50 Anos de Ciência de Dados

Mais de 50 anos atrás, John Tukey pediu uma reforma na estatística acadêmica. Em "O Futuro da Análise de Dados", ele apontou a existência de uma ciência ainda não reconhecida, cujo tema de interesse era aprender com dados, ou "análise de dados". Dez a 20 anos atrás, John Chambers, Jeff Wu, Bill Cleveland e Leo Breiman, independentemente, mais uma vez instaram a estatística acadêmica a expandir seus limites além do domínio clássico da estatística teórica; Chambers pediu mais ênfase na preparação e apresentação de dados em vez de modelagem estatística; e Breiman chamou a atenção para a ênfase na previsão em vez de inferência. Cleveland e Wu até sugeriram o nome atraente "ciência de dados" para este campo vislumbrado. Um fenômeno recente e crescente tem sido o surgimento de programas de "ciência de dados" em grandes universidades, incluindo UC Berkeley, NYU, MIT e, mais proeminentemente, a Universidade de Michigan, que em setembro de 2015 anunciou uma "Iniciativa de Ciência de Dados" de 100 milhões que visa contratar 35 novos professores. O ensino nesses novos programas tem uma sobreposição significativa no conteúdo curricular com cursos de estatística tradicionais; no entanto, muitos estatísticos acadêmicos percebem os novos programas como "apropriação cultural". Este artigo revisa alguns ingredientes do atual "momento da ciência de dados", incluindo comentários recentes sobre ciência de dados na mídia popular e sobre como/ se a ciência de dados é realmente diferente da estatística. O campo agora contemplado da ciência de dados equivale a um superconjunto dos campos de estatística e aprendizado de máquina, que acrescenta alguma tecnologia para "dimensionar" para "grandes dados". Este superconjunto escolhido é motivado por desenvolvimentos comerciais em vez de intelectuais. Escolher dessa maneira provavelmente fará com que não percebamos o realmente importante evento intelectual dos próximos 50 anos. Como toda a ciência em si logo se tornará dados que podem ser minerados, a iminente revolução na ciência de dados não se trata apenas de "dimensionar para cima", mas em vez disso, da emergência de estudos científicos sobre a ciência de análise de dados em toda a ciência. No futuro, seremos capazes de prever como uma proposta para mudar os fluxos de trabalho da análise de dados impactaria a validade da análise de dados em toda a ciência, até mesmo prevendo os impactos campo a campo. Com base no trabalho de Tukey, Cleveland, Chambers e Breiman, apresento uma visão da ciência de dados baseada nas atividades de pessoas que estão "aprendendo com dados", e descrevo um campo acadêmico dedicado a melhorar essa atividade de forma baseada em evidências. Este novo campo é uma melhor ampliação acadêmica da estatística e do aprendizado de máquina do que as iniciativas atuais de ciência de dados, ao mesmo tempo em que pode acomodar os mesmos objetivos de curto prazo. Com base em uma apresentação no Workshop do Centenário de Tukey, Princeton, NJ, 18 de setembro de 2015.