㈠ 人為什麼要學數據科學
數據學（Dataology）和數據科學（DataScience）是關於數據的科學，定義為研究探索Cyberspace中數據界奧秘的理論、方法和技術。
主要有兩個內涵：一個是研究數據本身；另一個是為自然科學和社會科學研究提供一種新方法，稱為科學研究的數據方法
對數據科學的學習通常是有兩個大方向，一是挖掘數據本身的特徵規律，二是數據分析應用。那麼這個問題就轉化成了，我們研究數據及其應用辦法，的意義所在。研究數據本身，是為應用做理論鋪墊。大家對數據的內在規律有了基本的掌握，才談得上應用。說形象點，就是先掌握「踩油門車子動，踩剎車車子停」，這么些個理念原則，然後再根據這些基本原則去開車。單純研究數據本身，如果不去投入應用，那麼它就缺少了實際意義。不過，這個過程，對我們個人的思維是有幫助的。比如：數據建模，會幫我們培養發現事物結構的敏感性；數據的函數映射，會讓我們學會尋找事物之間存在的邏輯；數據的增刪改查，會讓我們培養出一種對待事物嚴謹的態度；數據的信度效度判定，會讓我們更加具備批判性思維；數據的哲學，會讓我們領會到不同變數之間交叉分析的組合美感，進而認識到事物存在的相對靜止和絕對運動特徵。其實對數據的單純研究只是籠統的說法，數據源於生活高於生活，沒有完全脫離應用的數據研究。那麼應用又分為兩個大方向：自然科學與社會科學。關於自然科學，我們說人工智慧、VR等，都離不開精準數據演算法的應用。由於我是學管理出身，所以我主要就社會人文科學進行探討。學習數據科學，對於研究社會人文領域問題，有什麼重要意義呢？我舉三個簡單的例子（高深的舉不出來）：政府方面。當社會發生公共危機的時候，我們先做什麼呢？維穩。維穩的重中之重是控制輿情。那麼我們如何洞察和分析輿情呢？數據。政府通過海量信息採集、智能語義分析、自然語言處理、數據挖掘，以及機器學習等技術，不間斷地監控全網博客、微博、微信等信息，及時且全面地，掌握了各種信息的動向。在數據的動態發展變化中，政府可以發掘事件的苗頭，歸納輿論觀點的傾向，進而掌握公眾的態度情緒，最後結合歷史相似和類似事件，進行趨勢的預測和應對策略的制定。這里我們可以看到，數據科學不等同於數理研究。數據科學是建立在數理研究上的，一種學科跨界，融合應用。商業方面。我們經常說的利用大數據進行數據挖掘，實現廣告精準投放。挖掘出消費者的購物偏好、經濟水準、活躍頻率等，從而投放與其群體特徵有一致性和相關性的產品推薦。學術方面。數據科學在人文社科領域的學術應用，我個人認為，更多的是一種假設驗證吧。比如我們研究「家庭教養方式的影響因素」，那我們可以把教養方式的分類看作因變數，而那些影響因素看成自變數，搭建一個變數之間的模型。然後去收集、整理數據，科學地發放有效可信的調查問卷，然後通過分析數據，找出自變數中各個因素的影響權重以及影響因變數的規律。我們在做這個課題前，會有一個相關的基本假設或者說猜想，而數據分析的結果可以起到一個驗證作用。總結一下：學習數據科學可以讓自己腦子更靈活一點。然後呢，可以進行跨界應用，催生技術革命改變世界，幫助你走上王者之路。
㈡ 什麼專業的研究生最好
這個問題沒有絕對的答案，由於不同人的需求和興趣不同。
1、計算機科學和工程：這是一個不斷發展的領域，對希望在未來幾年內找到高薪工作的人來講，這是一個很好的選擇。
2、數據科學和大數據：隨著數據的增長，這個領域的需求也在不斷增加。數據科學家和分析專家在許多行業中都有很高的需求。
3、生物技術：這是一個充滿創新和發展的領域，對希望為人類健康、環境保護和可延續發展做出貢獻的人來講，這是一個很好的選擇。
4、金融和經濟學：這是一個競爭劇烈但回報豐富的領域，對希望在未來幾年內取得高收入的人來講，這是一個很好的選擇。
5、人工智慧和機器學習：這是一個快速發展的領域，對希望在未來幾年內找到高薪工作的人來講，這是一個很好的選擇。
6、環境科學和可延續發展：這是一個關注全球變化的領域，對希望為保護地球做出貢獻的人來講，這是一個很好的選擇。
7、醫學和研究：這是一個需要長時間投入和努力的領域，對希望為人類健康做出貢獻的人來講，這是一個很好的選擇。
建議您根據自己的興趣和職業目標來選擇專業。同時，斟酌自己的學術背景、研究興趣和能力，以便做出最好決策。
研究生最吃香的十大專業
1.人工智慧專業
2.生物技術專業
3.金融學專業
4.計算機科學與技術專業
5.臨床醫學專業
6.法律專業
7.工商管理專業
8.新聞傳播學專業
9.經濟學專業
10.建築學專業
考研好就業的十大專業如下：
1、計算機科學與技術：該專業主要研究計算機系統、軟體和應用技術，培養計算機科學和技術方面的高級專業人才。
2、電子信息工程：該專業主要研究電子信息技術的基本理論、設計方法和應用技術，培養具備電子信息工程的理論和實踐能力的高級專業人才。
3、金融學：該專業主要研究金融理論和金融市場，培養具備金融學理論和實踐能力的高級專業人才。
4、會計學：該專業主要研究會計理論和實務，培養具備會計學理論和實踐能力的高級專業人才。
5、經濟學：該專業主要研究經濟學原理和應用，培養具備經濟學理論和實踐能力的高級專業人才。
6、法學：該專業主要研究法律理論和法律實務，培養具備法學理論和實踐能力的高級專業人才。
7、市場營銷：該專業主要研究市場營銷理論和實踐，培養具備市場營銷理論和實踐能力的高級專業人才。
8、中醫學：該專業主要研究中醫理論和臨床實踐，培養具備中醫學理論和實踐能力的高級專業人才。
9、護理學：該專業主要研究護理理論和實踐，培養具備護理學理論和實踐能力的高級專業人才。
10、教育學：該專業主要研究教育理論和實踐，培養具備教育學理論和實踐能力的高級專業人才。
研究生考試：
研究生考試是指國家教育部門組織的用於選拔和招收研究生的考試，通常稱為考研。研究生考試是中國高等教育的重要組成部分，是獲取碩士研究生和博士研究生學位的必經之路。研究生考試主要分為全國碩士研究生入學考試（簡稱「碩士研究生考試」或「研究生考
㈢ 如何讓數據流動起來，讓數據擁抱數據
圍牆里的大數據註定成為死數據。大數據需要開放式創新，從數據的開放、共享和交易，到價值提取能力的開放，再到基礎處理和分析平台的開放，讓數據如同血液在數據社會的軀體中長流，滋潤數據經濟，讓更多的長尾企業和數據思維創新者產生多姿多彩的化學作用，才能創造大數據的黃金時代。
我的大數據研究軌跡
我做了4-5年的移動架構和Java虛擬機，4-5年的眾核架構和並行編程系統，最近4-5年也在追時髦，先是投入物聯網，最近幾年一直在做大數據。我們團隊的大數據研究軌跡如下圖所示：
2010-2012年，主要關注數據和機器的關系：水平擴展、容錯、一致性、軟硬體協同設計，同時釐清各種計算模式，從批處理（MapRece）到流處理、Big SQL/ad hoc query、圖計算、機器學習等等。事實上，我們的團隊只是英特爾大數據研發力量的一部分，上海的團隊是英特爾Hadoop發行版的主力軍，現在英特爾成了Cloudera的最大股東，自己不做發行版了，但是平台優化、開源支持和垂直領域的解決方案仍然是英特爾大數據研發的重心。
從2013年開始關注數據與人的關系：對於數據科學家怎麼做好分布式機器學習、特徵工程與非監督學習，對於領域專家來說怎麼做好互動式分析工具，對於終端用戶怎麼做好互動式可視化工具。英特爾研究院在美國卡內基梅隆大學支持的科研中心做了GraphLab、Stale Synchronous Parallelism，在MIT的科研中心做了互動式可視化和SciDB上的大數據分析，而中國主要做了Spark SQL和MLlib（機器學習庫），現在也涉及到深度學習演算法和基礎設施。
2014年重點分析數據和數據的關系：我們原來的工作重心是開源，後來發現開源只是開放式創新的一個部分，做大數據的開放式創新還要做數據的開放、大數據基礎設施的開放以及價值提取能力的開放。
數據的暗黑之海與外部效應
下面是一張非常有意思的圖，黃色部分是化石級的，即沒有聯網、沒有數字化的數據，而絕大多數的數據是在這片海裡面。只有海平面的這些數據（有人把它稱作Surface Web）才是真正大家能訪問到的數據，爬蟲能爬到、搜索引擎能檢索到的數據，而絕大多數的數據是在暗黑之海裡面（相應地叫做Dark Web），據說這一部分佔數據總量的85%以上，它們在一些孤島裡面，在一些企業、政府裡面躺在地板上睡大覺。
數據之於數據社會，就如同水之於城市或者血液之於身體一樣。城市因為河流而誕生也受其滋養，血液一旦停滯身體也就危在旦夕。所以，對於號稱數據化生存的社會來說，我們一定要讓數據流動起來，不然這個社會將會喪失諸多重要功能。
所以，我們希望數據能夠像「金風玉露一相逢」那樣產生化學作用。馬化騰先生提出了一個internet+的概念，英特爾也有一個大數據X，相當於大數據乘以各行各業。如下圖所示，乘法效應之外，數據有個非常奇妙的效應叫做外部效應（externality），比如這個數據對我沒用但對TA很有用，所謂我之毒葯彼之蜜糖。
比如，金融數據和電商數據碰撞在一起，就產生了像小微貸款那樣的互聯網金融；電信數據和政府數據相遇，可以產生人口統計學方面的價值，幫助城市規劃人們居住、工作、娛樂的場所；金融數據和醫學數據在一起，麥肯錫列舉了很多應用，比如可以發現騙保；物流數據和電商數據湊在一塊，可以了解各個經濟子領域的運行情況；物流數據和金融數據產生供應鏈金融，而金融數據和農業數據也能發生一些化學作用。比如Google analytics出來的幾個人，利用美國開放氣象數據，在每一塊農田上建立微氣象模型，可以預測災害，幫助農民保險和理賠。
所以，要走數據開放之路，讓不同領域的數據真正流動起來、融合起來，才能釋放大數據的價值。
三個關於開放的概念
1、數據開放
首先是狹義的數據開放。數據開放的主體是政府和科研機構，把非涉密的政府數據及科研數據開放出來。現在也有一些企業願意開放數據，像Netflix和一些電信運營商，來幫助他們的數據價值化，建構生態系統。但是數據開放不等於信息公開。首先，數據不等於信息，信息是從數據裡面提煉出來的東西。我們希望，首先要開放原始的數據（raw data），其次，它是一種主動和免費的開放，我們現在經常聽說要申請信息公開，那是被動的開放。
Tim Berners Lee提出了數據開放的五星標准，以保證數據質量：一星是開放授權的格式，比如說PDF；其次是結構化，把數據從文件變成了像excel這樣的表；三星是開放格式，如CSV；四星是能夠通過URI找到每一個數據項；五星代表能夠和其它數據鏈接，形成一個開放的數據圖譜。
現在主流的數據開放門戶，像data.dov或data.gov.uk，都是基於開源軟體。英特爾在MIT的大數據科研中心也做了一種形態，叫Datahub：吉祥物很有趣，一半是大象，代表資料庫技術，一半是章魚，取自github的吉祥物章魚貓。它提供更多的功能比如易管理性，提供結構化數據服務和訪問控制，對數據共享進行管理，同時可以在原地做可視化和分析。
廣義的數據開放還有數據的共享及交易，比如點對點進行數據共享或在多邊平台上做數據交易。馬克思說生產資料所有制是經濟的基礎，但是現在大家可以發現，生產資料的租賃制變成了一種主流（參考《Lean Startup》），在數據的場景下，我不一定擁有數據，甚至不用整個數據集，但可以租賃。租賃的過程中要保證數據的權利。
首先，我可以做到數據給你用，但不可以給你看見。姚期智老先生82年提出「millionaires』 dilemma（百萬富翁的窘境）」，兩個百萬富翁比富誰都不願意說出自己有多少錢，這就是典型的「可用但不可見」場景。在實際生活中的例子很多，比如美國國土安全部有恐怖分子名單（數據1），航空公司有乘客飛行記錄（數據2），國土安全部向航空公司要乘客飛行記錄，航空公司不給，因為涉及隱私，他反過來向國土安全部要恐怖分子名單，也不行，因為是國家機密。雙方都有發現恐怖分子的意願，但都不願給出數據，有沒有辦法讓數據1和數據2放一起掃一下，但又保障數據安全呢？
其次，在數據使用過程中要有審計，萬一那個掃描程序偷偷把數據藏起來送回去怎麼辦？再者，需要數據定價機制，雙方數據的價值一定不對等，產生的洞察對各方的用途也不一樣，因此要有個定價機制，比大鍋飯式的數據共享更有激勵性。
從點對點的共享，走到多邊的數據交易，從一對多的數據服務到多對多的數據市場，再到數據交易所。如果說現在的數據市場更多是對數據集進行買賣的話，那麼數據交易所就是一個基於市場進行價值發現和定價的，像股票交易所那樣的、小批量、高頻率的數據交易。
我們支持了不少研究來實現剛才所說的這些功能，比如說可用而不可見。案例一是通過加密資料庫CryptDB/Monomi實現，在數據擁有方甲方這邊的資料庫是完全加密的，這事實上也防止了現在出現的很多數據泄露問題，大家已經聽到，比如說某互聯網服務提供商的員工偷偷把數據拿出來賣，你的數據一旦加密了他拿出來也沒用。其次，這個加密資料庫可以運行乙方的普通SQL程序，因為它採用了同態加密技術和洋蔥加密法，SQL的一些語義在密文上也可以執行。
針對「百萬富翁的窘境」，我們做了另一種可用但不可見的技術，叫做數據咖啡館。大家知道咖啡館是讓人和人進行思想碰撞的地方，這個數據咖啡館就是讓數據和數據能夠碰撞而產生新的價值。
比如兩個電商，一個是賣衣服的，一個是賣化妝品的，他們對於客戶的洞察都是相對有限的，如果兩邊的數據放在一起做一次分析，那麼就能夠獲得全面的用戶畫像。再如，癌症是一類長尾病症，有太多的基因突變，每個研究機構的基因組樣本都相對有限，這在某種程度上解釋了為什麼過去50年癌症的治癒率僅僅提升了8%。那麼，多個研究機構的數據在咖啡館碰一碰，也能夠加速癌症的研究。
在咖啡館的底層是多方安全計算的技術，基於英特爾和伯克利的一個聯合研究。在上面是安全、可信的Spark，基於「data lineage」的使用審計，根據各方數據對結果的貢獻進行定價。
2、大數據基礎設施的開放
現在有的是有大數據思維的人，但他們很捉急，玩不起、玩不會大數據，他不懂怎麼存儲、怎麼處理這些大數據，這就需要雲計算。基礎設施的開放還是傳統的Platform as a Service，比如Amazon AWS里有MapRece，Google有Big Query。這些大數據的基礎處理和分析平台可以降低數據思維者的門檻，釋放他們的創造力。
比如decide.com，每天爬幾十萬的數據，對價格信息（結構化的和非結構化的）進行分析，然後告訴你買什麼牌子、什麼時候買最好。只有四個PhD搞演算法，其他的靠AWS。另一家公司Prismatic，也利用了AWS，這是一家做個性化閱讀推薦的，我專門研究過它的計算圖、存儲和高性能庫，用LISP的一個變種Clojure寫的非常漂亮，真正做技術的只有三個學生。
所以當這些基礎設施社會化以後，大數據思維者的春天很快就要到來。
3、價值提取能力的開放
現在的模式一般是一大一小或一對多。比如Tesco和Dunnhumby，後者剛開始是很小的公司，找到Tesco給它做客戶忠誠度計劃，一做就做了幾十年，這樣的長期戰略合作優於短期的數據分析服務，決策更注重長期性。當然，Dunnhumby現在已經不是小公司了，也為其他大公司提供數據分析服務。再如沃爾瑪和另外一家小公司合作，做數據分析，最後他把這家小公司買下來了，成了它的Walmart Labs。
一對多的模式，典型的是Palantir——Peter Thiel和斯坦福的幾個教授成立的公司，目前還是私有的，但估值近百億了，它很擅長給各類政府和金融機構提供數據價值提取服務。真正把這種能力開放的是Kaggle，它的雙邊，一邊是10多萬的分析師，另一邊是需求方企業，企業在Kaggle上發標，分析師競標，獲得業務。這可能是真正解決長尾公司價值提取能力的辦法。當然，如果能和我們的數據咖啡館結合，就更好了。