p Qual é a diferença entre estatística e ciência de dados - e, talvez mais importante, por que temos dois campos com o que parece ser o mesmo foco? A melhor maneira de entender o surgimento da ciência de dados como uma disciplina separada, explica Herman "Gene" Ray, diretor do Centro de Estatística e Pesquisa Analítica da Kennesaw State University, é ver a ciência de dados como a fusão entre ciência da computação e estatística. "A maioria dos programas tradicionais de estatística ensina muita teoria e como resolver problemas manualmente, ", diz ele." Os aplicativos de computador são uma espécie de reflexão tardia. Mas as empresas não vão analisar 100 milhões de registros manualmente; eles estão lidando com enormes amostras de conveniência. E é aí que entra a ciência de dados. " p E é aí que começa a briga acadêmica:os estatísticos dizem que os cientistas de dados carecem de base estatística ou matemática para entender a coleta e análise de dados, e os cientistas de dados reviram os olhos para os estatísticos por sua falta de conhecimento de programação. Esse, diz Ray, foi o maior obstáculo que enfrentaram na criação de um dos primeiros Ph.D. dos Estados Unidos. programas em análise e ciência de dados:como Faz você combina estatística e ciência da computação? "Cada um pensa que pode fazer sem o outro, "diz ele." Mas a realidade é que a maioria dos estatísticos não são programadores muito bons, e a maioria dos cientistas da computação realmente não entende algumas das nuances das estatísticas. Nosso objetivo é eliminar essa divisão. "

p A solução deles, em parte, alavancou a crescente conscientização entre as empresas da área de Atlanta sobre a importância dos dados. O Analytics and Data Science Institute criou nove laboratórios de pesquisa patrocinados, cada um focado em problemas de dados enfrentados por uma empresa, serviço público ou organização sem fins lucrativos, e cada um com um a quatro Ph.D. alunos liderados por um membro do corpo docente. "Eles são como think tanks em miniatura explorando problemas do mundo real, "diz Ray." E ao fazer isso, os alunos conseguem entender o problema da ciência da computação e da perspectiva estatística. "Um aluno de estatística com mentalidade mais tradicional pode ser incentivado por um colega a explorar redes neurais, enquanto um estudante de ciência da computação com mentalidade mais tradicional pode ser encorajado a ver por que eles têm que usar a amostragem representativa em vez da amostragem de conveniência.

p Um projeto recente envolveu trabalhar com o Corpo de Bombeiros do Condado de Cobb, um subúrbio de Atlanta, que não estava atendendo às métricas nacionais para padrões de incêndio. "Pegamos todos os seus dados para eventos de incêndio e ambulância - a hora do primeiro telefonema até o momento em que a ambulância saiu do corpo de bombeiros até o tempo que levou para chegar a um evento. Analisamos as rotas e padrões de tráfego, e tempos de resposta otimizados usando a teoria do enxerto e o Google Maps. "As rotas foram alteradas, zonas de fogo realocadas, e os tempos de resposta foram reduzidos. "O chefe dos bombeiros do condado de Cobb é muito conhecedor de dados, "diz Ray, "então ele está implementando mudanças incrementais e vendo como os dados são atualizados."

p Os laboratórios de pesquisa também adicionam outra dimensão - e cada vez mais importante - à experiência do aluno:como falar com pessoas que não são estatísticos ou cientistas de dados.

p "Quando fui treinado, a expectativa era que eu trabalhasse com outros estatísticos e apresentasse em conferências acadêmicas, "diz Ray." Então, todos nós falamos a mesma língua. Hoje, um cientista de dados pode falar com um executivo, ou cliente, ou formulador de políticas, que tem muito pouca experiência em estatísticas. Eles devem ser capazes de ler isso muito rapidamente, e certifique-se de que a mensagem certa ainda seja comunicada no nível apropriado. Essa é uma das coisas bonitas sobre esses laboratórios - eles forçam todos a aprender a falar de uma maneira para que o laboratório seja bem-sucedido. "