《数据学》书评

时间假设与时间悖论

这本书是一本很薄的小册子，适合对于数据感兴趣但是刚入门的学习者，比如我。老实说，这本书并没有太多的惊喜，因为很多东西之前已经了解过，但是作者却是从另外一个角度帮助我们理清了一些问题，或者提出了一些新的看法。首先关于数据勘探的。我对作者提出的数据勘探的理解是先检验总体中的样本，用样本的规律、模式来推及总体。这与我们一般的模式是统一的，只是在实践上经常会迷失在数据中，喜欢“大”数据而非小数据。但是，我对于先从样本出发，能够找到总体的规律存疑。因为，这其中涉及到样本选取、总体本身的分布问题。我个人最感兴趣的还是在书的最后，作者提出的时间的假设。数据自然界是否有时间？“对于数据自然界，如果没有时间，则没有过去和未来，但问题是，现在仍然只能记住过去而不能记住未来；如果有时间，则不能回到过去，但数据操作的回溯表示可以回到过去，同时，数据本身不会随时间衰老”。另外一个假设是“时态数据能够处理事务时间，说明数据的每个状态都会保存，即使做一次数据库操作的回溯，也会作为一个新的数据库状态保存下来。这样，所有的数据库操作都会使数据库的数据增加，即数据库将一直在增大而不会缩小。这样，就会有一个时间的方向。如果如此，数据自然界与自然界的不同则在于，自然界只有当前一个状态，而数据自然界保存了自然界的所有状态”。对于第二个假设，我认为作者忽略了两个因素。第一，对于数据的每一次回溯都会产生事务时间固然没错，事务时间也会被记录到时态数据库中，但是这种回溯本身也改变了时态数据库的状态，而不是保持这样的状态。第二，时态数据库是对自然界实体的反映，自然界的实体状态在不断改变，即自然界中的状态是当前状态，我们是否可以用数据自然界中的状态来推及当前状态？因为实体的当前的状态只能存在于自然界中，写入到数据自然界的必定是过去状态，因为已经发生了。比如对于一个人的上网记录，我当前是在写豆瓣上书评这几个字，但是我的状态被豆瓣服务器写入数据库中的那一刹那，事情已经完成，这个Gap该如何弥补？当前状态是否能够由之前状态推导？

新瓶。

本书我花了1个小时速读了一遍。感觉还是比较系统比较新颖的。本书试图按照学科的规模构建数据相关的整个体系。比如本体，比如面向对象的方法。但是，遗憾的是，论据和论证过程还有待加强。目前关于数据的研究已经摆到了非常重要的位置，比如第四范式等作品都很不错，期待下一版将当前研究和论述进行整合，顶天立地，以飨读者。

提出一个新学科

本书的英文名为《Dataology and Data Science》，应该是国内首先提出“数据学”概念的一本书。不过书中内容并无太多新颖之处：数据勘探、ETL、数据仓库、数据挖掘和数据实验都不是新的概念，本书的介绍也没有什么新颖之处。这本书只是告诉我们：有一门新的学科Data Science正在兴起，将来也会有一种新的职业，叫Data scientist.