大数据时代统计学应拥抱数据科学
方匡南
厦门大学经济学院统计系 教授 博士生导师
该文发表在《统计与信息论坛》创刊30周年学者观点上
21世纪是信息爆炸的时代，随着计算机技术的飞速发展，极大地便利了数据的采集和存储，各个部门每天都积累了大量的数据，比如商业银行交易记录、超市的销售记录、政府统计中各中小企业的财务报表等等。同时这些数据的维度也越来越高，比如研究基因与癌症的关系涉及的基因有几万个，信用评分中有上千个自变量等等。且数据来源多样化，有业务记录数据、有传感器数据，也有第三方数据，甚至是从网上爬取来的数据等。此外，数据的格式也越来越多样化，有结构化数据，也有文字、图片、音频、视频等非结构化数据。这些海量高维、来源多样化、格式多样化的大数据给传统的统计分析带来了极大的挑战。
数据科学（data science）是一门研究数据的科学，但这个词在计算机圈子里接受程度较高，而在统计圈子里接受程度不是很高。大数据时代，统计学应适应时代的发展，主动拥抱数据科学。必须做到如下两点：
（一）统计研究应坚持以实际需求驱动发展。统计的发展跟实际需求是息息相关的，比如20世纪初，为了研究如何提高农作物产量，提出了农田实验设计方法；再比如20世纪60年代为了研究工业品的质量，提出了可靠性统计方法；而到了21世纪初，随着互联网技术的发展，积累了海量的数据，也需要更多统计学家积极研究互联网大数据分析方法。
（二）统计研究需要主动结合计算机。对于大数据的研究，对研究人员的计算机技术要求也更高了，统计学家不能把这些都推给计算机学科去做，更不能只守着统计的一亩三分地，这样只会越做越小，不断被边缘化。而是要主动学习一些必要的计算机技术或者与计算机研究人员合作，不断扩大统计研究的范围，只有这样，在大数据时代，统计学才能发挥其更大的作用，迎来新的发展机遇！
