「搞錯重點啦！」數據科學應該係咁先啱

(credits: Tom Fishburne @marketoonist.com)

數據科學（data science）作為近年最火熱、人人趨之若鶩嘅行業工種，已經好迅速咁走入不同公司，甚至開始成為佢哋不可或缺，核心決策嘅其中一部分。各行各業所有公司（甚至表面上嗰太相關嘅coffee shop？[1]）都玩埋一份，驚死被人淘汰、飲咗頭啖湯，趕唔到呢班人工智能、大數據社會嘅快車，包括某所謂国際都會嘅政府創科局。不過就好似當年嘅科網股熱潮，直到而家為止，真正能夠成功嘅唔多，好多都「革命/轉營」失敗，或搞到不倫不類，只係做一堆「掛羊頭賣狗肉」嘅所謂AI/數據科學項目（八段錦AI app）。

點解會咁嘅呢？要明白背後原因，小弟認為要先探討一個，喺數據科學非常重要，但成日被人忽略，好少人提及嘅問題：「究竟數據科學項目要成功，最重要關鍵的一環係乜呢？」

數據科學嘅關鍵

(credits: Tom Fishburne @marketoonist.com)

不論行業、公司大小，（學術）研究抑或實際應用項目，喺數據科學projects入面，數據科學家同技術部門，常常會問下面哩啲問題：

「應該用/學乜嘢工具或數據模型呢？」、「點先可以將模型結果嘅預測準繩度（或者其他相關嘅量度標準）提高，好似由0.7升到0.9呢？」

而項目同財政/商業部門主管，就會關注

「最有成本效益同『容易快捷』建立到嘅相關人工智能/數據模型係乜？」、「點先可以將市場/AI研究最新、最先進嘅工具或模型，擺落公司projects度呢？」

等等。

冇錯，哩啲問題都係數據科學projects，常常會問，實際而且重要嘅問題。不過哩堆問題，唔見得一定係project嘅重點，項目成功與否嘅關鍵。事實上佢哋甚至仲有可能係會令公司、團隊分心，無關痛癢嘅問題，尤其如果你唔清楚了解project本身嘅目的，冇長遠嘅策略規劃，好似連project本身為乜，想解決或解答乜嘢學術/商業問題都搞唔清。

數據科學旅程＝行/爬山

數據科學project就好似爬山咁，要去到山頂，一樣需要規劃同好多準備功夫、工具，亦有好多唔同方法（好似選擇路線）。哩啲冇錯都好重要。不過哩啲嘢就等同爬山咩？做好萬全準備，花時間預備最好嘅行山工具、行程同各種方案去應付唔同情況，甚至係訓練身體，模擬實際情況等等，哩啲又係唔係爬山嘅目的呢？

（source：)

答案好明顯唔係啦！另外單純咁將登頂睇做主要單一目的，又啱唔啱呢？就咁睇，與其真係用腳徒步去登頂，行比較需要體力、難度高，甚至需要手腳並用嘅路線，還不如行條簡單啲嘅山徑，又或者甚至去揸車，搭公共交通好似纜車咁，去山頂仲「輕鬆快捷」。冇錯，就咁表面睇，搭車/纜車的確好似係最簡單方便、最有「成本效益」嘅上山頂，到上面睇風景嘅方法。不過咁真係爬山嘅目的咩？

事實係如果你諗深一層，就算以登頂呢個結果而言係冇分別，不過徒步爬山同搭車登頂，根本就係兩樣嘢，完全唔同嘅體驗嚟。「走捷徑，捨難取易」（某國際城市嘅人最鍾意，好似係），就咁睇好似好正確，不過事實係反而會冇咗仲多。好似比較難嘅山徑，沿途嘅風景通常會靚啲，有更多獨特嘅自然生態；喺個人層面，你亦會少咗鍛練體能、身心，甚至係成長學習，重新認識自己嘅機會。而且哩啲「方便」嘅捷徑，有時反而可能仲貴或需求時間仲耐（例如要考慮埋泊車，多人排隊等等因素），又或者根本一開始就唔存在。即係變相其實徒步爬山，或走難啲山徑，其實先係最快、最有成本效益，甚至係唯一能夠登頂嘅方法。

認清目的同問題本身，先至係關鍵同重點

同人生規劃或研究/商業projects一樣，無論係個人定公司/機構，數據科學嘅旅程的確就好似爬山咁。數據科學嘅真．重點及精髓，應該喺用數據解決或/及解答問題，發掘問題背後嘅故事/真相，而唔係喺相關嘅工具或模型性能/精準度度。而喺商業公司世界，更重要嘅點樣從中俾到有用，幫到公司業務需求嘅嘢或建議。就算你個模型有幾厲害、先進、「前無古人」（好似冇八段錦app咁），用到深度學習/人工神經網絡，又或者方案能夠提升模型性能10-20%，但如果你嘅模型/方案解決（答）唔到想解決（答）嘅問題，提升唔到公司業績或效率，哩一切都係唔重要、冇意義（更何況大部分非技術出身嘅主管或老細，根本就唔會明模型或方案背後嘅技術詳情）。

數據科學project失敗嘅原因，大多喺因為冇明確嘅目的或認清問題本身，

又或者團隊部門之間，冇何謂「成功」嘅標準共識

所以認清目的同問題本身，係任何數據科學旅程中，最重要、關鍵嘅第一步，而且係需要時刻重新檢討。哩樣睇落簡單，但其實通常先係最困難，因為除非你本身就有深厚嘅行業領域或公司知識，有同問題相關嘅切身體驗，唔係嘅話，就好需要技術、數據團隊、各部門主管同老細嘅參與同通力合作。要團隊一齊為數據科學projects好好合作，就需要有好嘅公司環境同文化，尊重從數據背後得出嘅建議，並將數據看做重要嘅資產及工具，同有明確同適當嘅（長遠）數據策略，總括即係公司/機構要「數據科學化」。冇哩啲，單單開個部門，組一隊數據科學團隊係遠遠唔足夠

總結：

數據科學談及探討嘅唔只係數據，更重要嘅係解決/解答手頭上本身嘅問題，就算係簡單到「了解清楚點解最初你需要某堆數據」，都係好關鍵同重要。亦因為咁，數據科學唔應該只係技術或數據部門嘅事，而係應該涉及整間公司企業或機構團隊。

延伸閱讀：

[1] 《根據AI、大數據（？）沖咖啡？淺談乜嘢先係真·數據科學》

[2] 《How To Show Awareness Of The Wider Commercial Impact Of Data Science》

[3] 《Business and Data Understanding in Data Science Lifecycle》

[4] 《Business and Data Science — Managing Expectations》

中文非廣東話版：

英文版：

原文link：

某大國嘅數據科學行業係咪風水佬

留名遲啲睇

小弟淨係知某国際都會嗰班

基本上9成都係吹水佬

same

劉名好唔得閒

話時話 研究climate change嗰啲人攞全球排放二氧化碳排放量同埋每年溫度掛鉤整圖表 從而得出二氧化碳排放上升令溫度上升 其實呢個係咪算唔嚴謹嘅科學推測嚟？

冇做過或詳細睇過相關研究，所以no comments

但幾肯定人哋啲研究，唔係淨係玩相關掛勾得出結果

唔好當人哋係強国/Xiang Gang撚，會求其出埋啲食早餐就會成績好啲friends

但個人某種程度上

認同呢類相關要得出「嚴謹」嘅因果關係結論係難嘅

就好似古生物學咁

叫烏大龜條撚鳩入來學下點講野先

小弟其實唔係好識講嘢㗎喎

（不過寫嘢都過得去嘅）