jìn)聯(lián)合體一級(jí)的努力。

4.3 資助機(jī)構(gòu)

NSF 統(tǒng)計(jì)研究和教育的資金主要來(lái)自數(shù)學(xué)科學(xué)部(DMS)。NSF預(yù)算的增長(zhǎng)跟不上科學(xué)和工程界的增長(zhǎng)，特別是在通貨膨脹調(diào)整之后。這個(gè)問(wèn)題在統(tǒng)計(jì)計(jì)劃中最為明顯和嚴(yán)重。但是，聯(lián)邦對(duì)基礎(chǔ)研究和勞動(dòng)力的投資對(duì)于我們專(zhuān)業(yè)的未來(lái)仍然至關(guān)重要。統(tǒng)計(jì)計(jì)劃需要獲得更多的資金，以跟上學(xué)科的發(fā)展和進(jìn)步，而統(tǒng)計(jì)研究的資金需要超出一項(xiàng)計(jì)劃，因?yàn)榻y(tǒng)計(jì)創(chuàng)新在科學(xué)的廣泛研究和教育領(lǐng)域中發(fā)揮著越來(lái)越重要的作用。例如，統(tǒng)計(jì)人員正在擁抱NSF的10大構(gòu)想，尤其是通過(guò)利用21世紀(jì)科學(xué)與工程(HDR)的數(shù)據(jù)革命。

為了加速統(tǒng)計(jì)數(shù)據(jù)的轉(zhuǎn)換并造福社會(huì)，NSF和NIH等政府資助機(jī)構(gòu)需要加大投資，以支持將統(tǒng)計(jì)作為科學(xué)技術(shù)發(fā)展的重要組成部分的研究項(xiàng)目。美國(guó)國(guó)立衛(wèi)生研究院資助的許多項(xiàng)目都涉及統(tǒng)計(jì)學(xué)家，它們通常扮演著支持(但重要)的角色。NSF的一種成功的資助模式是“數(shù)據(jù)科學(xué)原理跨學(xué)科研究(TRIPODS)”，其中統(tǒng)計(jì)學(xué)家和其他研究人員通過(guò)集成研究和培訓(xùn)活動(dòng)的全面參與有助于發(fā)展數(shù)據(jù)科學(xué)的理論基礎(chǔ)。DMS/NIGMS聯(lián)合倡議、旨在支持生物學(xué)和數(shù)學(xué)科學(xué)界的研究(DMS/NIGMS)、DMS/NLM關(guān)于生物醫(yī)學(xué)研究通用數(shù)據(jù)科學(xué)方法的聯(lián)合倡議(DMS/NLM)和威脅檢測(cè)算法(ATD)也是此類(lèi)籌資機(jī)制的典范。更多的此類(lèi)資助機(jī)會(huì)將鼓勵(lì)統(tǒng)計(jì)學(xué)家和數(shù)據(jù)科學(xué)家在一種新文化中發(fā)展研究計(jì)劃，這種文化對(duì)有影響的工作大加贊賞。正如該報(bào)告前面所討論的，具有影響力的研究可能來(lái)自統(tǒng)計(jì)學(xué)家對(duì)領(lǐng)域科學(xué)的沉浸和充分參與，例如天文學(xué)、預(yù)測(cè)化學(xué)、城市規(guī)劃和精密醫(yī)學(xué)等。資助包括統(tǒng)計(jì)學(xué)家和其他領(lǐng)域科學(xué)家在內(nèi)的平等研究伙伴的研究團(tuán)隊(duì)，將導(dǎo)致跨領(lǐng)域的創(chuàng)新。資助機(jī)構(gòu)和ASA等全國(guó)協(xié)會(huì)應(yīng)共同努力，以確保統(tǒng)計(jì)和數(shù)據(jù)科學(xué)的研究人員充分了解這些機(jī)會(huì)，并有機(jī)會(huì)及時(shí)向這些計(jì)劃提供反饋。

我們還建議NSF和其他資助機(jī)構(gòu)為初級(jí)和中級(jí)研究人員提供專(zhuān)門(mén)的支持，使其介入領(lǐng)域科學(xué)，這可能與學(xué)校學(xué)術(shù)假和其他形式的教師休假關(guān)聯(lián)。由NSF資助的研究機(jī)構(gòu)和中心可以促進(jìn)此類(lèi)活動(dòng)，但是需要新的機(jī)制來(lái)確保此類(lèi)項(xiàng)目的成果評(píng)估著重于潛力和影響。政府資助可以激勵(lì)更多的統(tǒng)計(jì)學(xué)家將投入到新興的數(shù)據(jù)科學(xué)研究領(lǐng)域。

5. 博士教育

在本科層次上，針對(duì)統(tǒng)計(jì)統(tǒng)計(jì)學(xué)本科課程的新課程指南 和數(shù)據(jù)科學(xué) 強(qiáng)調(diào)了統(tǒng)計(jì)基礎(chǔ)的重要性，并伴隨著在計(jì)算、數(shù)據(jù)技術(shù)、領(lǐng)域知識(shí)和倫理方面更深入和更堅(jiān)實(shí)的基礎(chǔ)。在這些文件的基礎(chǔ)上，我們?cè)谶@里專(zhuān)注于博士教育。

首先，博士是一個(gè)研究學(xué)位，博士課程應(yīng)側(cè)重于培養(yǎng)學(xué)生從事統(tǒng)計(jì)學(xué)和數(shù)據(jù)科學(xué)的研究。最可持續(xù)的培訓(xùn)模型或增長(zhǎng)模型是幫助他們學(xué)習(xí)如何學(xué)習(xí)，從而使他們?cè)陬I(lǐng)域和數(shù)據(jù)挑戰(zhàn)不斷發(fā)展的過(guò)程中能夠靈活敏捷地進(jìn)行智力適應(yīng)和更新其知識(shí)和技能。我們的畢業(yè)生應(yīng)該能夠通過(guò)創(chuàng)建新穎的統(tǒng)計(jì)對(duì)象(例如模型、方法、可視化對(duì)象)或?qū)Υ祟?lèi)對(duì)象進(jìn)行分析，為解決以實(shí)際數(shù)據(jù)為中心的問(wèn)題做出貢獻(xiàn)。本節(jié)中的其余討論將服務(wù)于此目標(biāo)。

5.1 課程

什么應(yīng)該構(gòu)成博士學(xué)位的基礎(chǔ)統(tǒng)計(jì)課程以改變我們的領(lǐng)域？我們認(rèn)為，雖然概率和推斷是傳統(tǒng)統(tǒng)計(jì)的關(guān)鍵基礎(chǔ)，但當(dāng)今統(tǒng)計(jì)領(lǐng)域的博士畢業(yè)生需要具備更深厚的計(jì)算和數(shù)據(jù)技術(shù)、通信、數(shù)據(jù)清理、定量批判性思維、協(xié)作技能、適當(dāng)?shù)膯?wèn)題制定和跨學(xué)科科學(xué)的技能。統(tǒng)計(jì)培訓(xùn)需要涵蓋整個(gè)“數(shù)據(jù)生命周期”。同時(shí)，我們不建議擴(kuò)展必修課程。如果有的話，對(duì)于許多計(jì)劃而言，需要提供更廣泛的選修課程，而不是必修課程。

我們認(rèn)為一定的基本統(tǒng)計(jì)、計(jì)算和數(shù)學(xué)水平是前提。除此之外，我們認(rèn)為以下領(lǐng)域是“核心”:

• 關(guān)鍵的統(tǒng)計(jì)基礎(chǔ)，包括概念和哲學(xué)基礎(chǔ)(包括健壯性和穩(wěn)定性考慮)

• 計(jì)算：編程、可重復(fù)性/工作流、數(shù)據(jù)技術(shù)、基礎(chǔ)設(shè)施/數(shù)據(jù)庫(kù)/云計(jì)算、數(shù)據(jù)管理、“wrangling/munging”

• 交流：為技術(shù)人員和非技術(shù)受眾的寫(xiě)作、演示、可視化、提出和解決問(wèn)題的實(shí)踐以及領(lǐng)導(dǎo)力發(fā)展

• 以數(shù)據(jù)為中心的批判性思維能力：維持統(tǒng)計(jì)分析的各個(gè)階段與潛在的科學(xué)或商業(yè)問(wèn)題以及目標(biāo)受眾之間的聯(lián)系；知道并傳達(dá)合理和不合理假定之間的差異；嚴(yán)格評(píng)估數(shù)據(jù)的來(lái)源以及推論、評(píng)估和結(jié)論的適當(dāng)性

• 數(shù)據(jù)建模和評(píng)估：例如，事后分析包括 EDA 和 PQR-S 的驗(yàn)證：P 代表人群，Q 代表問(wèn)題，R 代表代表性，S 代表審查

• 抽樣和實(shí)驗(yàn)設(shè)計(jì)基礎(chǔ)

• 因果推斷

• 度量

• 倫理：人類(lèi)主題，隱私/機(jī)密，算法偏見(jiàn)

• 協(xié)作經(jīng)驗(yàn)/技能（與前面的溝通技巧重疊）

一些課程計(jì)劃將通過(guò)逐漸進(jìn)化過(guò)程朝著更廣闊的視野發(fā)展。其他的計(jì)劃則需要采取更激進(jìn)的方法。對(duì)于本科生水平，Cobb (2015) 考慮了后者的可能性。不需要所有博士學(xué)位。統(tǒng)計(jì)學(xué)中的所有博士課程都沒(méi)有必要考慮相同的物質(zhì)基礎(chǔ)。但是，有一份藍(lán)圖(或一套藍(lán)圖)將有所幫助，并且是 Deborah Nolan 組織的后續(xù)“十字路口的研究生統(tǒng)計(jì)學(xué)教育”研討會(huì)的目標(biāo)之一。

幾個(gè)限制因素使得難以在如此廣泛的領(lǐng)域中提供培訓(xùn)。首先，大多數(shù)大學(xué)都不想犧牲他們認(rèn)為是基礎(chǔ)的課程和經(jīng)驗(yàn)。其次，似乎很多院系太小而無(wú)法在如此多樣的專(zhuān)業(yè)范圍內(nèi)提供適當(dāng)?shù)呐嘤?xùn)，并且由于學(xué)生之間的競(jìng)爭(zhēng)，各院系之間往往有交流資源的阻礙因素。除了對(duì)現(xiàn)有課程進(jìn)行改造或現(xiàn)代化之外，博士課程還應(yīng)考慮非傳統(tǒng)的學(xué)習(xí)機(jī)制，如塊狀課程、沉浸式體驗(yàn)、實(shí)驗(yàn)室輪換和可解決一個(gè)或多個(gè)這些限制的共享課程技術(shù)。但是，這些替代方案在獲取、認(rèn)證、質(zhì)量標(biāo)準(zhǔn)、可持續(xù)性等方面提出了尚待解決的其他問(wèn)題，NSF、專(zhuān)業(yè)協(xié)會(huì)和其他機(jī)構(gòu)可能可以改善這些問(wèn)題。許多計(jì)劃已經(jīng)為學(xué)生提供了“軌道”，我們認(rèn)為所有計(jì)劃都應(yīng)朝這個(gè)方向發(fā)展。在未來(lái)的討論中可以考慮核心培訓(xùn)的后續(xù)輪換的“醫(yī)學(xué)院模式”。

由于缺乏對(duì)這些學(xué)科的深入了解以及對(duì)某一領(lǐng)域文化的了解，統(tǒng)計(jì)學(xué)家可能難以與其他科學(xué)領(lǐng)域的研究人員進(jìn)行有效合作。解決這個(gè)問(wèn)題的一個(gè)辦法是為希望成為在科學(xué)領(lǐng)域有深度投入的應(yīng)用統(tǒng)計(jì)人員的人設(shè)立研究生或博士后獎(jiǎng)學(xué)金。這將使這些統(tǒng)計(jì)人員能夠參加其合作者部門(mén)的課程(或從事其他類(lèi)型的培訓(xùn))，甚至能夠參加該部門(mén)，以更好地了解該學(xué)科的文化?？梢耘c有關(guān)人員舉行年度會(huì)議。實(shí)際上，愛(ài)荷華州立大學(xué)已經(jīng)有這樣一個(gè)共同專(zhuān)業(yè)博士課程程序。

5.2 誰(shuí)將是統(tǒng)計(jì)學(xué)博士計(jì)劃的理想申請(qǐng)人

擴(kuò)大統(tǒng)計(jì)范圍的一種方法是招收更多種類(lèi)的學(xué)生。上面討論的專(zhuān)用軌道類(lèi)型可能會(huì)適應(yīng)這種增加的異質(zhì)性。但是，大多數(shù)計(jì)劃仍會(huì)希望所有學(xué)生完成一些核心理論課程，這可能對(duì)數(shù)學(xué)或計(jì)算機(jī)背景較弱的學(xué)生構(gòu)成挑戰(zhàn)。我們必須找到一種方法，讓那些在核心領(lǐng)域準(zhǔn)備較少而進(jìn)入計(jì)劃的學(xué)生適應(yīng)。

5.3 提供更有效的培訓(xùn)

也將歡迎在大學(xué)一級(jí)提出解決方案的創(chuàng)造性解決方案，特別是如果將示范方案的制定與材料傳播計(jì)劃結(jié)合起來(lái)，以便其他機(jī)構(gòu)更容易采用這種努力；參見(jiàn)例如美國(guó)統(tǒng)計(jì)協(xié)會(huì)/美國(guó)數(shù)學(xué)協(xié)會(huì)的統(tǒng)計(jì)教師準(zhǔn)備指南

5.4 專(zhuān)業(yè)和NSF在研究生教育中的作用

專(zhuān)業(yè)和NSF在理解和指導(dǎo)這些選擇中應(yīng)該扮演什么角色？收集關(guān)于統(tǒng)計(jì)課程的主要特點(diǎn)和各大學(xué)培訓(xùn)方法的數(shù)據(jù)的激勵(lì)措施和資源將具有很高的效用。更有用的是嘗試了解這些培訓(xùn)模式與隨后的職業(yè)軌跡或其他感興趣的結(jié)果之間的聯(lián)系。這將需要額外的并且可能需要更多的勞動(dòng)密集型數(shù)據(jù)收集。此外，創(chuàng)建基礎(chǔ)設(shè)施將是至關(guān)重要的貢獻(xiàn)，因?yàn)樗梢源_保這不僅是“一次性”的努力，而且可能導(dǎo)致持續(xù)進(jìn)行的自我評(píng)估的努力。

NSF可以支持講習(xí)班、訓(xùn)練營(yíng)和暑期學(xué)校課程，提供課程開(kāi)發(fā)和教學(xué)的最佳實(shí)踐培訓(xùn)。將這些類(lèi)型的培訓(xùn)機(jī)會(huì)與旨在以高級(jí)方法培訓(xùn)學(xué)生的培訓(xùn)機(jī)會(huì)結(jié)合在一起的想法提供了一種特別有創(chuàng)意和協(xié)同作用的選擇。例如，可以作為暑期學(xué)院的一部分提供培訓(xùn)，該培訓(xùn)既為學(xué)生或講師提供了在方法領(lǐng)域的專(zhuān)業(yè)知識(shí)，又提供了培訓(xùn)和材料以支持他們回去向所在機(jī)構(gòu)的其他人教授所學(xué)到的方法。

嚴(yán)謹(jǐn)?shù)难芯亢蛯?duì)研究生教育的不斷反思將確保我們培養(yǎng)下一代統(tǒng)計(jì)學(xué)家成為數(shù)據(jù)科學(xué)時(shí)代的領(lǐng)導(dǎo)者。鑒于統(tǒng)計(jì)領(lǐng)域的重點(diǎn)是通過(guò)對(duì)數(shù)據(jù)的分析來(lái)了解世界，讓我們感到震驚的是，我們很少?lài)L試了解自己的專(zhuān)業(yè)以及我們通過(guò)數(shù)據(jù)收集和分析有效地培訓(xùn)學(xué)生的能力。但是，這項(xiàng)活動(dòng)很少有激勵(lì)措施。我們應(yīng)該持續(xù)評(píng)估至少某些選擇的影響，而不是一味地投入有關(guān)最佳課程和最佳實(shí)踐的辯論。為了支持這種自我評(píng)估，NSF可以為下列研究創(chuàng)造資助機(jī)會(huì):考察課程的批判式選擇、資格考試、課程計(jì)劃結(jié)構(gòu)、培訓(xùn)機(jī)會(huì)、教學(xué)方法等。這些評(píng)估的范圍覆蓋從數(shù)據(jù)收集工作(職業(yè)道路、工作滿意度等)到關(guān)于應(yīng)屆畢業(yè)生感到缺少的技能的定性研究、關(guān)于當(dāng)前培訓(xùn)實(shí)踐狀況的描述性研究，或比較不同培訓(xùn)策略有效性的隨機(jī)實(shí)驗(yàn)。

參考文獻(xiàn)

1. Bambauer, J., Muralidhar, K. and Sarathy, R. (2014). Fools Gold: An Illustrated Critique of Differential Privacy. Vanderbilt Journal of Entertainmentand Technology Law 16, 701-755.

2. Breiman, L. (2001). Statistical modeling: the two cultures. Statist. Sci. 16, 199-231. With comments and a rejoinder by the author.

3. Cassel, C.-M., Sarndal, C.-E. and Wretman, J. H. a. (1977). Foundations of inference in survey sampling. Wiley-Interscience John Wiley & Sons, New York-London-Sydney Wiley Series in Probability and Mathematical Statistics.

4. Cleveland,W.S.(2001).DataScience: an Action Plan for Expanding the Technical Areas of the Field of Statistics. International Statistical Review 69, 21-26.

5. Dwork, C., Hardt, M., Pitassi, T., Reingold, O. and Zemei, R. (2012). Fairness through awareness. ITCS12 Proceedings of the 3rd Innovations in Theoretical Computer Science Conference 214-226.

6. Freedman, D. (1991). Statistical models and shoe leather. Sociological Methodologies 21 291-313.

7. Lindsay, B. G., Kettenring, J. and Siegmund, D. O. (2004). A report on the future of statistics. Statist. Sci. 19 387-413. With comments.

8. Lockhart, R., Taylor, J., Tibshirani, R. J. and Tibshirani, R. (2014). A significance test for the lasso. Ann. Statist. 42 413-468.

9. Jordan, M.I. (2019). Artificial intelligence: The revolution hasn’t happened yet. Harvard Data Science Review, no. 1. https:///10.1162/ 99608f92.f06c6e61

10. Meng, X.-L. (2018). Statistical paradises and paradoxes in big data (I): Law of large populations, big data paradox, and the 2016 US presidential election. Ann. Appl. Stat. 12 685-726.

11. Mervis,J.(2019).Can a set of equations keep U.S. census data private? Science January 4.

12. Neyman, J. (1934). On the two different aspects of the representative method: the method of stratified sampling and the method of purposive sampling. J. Roy. Statist. Soc. 97 558-625.

13. Nolan, D. and Temple Lang, D. (2014). XML and Web Technologies for Data Sciences with R. Springer.

14. Sarndal, C.-E., Swensson, B. and Wretman, J. (1992). Model assisted survey sampling. Springer Series in Statistics. Springer-Verlag, New York.

15. Talagrand, M. (1994). Sharper bounds for Gaussian and empirical processes. Ann. Probab. 22, 28-76.

16. Taylor, J. and Tibshirani, R. J. (2015). Statistical learning and selective inference. Proc. Natl. Acad. Sci. USA 112 7629-7634.

17. Tukey, J.W. (1962). The future of data analysis. Annals of Statistics, 33, no. 1, 1-67.

18. Waller, L. A. (2018). Documenting and evaluating data science contributions in academic promotion in departments of statistics and biostatistics. Amer. Statist. 72(1):11-19.

19. Wender,B.A.(2017).Refining the Concept of Scientific Inference When Working with Big Data: Proceedings of a Workshop. US National Academy Report.

20. Yu, B. (2013). Stability. Bernoulli 19, 1484-1500.