從資料科學看雲端應用趨勢
- DIGITIMES企劃
-
在雲端應用的領域中，巨量資料分析早已是一門顯學。碩源資訊執行長張家齊指出，資料科學目前仍是一個新的領域，如何選擇資料分析的解決方案，如何跟資料分析業者溝通，以及如何分辨解決方案是否真的能解決問題，其實都與雲端應用息息相關。
把探索資料的本質，當成是最喜歡的事的張家齊，首先對什麼是「資料科學」，提出他個人的看法。張家齊表示，很多人都以為，資料科學是由數學及統計的知識、黑客(Hacking)的技能、特定產業領域的知識以及實務經驗交集而成，但其實「資料」及「科學」都必須加以定義。
什麼是「資料」？張家齊以股票族每天看的行情變化或線圖指出，這些股市資訊，其實對股票族而言，就是資料，但這些資料是否就能進行分析，又是另一個議題了。而對音樂家而言，聲音的波形圖，就是音樂家心目中的資料，只要看到波型圖，心中自然就會「聽」到音樂。
但張家齊指出，如果只是「看」資料，資料使用者的心中，就會有感受嗎？就是要先對資料產生感受，才可能對於進一步的資料分析產生興趣。而最重要的資料格式，張家齊認為，不論是文字、聲音、影像或是任何一種形式，都必須先轉變成資料表格的形式，才能夠加以分析。
張家齊強調，選擇用什麼方式查詢資料，會影響分析後的正確性，如何察覺資料盲點，是很重要的。例如美食網站常常會撰寫推薦文章，但張家齊認為，食物的美味，其實是一種味覺，而非文字或圖片，而且許多美食文可能只是廣告，所以美食文章中的「很好吃」，從資料分析的角度來看，並不是真正的「很好吃」，但如果用文字來分析資料，確實可能會用「好吃」之類的文字，去尋找那些食物才是美味的，自然就不可能得到正確的答案。
因此，在進行資料分析之前，張家齊建議一定要跟客戶深度溝通，設法弄清楚有那些資料可供參考，如想要分析那些食物是美味的，應該是要掌握溫、濕度或調味的酸甜比等資訊，才能做出比分析文字更精準的結果。
此外，資料其實也是一種生活的狀態。張家齊指出，資料本來就已經存在，就算你不蒐集、不紀錄，也不會影響資料本來存在的性質。因此，在進行資料分析前，張家齊建議要不斷的提醒自己，會不會還有什麼額外的資訊，沒有掌握到，有沒有遺漏可能影響分析結果的資料。
至於科學的定義，張家齊認為，科學應該是一種可重複、重視驗驗證的學科，而且是可觀測，重視量化，講究的是「眼見為憑(To see is to believe)」，並以「數學」為其主要溝通語言。
張家齊指出，科學通常無法脫離生活直覺，資料科學也不例外。即使你沒有發展資料科學的能力，但也一定要有評價的能力，千萬不要放棄自己的直覺。事實上，如何判斷兩個資料之間的差距有多少，往往就是資料科學最重要的觀念。
因此，「問問題」及「找答案」也就成為資料科學中最重要的兩個問題。但張家齊指出，在資料科學的領域中，問題有兩種，一個是真實世界會問的問題，往往要在實戰中才學得到，另一個是機器或電腦會問的問題，如果弄錯問題，自然就無法找到正確的答案。
張家齊指出，標準的資料分析流程，依序是提出問題、蒐集資料、將資料向量化(問題數學化)、將生活問題，轉換成數個資料問題或數學問題、解決數學問題，最後則是驗證生活解答。
張家齊認為，任何人都可以學著提出問題及蒐集資料，但如果將資料向量化、轉換及解決問題，可以交由資料分析專家來處理，但在驗證生活解答時，一定要親力而為，如果分析結果違反自己的直覺，也要勇敢地提出來，而非全盤接受資料分析的結果。
而在實際應用時，如何問「好」的問題，始終是一個值得思考的重點。假設已經針對所需要蒐集的資料，建立了一個分類器，如何讓資料都分對？又如何讓資料群中只有所需要蒐集的資料？就攸關資料分析結果的品質了。
而將資料分析應用在雲端應用上，張家齊以「推薦系統」為例指出，第一種是大量使用tensor completion技術，不但計算的資料量非常大，而且用來分析資料的機器往往所費不貲，通常是大企業在使用；第二種是使用各種local approximation系統，只能設法得到逼近前者的結果，但成本比第一種要來得低。
張家齊強調，不論是在學習任何事物，「觀察直覺」及「實作技術」很重要，只有深刻的直覺，才可以駕馭藝術般的實作技術；同樣的，也只有在透徹了解各種實作技術的缺點與限制時，才能在許多的碰撞與挫折的經驗中，淬鍊出深刻的直覺與觀察力。
