那是2001年10月，距9-11-2001恐怖袭击发生仅一个月。 电话铃响时，我正坐在美国宇航局办公室。 通话另一端的声音说：“我们希望您明天向总统简要介绍数据挖掘。”我清楚地记得我的回答：“您是说总统吗？”
是的，他们的确是美国总统。 当我问到他们对本次简报的看法如何时，他们说他们意识到他们需要数据挖掘方面的专业知识才能发现并阻止下一次恐怖袭击，因此他们询问了不同的联邦机构，他们都是数据挖掘方面的专家， NASA总部的人们说我是NASA数据挖掘专家！ 哇！ 我从来没有那样想过自己。 当时，我正在做一些较小的项目，并努力学习有关数据挖掘的知识。 这是怎么变成这样的？
那一刻，我想到了两个重要的启示：（1）我对数据挖掘的一点了解已经被认为是“专家”； （2）数据量和数据分析应用程序的爆炸式增长不仅在科学领域，而且在各个领域的任何地方，包括一些非常重要且具有世界意义的应用程序。
拥有物理学（BS）和天文学（Ph.D.）学位，我一直在进行计算，建模和数据分析。 毕业后我最初的18年工作是在NASA，负责为太空科学任务和计划开发大型数据系统。 随着数据集大小变得越来越大，我开始研究数据挖掘和机器学习作为在大量海量数据集中进行更大探索和发现的工具。 在NASA工作了18年之后，我确定世界将需要一支庞大而庞大的受过训练的数据专家队伍（现在称为数据科学家），以探索和利用这些庞大且不断增长的数字数据集。 我加入乔治·梅森大学（George Mason University）担任天体物理学和计算科学教授，在那里我花了12年的时间教授数据科学，计算模型，统计，数据伦理，数据库等方面的学生。
自从我开始深入研究机器学习和数据挖掘的工具和算法以来，已经有20年了，然后将这些方法科学地应用于实际问题-这些应用程序就是分析。 首先是天文学和空间科学数据，然后是地球科学和气候数据，然后是许多领域的许多其他类型的数据，包括数字营销，医疗保健，金融等。
我一直热爱科学发现，这个世界（数据分析和数据科学的世界）使我一直可以做得更大，更好。 我喜欢以一种解释数据的方式进行建模的挑战，该方式可以对数据进行预测并加深对数据的理解。 整个过程激励着我做更多的事情。 总是有学习的地方：好与坏。 两位都是好老师。 我们知道好事。 因此，让我分享一个不好的例子。
我猜我对分析“坏”的第一个实际经验是一个卫星图像挖掘项目，该项目旨在从遥感图像中检测野火，建立神经网络模型以自动进行检测，然后利用这些见解来建立预测性未来野火的模型。 我们在项目的第一部分花了两年时间，但从未达到预测阶段。 那是因为我们在该项目上花费了大约90-95％的精力来研究，选择，理解，准备，重新格式化和处理大量卫星图像。
分析（神经网络模型构建）在项目中非常晚。 这令人沮丧（因为我们从未达到过最有趣的阶段：预测！），但至少我们建立了一些有用（且准确）的分类网络，可用于野火检测。 我从这次经历中学到了很多。 我了解到的一件令人难忘的事情是，教科书和“专家”说它们在数据分析项目上花费的40-60％的工作都花在了数据准备上是错误的。 实际数字约为80–95％。 也许95％对某些人来说是丑陋的，但对我来说，这是您密切了解数据并亲自了解数据的时候，这是非常有价值的知识构建，应该接受。
这些天，我的工作以外的生活主要是家庭活动。 现在有三个年幼的孙子，我的妻子一直很忙于他们和我们的孩子，而我会在时间允许的范围内尽享欢乐。 当然，数据科学不仅是我的工作，而且是我的热情，所以我写博客，读了很多书，并在推特上写了很多关于数据科学和分析的文章。 除了这些全年的活动之外，我和我的妻子还喜欢参观纽约州北部的阿迪朗达克山脉和湖泊，因此我们尝试每年夏天（或春季或秋季）在那里度过一些时光。
我喜欢讲故事（尤其是数据）和古怪的报价（简短的报价加上有影响力的信息）。 因此，讲故事出色的任何人都是激发我灵感的人。 特别是我经常与学生分享的一句话是：“如果我们知道自己在做什么，就不会称为研究。”有人声称这是爱因斯坦的一句话，但可能不是。 无论如何，这句话提醒我（和我的学生）在探索这个奇妙的数据世界时，始终保持谦虚，好奇心和“学习模式”。 我喜欢一个浮躁的名言：“进步的轮子不被曲柄所左右！”这提醒我即使在困难的情况下也要保持幽默和积极的态度。
一个使我感到鼓舞的轶事是关于诺贝尔奖获得者，物理学家感到有些不安的他开始了研究生院-他在一个非常艰苦的数学物理课上被分配了10个问题的家庭作业，但他只能解决其中两个问题。 他对自己的表现不满意，也不确定自己的职业选择。 但是后来他发现没有其他学生可以解决任何问题，而这是数学物理学史上十个以前尚未解决的问题。 他能够解决两个以前未解决的问题！ 我猜他在正确的时间在正确的位置，尽管起初似乎并非如此！ 这就是我对自己一生中很多机会和经验的反思。 我在这里写过：http://bit.ly/2rcu8M1
我写了一篇文章-有抱负的数据科学家的权威问答，其中我分享了一些专业建议。 我给有抱负的数据分析专业人员的主要信息是，首先跟随您的热情，无论是商业，工业，科学，医疗保健，艺术，写作，教学，技术，体育还是其他。 世界各地的一切都在变得数字化，数据来自无处不在的传感器。 因此，由于几乎可以肯定在任何职业道路上都有分析机会，因此您应该做自己喜欢做的事，因此，您会喜欢自己做的事。
其次，我提醒年轻的专业人员，持久而成功的职业的最佳保证是对学习的热爱-成为终身学习者，您将永远找到机会并为您的组织提供价值。 新事物无时无刻不在出现，包括新技术，新做事方式，甚至是新的编程语言，因此数据科学家必须敏捷并且始终处于学习模式。
第三，我向年轻的分析专业人士强调“推”与“拉”之间的重要区别。 这对我的组织特别重要，该组织向客户提供管理咨询服务。 重要的是倾听客户（利益相关者）并了解他们想要什么（即“拉”）。 不要尝试在客户端上推送最新的模型，闪亮的新软件包或精美的仪表板-不管它的质量如何，客户端都可能仅仅因为您没有听取他们的需求而拒绝它。 要自信，让客户知道您的有光泽的产品（甚至可以在实际中看到它），但要让他们思考他们是否想要它。 然后，它成为他们的“需求”（即，来自客户的“拉动”）。 无论如何，在这种情况下我告诉同事的一句话是：“客户不一定总是对的，但客户永远是客户。”
对于那些不太了解我的人，我是一个非常热情的人。 如果您能看到关于我的信息，那么我知道我们已经建立了联系。 我喜欢分享发现和学习新事物的喜悦和激动。 我希望它具有传染性！
哦，顺便说一句，我从未向总统做过简报，因为我是NASA的合同雇员，法律上不允许以这种身份向总统提供建议。 但是，我确实向总统执行办公室内的国土安全过渡计划办公室的工作人员作了简要介绍。 那太酷了，令人难忘！
最初发表于《分析人类》。
