臨床データサイエンティスト、1962年のテューキーがデータ分析は独自の科学だと主張 · 588

そうとは言い切れない。フィッシャーの実験計画法やテューキーの探索的分析など統計学に大きく依拠してはいるが、従来の統計学部ではほとんど教えられなかったプログラミング、データベース工学、機械学習を加えている。ウィリアム・S・クリーブランドは2001年に、統計学を置き換えるのではなくそれを土台としたこの拡張版の分野を説明するために、まさにこの用語を提唱した。 定型的な部分はすでに影響を受けている。ツールは標準的なモデルを当てはめ調整でき、AIアシスタントはSQLクエリの記述、探索的なグラフの初稿作成、定型的なパイプラインコードの記述を人間より速くこなせる。自動化されていないのは、正しい問いを設定すること、あるパターンが意味のあるものか偶然のものかを判断すること、そしてその結果に基づく意思決定に責任を負うことだ。

臨床データサイエンティスト、データアナリスト、機械学習エンジニアの違いは何ですか? データアナリストは通常、既存のデータとダッシュボードを使って定義済みのビジネス上の問いに答える。臨床データサイエンティストは、しばしばより雑然としたデータから、新しい統計モデルや予測分析を構築する。機械学習エンジニアは、モデルをノートブックから取り出し、本番環境で確実に大規模に動作させる。この境界は常に曖昧で、多くの人がキャリアの中でこの三つの間を行き来する。 臨床データサイエンスではどのようなツールやプログラミング言語が使われますか? が主流で、通常はや-といったライブラリと、データベースに問い合わせるためのSQLが組み合わされる。Rは学術界や生物統計学が重視される現場で今も一般的だ。ノートブックは探索的な作業の標準環境であり、、、といったクラウドのデータウェアハウス基盤に、多くの臨床データサイエンティストが実際に問い合わせるデータが格納されている。

なぜ「臨床データサイエンティスト」は「21世紀で最もセクシーな仕事」と呼ばれたのですか? トーマス・ダベンポートとDJ・パティルは、2012年10月の『ハーバード・ビジネス・レビュー』の記事のタイトルにこの表現を使い、この職務に求められる統計的スキル、コーディング能力、ビジネス判断力のまれな組み合わせが、それを希少で非常に求められるものにしていると論じた。この言葉は定着し、10年に及ぶ企業の採用ブームと数十の新しい大学の学位プログラムの誕生を後押しした。 データサイエンスは、このサイトで最も新しい職名の一つでありながら、その土台にあるのは最も古い技能の一つ――大量の記録を、人が行動に移せる主張へと変えることだ。「臨床データサイエンティスト」という名前は2008年頃にさかのぼるにすぎないが、その基盤となる学問は、記録を数え、検証し、可視化してきた統計学者たちの三世紀にわたる歴史を通じてつながっている。