データサイエンティスト · データからパターンを見つけ予測モデルを構築する職業――2008年生まれの肩書きだが、その土台には数値を数え、検証し、可視化してきた3世紀分の営みがある。
データサイエンスの系譜は、疫病による死者を手作業で数えていた17世紀ロンドンの商人から、数十億件の匿名化されたリンククリックを分析する21世紀の科学者にまで及ぶ。ここに挙げる8人は3世紀以上、3つの大陸にまたがっている。
彼らを結びつけているのは共通の手法というより共通の直感である。実際の雑然とした記録をよく見つめ、そのパターンが精査に耐えると確かめたときにだけ信頼する――この分野が、その10年ごとにどんな肩書きを名乗ろうとも、今も頼りにしている同じ規律である。
Unknown author Unknown author · Public domain
英国の統計学者・遺伝学者で、1920年代にロザムステッド試験場で数十年分の作物収量実験を分析する中で、分散分析、無作為化実験計画法、最尤推定という現代の応用統計学の枠組みの多くを築いた。
1920年代後半のロザムステッドでの午後のお茶の席で、同僚のミュリエル・ブリストルが、ミルクを紅茶に注ぐ前か後かを言い当てられると主張した。フィッシャーはそれを一蹴する代わりに、その主張を実際に検証する無作為化実験を設計した――彼はこの場面を、1935年の著書『実験計画法』で帰無仮説と無作為化試験設計の論理を説明する例として後に使った。
“厳密な実験には、後から議論するのではなく、最初から組み込まれた対照群と無作為化が必要である。”
Henry Hering (1814-1893) · Public domain
近代看護の創始者としてよく知られるが、ナイチンゲールはデータ可視化を用いて、クリミア戦争で兵士の大半を死なせているのは戦傷ではなく劣悪な衛生状態だと英国政府に納得させた先駆的な統計学者でもあり、王立統計学会の初の女性フェローとなった。
1858年、ナイチンゲールは「鶏冠」あるいは極座標図と呼ばれる図表――1年を月ごとの死亡者数に応じた大きさの扇形に分け、死因ごとに色分けした円形チャート――を発表し、クリミアにおける英国陸軍の死亡の圧倒的多数が戦闘ではなく予防可能な疾病によるものであることを陸軍省に示した。この可視化は恒久的な陸軍衛生改革を後押しした。
“よく設計されたチャートは、同じ数字を表にしたものよりも速く政府の政策を変えうる。”
User Wujaszek on pl.wikipedia · Public domain
ダブリンのギネス醸造所で化学者・統計学者として働いていたゴセットは、少量の大麦サンプルの品質を判断するという極めて実践的な問題を解決するためにt分布とt検定を開発し、ギネス社が従業員の実名での論文発表を禁じていたため「student」というペンネームで発表した。
ギネス社は競合他社に企業秘密が漏れることを懸念し、従業員の論文発表を禁じていた。そのためゴセットの画期的な1908年の論文『平均値の確率誤差』は、『バイオメトリカ』誌に「student」というペンネームで発表された――この名前は、彼の本当の身元が統計学者の間で知られるようになったずっと後まで、今日何百万もの小標本分析で使われるt検定に結びついたままである。
“ひとつの狭い実践的な問題を解決するために作られた手法が、1世紀以上その本来の目的を超えて生き続けることがある。”
Prateek Karandikar · CC BY-SA 4.0
25歳でクラメール・ラオの下限とラオ=ブラックウェルの定理という統計推定理論で最も広く使われる2つの結果を導いたインド系米国人の統計学者。その後インド統計研究所の構築に貢献し、米国の大学で長いキャリアを積んだ。
ラオが1945年にコルカタのインド統計研究所の若手研究者として書いた論文は、あらゆる不偏推定量が未知の量をどれほど正確に測定できるかについての下限――現在クラメール・ラオの下限と呼ばれる――を証明した。この結果は基礎的すぎるほど基礎的で、それ以降出版されたほぼすべての統計学の教科書に登場する。彼はこれを26歳になる前に書いた。
“キャリア初期に精密に証明されたひとつの結果が、その分野の後の流行を何十年も超えて生き残ることがある。”
高速フーリエ変換アルゴリズムを共同発明し、箱ひげ図を発明した米国の数学者・統計学者で、1962年の論文『データ分析の未来』で、実際のデータの分析は数理統計学とは異なる独自の科学分野として認められるべきだと論じた。
『データ分析の未来』(1962年)でテューキーは、データ分析が数学の一分野として「不十分にしか教えられていない」と書き、その後15年間、箱ひげ図や幹葉図――1977年の著書『探索的データ分析』で紹介された――など、コンピュータが数字に触れる前に鉛筆と紙で手作業できるよう設計された実践的な技法の開発に費やした。
“モデルを信頼する前に、まず単純な手書きの道具を使って自分の目でデータを見よ。”
2001年の論文で、拡大した統計学の学問分野を指す名前として「データサイエンス」を提唱したベル研究所の統計学者で、局所回帰法LOESSを含む広く使われるデータ可視化・平滑化技法も独自に発明した。
クリーブランドの2001年の論文『データサイエンス:統計学の技術的領域を拡大する行動計画』は、統計学部とは別に専用のデータサイエンス学部を大学に設けるべきだという、具体的な制度的提言を行った――この提言が定着するまでに10年以上かかったが、2010年代半ばまでに世界中の何百もの大学がまさにそれを実行していた。
“分野の境界を文章で命名し正式に提案することは、何年も後に大学がそれをどう組織化するかを形作りうる。”
LinkedInのデータチームを率い、そこで同僚のジェフ・ハマーバッカーとともに2008年頃独立に「データサイエンティスト」という職名に行き着き、2012年の影響力あるハーバード・ビジネス・レビュー誌の記事「21世紀で最もセクシーな仕事」を共同執筆、後にオバマ大統領の下で米国初のチーフ・データサイエンティストを務めた。
パティルは、2008年頃LinkedInのデータチームを構築していたとき、彼とチームが「データアナリスト」や「ビジネスアナリスト」といった肩書きを検討した上で「データサイエンティスト」に落ち着いたと振り返っている。それは一つには、この役割が実際に必要としていたエンジニアリングと統計学の融合をよりよく捉えていたためであり、もう一つには単に採用にあたってより魅力的な肩書きだったからだという。
“適切な職名は、職務内容そのものとほぼ同じくらい、業界全体の採用のされ方を形作りうる。”
2009年にbit.lyのチーフサイエンティストとなり、この肩書きを公に持った最も早い人物の一人として、リンク短縮サービスの膨大なクリックストリームデータを用いてオンラインで何が拡散するかを研究、後に機械学習研究のスタートアップFast Forward Labsを創業した。
bit.lyでメイソンと同僚たちは、数十億件の匿名化された短縮リンクのクリックを分析し、情報が実際にインターネット上でどのようにリアルタイムで拡散するかを研究し、どの時間帯にリンクが最もクリックされるかといったパターンについての発見を発表した――リンク短縮ユーティリティを、初期の大規模で公然と議論されたデータサイエンス研究プログラムの一つへと変えた。
“誰かがそこに目を向けさえすれば、ありふれたインフラ製品が最も豊かな研究データセットの一つにもなりうる。”
バーはこのリストの首位を基準にした相対値です。
Toggle names on and off — every bar rescales to the leader of your selection.
DJパティルとジェフ・ハマーバッカーが本当にこの職名を「作った」のかについては異論がある。両者とも、より広いチームや業界内での非公式な先行使用があったと認めており、2008年以前にもこの語がまばらに登場している。
この分野そのものの命名の功績も争われている。コンピュータ科学者ピーター・ナウアは、ウィリアム・S・クリーブランドの広く引用される2001年の提案より数十年も前、1974年には早くも「データサイエンス」という語をコンピュータサイエンスの同義語として使っていた。
黒板一枚から3000人の共著者を抱える加速器論文まで、物質・エネルギー・空間・時間を支配する数学的法則を導き検証する仕事。
AI-resistant 65 🧬生命そのものを研究する科学者。リンネが種を手作業で命名した時代から、CRISPRでゲノムを編集する今日まで、あらゆる着想を生きた生物で検証し続けてきた。
AI-resistant 64 🧪物質そのものを作り、測る科学者——バビロニアのタプティの蒸留器から今日のロボット実験室まで、スペクトルの意味を決めるのは常にこの人だ。
AI-resistant 70 🔭バビロニアの粘土板から宇宙望遠鏡まで、宇宙を測り続ける科学者。今もデータの中のどの揺らぎが発見なのかを見極めている。
AI-resistant 70 🧮バビロニアの書記からフィールズ賞受賞者、AI支援証明まで――困難な問いを恒久的な確実性へと変え続けてきた職業、一つの定理ごとに。
AI-resistant 70