數據科學與火箭科學如何將人類送上火星

在最近的CNN專欄中，奧巴馬總統再次證實，美國將不遺余力地實行將載人航天器送上火星的任務。如果你覺得自己面臨的數據科學難題太有挑戰性，那你應該想一想，用挖掘數據的方式來探究火星遠征對健康的影響，是多難的一件事。

在太空中生活幾年對于宇航員的肌肉張力和肺活量有多大影響?對他們來說減輕體重的安全限度是多少?載人飛船中的二氧化碳含量應有多少?每一件太空服需要配置多少傳感器用來計算宇航員的關節靈活性?

想要把人類送到“前無古人”的那些地方，有大量的變量需要納入考慮，NASA也正刻苦研究未來的火星計劃所涉及的健康和安全風險。這些風險影響著制定計劃時所需要作出的一系列決策——從預估的潛在機組人員數量，到設備工程、任務后勤以及燃油儲備，等等，因而對這些風險的明確了解可謂是重中之重。

雖然代價高昂，但NASA從開始就很明白，他們工作的重點不在于開發一個完美的分析模型，而在于打造一個數據科學程序，使決策者在回答一些不斷變動的問題時，能用到分析學的辦法。但是如果你想要學習NASA的分析方式，不一定非得跟火箭科學打交道。對于那些想要從事大數據分析，或困于大數據分析的組織來說，這里有從NASA的項目中總結的幾個核心要點：

別小題大做

簡而言之，數據科學根本沒火箭科學那么難(不信的話你看我在那做了什么)。是的，分析大數據是有挑戰性，而且根據你所期望獲取的見解不同，方法也可能隨之變動，但是完全沒必要把事情搞得太復雜，想要得到解決方案遠遠用不著那么復雜。

很多組織時常循環往復試著把數據搬回來分析，其實他們更應該把分析方法帶進數據里去。既然稱之為大數據，自然是不可能把它搬來搬去的，就算做到了，也得歷經艱難險阻。這也就是分散式存儲和像Hadoop那樣的處理框架存在的原因——云數據的可擴展性，比起硬盤里的數據可高太多了。

對于火星計劃來說，涉及到很多層次的數據需要考慮，從曾經完成過太空任務的宇航員(比如說斯考特凱麗)，身上取得的健康數據，到無人航天的測試研究，再到模擬太空環境下的研究，其中之一就是休斯頓市約翰遜太空中心的人類探索研究模擬計劃(HERA)。

把所有數據歸整到同一個地方是關鍵的第一步。為此，NASA使用了高級協作式分析方法和數據共享平臺對數據進行分析，這一平臺的開發者是洛克希德馬丁公司和幾個分析伙伴，比如勇攀科技。因為省去了下載數據到單獨的分析環境中的步驟，研究者們現在可以把更多的時間和精力花在提問題、解決問題，然后更好地規劃火星計劃上面。

發射只是開始

火箭的成功發射只是持續數年的火星遠征的第一步?；趶那暗慕涷?，NASA已經做好了遇到并解決無數挑戰的準備。對于數據分析項目來說亦是如此，光是部署好了模型并不意味著項目大功告成，實際上那些基于實時基礎上不斷完善和迭代的模型才是最有價值的分析初創。

像科學研究方法一樣，充分利用分析結果需要不斷地做實驗檢測，從失敗中獲取教訓，然后接著進行檢測。NASA想要的是快速查詢供其使用的大量數據，然后把結論傳回可以立足于先前結果的新模型中。所以對他們來說，數據科學程序就像一個鐘擺，向前的搖擺著重于從研究者那里快速獲得結論，而向后的搖擺著重于測量、評估結果、改進模型以及再次向前搖擺。

用現有的數據進行工作，而不是你所期望的數據。

在數據組有缺陷的時候，快速輕巧地改善模型的能力尤其寶貴。(而且說實話，有完全沒有缺陷的數據組這回事嗎?)。

對NASA來說，最大的數據挑戰就是宇航員的樣本庫太小了，只有三千多人被NASA認定為宇航員。想要取得推斷，研究者們得把從這個小樣本中取得的數據挖個底朝天才行。

舉例來說，基于歷時五個月的太空旅行對一個35歲，120磅重的女性的影響，兩年的太空旅行對一個32歲，123磅重的會有什么影響呢?對30歲、118磅的呢?此外，到現在還沒有宇航員實際踏上過這個紅色星球，所以對在火星上居住會有什么健康影響，相關數據還處于空白階段(馬特達蒙不算哦)。

但是NASA從去過月球的宇航員或者在空間站待過一年的宇航員那里可以知道些什么呢?如果把處于模擬太空環境的測試體的數據放入預測模型，會發生什么呢?有了支持模型配置與完善的分析工具，各組織可以試著用各種方式從數據中提取結論來做出更準確的預測，甚至在缺失關鍵信息的情況下也可以做到。

打破隱喻黑箱

為了火星計劃，NASA不僅僅押上了納稅人的數十億美金，還押上了宇航員的性命，為了科學與探索，這些宇航員不惜擔起健康和生命安全的風險。

對于這樣的一個計劃，關鍵在于讓不是數據科學博士的那些分析工作者(比如說健康研究者、設備工程師和其他策劃航行任務的人員)也能夠自力完成構建和展開查詢、使用數據的任務。這要求商業和IT股東們的通力合作，易用易改的建模工具以及將深入了解轉達給需要的人的能力。這也是NASA選擇一個這樣的協作分析平臺的原因，這一平臺可以將輸出結果直接延伸至火星計劃的科學家和決策者所使用的系統和應用中。

大量復雜的數據組給任何想要從事分析部署的組織帶來了挑戰，但是NASA駕馭數據進行了最困難的行程規劃——也就是火星遠征，證明了這些挑戰絕不是不可逾越的。只要有了正確的工具，以及最為重要的，一致周詳的解決方式，數據科學根本不像火箭科學那么嚇人。