《科學通報》出版“大數據研究與應用”專輯

　　大數據帶來的信息風暴正在改變世界，數據科學也隨之產生和發展。為了對這一新興科學進行深入探討，《科學通報》于2015年第5-6期出版了“大數據研究與應用”專輯。該專輯由中國科學院計算技術研究所張云泉研究員、清華大學交叉信息研究院徐葳教授以及清華大學物理系龍桂魯教授共同擔任客座編輯，采用交叉學科的思路，邀請不同領域的科學家，就數據科學在自然科學、工程、社會科學、經濟等各領域的應用，以及統計、計算等數據科學的核心技術進行了報道。

　　專輯編者按摘錄如下：

　　 在大數據應用技術需求的推動下, 大數據科學研究和應用已經成為科技領域中的熱點。同時人們開始從這些工程實踐中提煉出一些共性的思路、方法和工具, 開啟了一門新科學——數據科學。

　　數據科學研究繼承了統計學的一些思想, 例如在大量數據上做統計性的搜索、比較、聚類或分類等分析歸納, 其結論是一種相關性, 而并非一定是某種因果關系。數據科學與計算機模擬不同, 是用大量數據的相關性取代了因果關系和嚴格的理論和模型, 并基于這些相關性獲得新的“知識”。著名計算機科學家吉姆·格雷2007年就指出“數據密集型科學”已經成為繼實驗、理論、計算模擬之后的第4個科學研究范式，指出發展數據科學的主要阻力在于工具的缺乏, 以及開發這些工具的巨大成本。2010年, Science雜志在對1700多位科學家的調研后驗證了這一觀點: 技術的缺乏影響了科學家們分析、保存以及分享數據。

　　 專輯籌備中《科學通報》編輯部向國內2500名科學家發送了問卷, 回收276份。雖然調研的樣本范圍不同, 沒有直接的可比性, 但是結果也揭示了數據科學總體的一些發展趨勢：

　　n 83%的樣本都表示聽說過大數據；

　　n 與之前的調研相比, 科學家們使用了更大的數據集, 更多的人開始使用公共數據集；

　　n 只有28%的樣本認為自己體驗過大數據技術, 同時經費和技術問題仍是影響數據科學發展的重要因素。

　　這些變化一方面是國際科學界加大了對數據科學的投入, 同時也因為大數據和云計算技術本身的發展, 一定程度上降低了數據處理的成本和技術門檻。我們預期影響數據科學發展的客觀因素會很快淡化, 而科學家的科研理念和專長等主觀因素將會起到更為關鍵性的作用。

　　 數據科學是一個交叉學科的領域，其發展的第一推動力是人才。美國加州大學伯克利分校統計系的郁彬教授提出, 一個合格的數據科學家應具備的基本素質和技能可用SDC3來概括, 即統計(statistics)、領域知識(domain knowledge)、計算技術(computing)、合作能力(collaboration)以及與非本領域的人溝通的能力。這對科學家來說是非常高的要求。更為棘手的是, 目前數據科學家在評價體系和職業發展前景、經費獲取方面都存在相當的障礙。2013年11月美國摩爾基金會和斯隆基金會共同資助了3780萬美元的“數據科學學院”項目, 其重要目標之一, 是加強跨學科數據科學人才的培養, 以及探索適合數據科學家的職業發展規劃。

　　 本專輯在組稿過程中采用了交叉學科的思路, 邀請了一批不同領域的科學家, 就數據科學在自然科學、工程、社會科學、經濟等各領域的應用, 以及統計、計算等數據科學的核心技術進行了報道。各領域大數據在面臨的問題、需要的系統、方法和工具上都是相通的，例如對于存儲容量、帶寬和經濟性的要求、數據處理系統的彈性、靈活性和易用性的要求, 以及對于跨國家、跨研究組數據共享的需求, 成為了大數據對計算機系統領域需求的熱點。從計算工具上看, 語義分析、復雜網絡分析、不同模態數據特征的融合、多媒體數據的特征抽取等, 都是數據科學應用, 尤其是社會科學領域應用的熱點。如何能更好地提煉、抽象這些方法和工具, 將之擴展到更多的領域, 讓更多的科學家和工程技術人員一起探討在科研中使用大數據的共性問題, 同時在科研中培養出進行跨領域數據科學研究的人才, 可能是數據科學資金、技術和人才匱乏問題的合理解決方法。

　　 “發現問題、提出問題、解決需求的價值在研究層面上遠遠大于精致計算、細致操作的價值”。希望本專輯能拋磚引玉, 讓不同學科背景的研究者圍繞數據科學這一題目, 進行跨學科的深入探討, 拓展思路, 提出并解決對科學發展、國計民生至關重要的問題, 為促進我國數據科學的進一步發展做出貢獻。