前幾天分享「資料分析技術的過去與現在：關鍵字雖然在更迭，但背後的技術不會消失」圖文中的有些用字「不精準」造成一些誤解，背後也隱含著對於資料科學使用上的誤區。就如同我們前一篇文章所說：「隨著資料科學技術的快速演進，很多人可能會擔心被淹沒在新技術的浪潮中」，我們也反諷盲目追逐 Buzzword 現象，在一些技術用字上是比較模糊的也因此造成誤解。想說花點時間整理我心中的想法、以及分享自己觀察到的脈絡

前幾天分享「資料分析技術的過去與現在：關鍵字雖然在更迭，但背後的技術不會消失」圖文中的有些用字「不精準」造成一些誤解，背後也隱含著對於資料科學使用上的誤區。就如同我們前一篇文章所說：「隨著資料科學技術的快速演進，很多人可能會擔心被淹沒在新技術的浪潮中」，我們也反諷盲目追逐 Buzzword 現象，在一些技術用字上是比較模糊的也因此造成誤解。想說花點時間整理我心中的想法、以及分享自己觀察到的脈絡：

1. 技術並不是現在取代過去，演進應該是 #技術堆疊而成 的
2. 技術演進其實想表達的是 #關鍵字轉移，技術背後想解決的問題才是重點
3. 技術普及的同時定義也會更加模糊，謹慎判別 #關鍵字的濫用

① 技術並不是現在取代過去，演進應該是 #技術堆疊而成 的

資料領域的關鍵字發展快速，從大數據、深度學習的技術演進或是像 AlphaGO、Midjourney AI 之類的 AI 應用，都讓大家感受到資料驅動的科技力量。

當然也有更多的人會擔心是否被無情的技術演進拋下了呢？擔心過去學過的統計學、資料庫會不會過時，這些技術是不是已經被淘汰了呢？但新技術的發展並不是橫空出世、一步到位的，就像現在流行的深度學習背後也用到許多機器學習和統計學的觀念。你不需要焦慮你學過這些技術會被淘汰，而是關注在如何站在巨人的肩膀上往前看。

② 技術演進其實想表達的是 #關鍵字轉移，技術背後想解決的問題才是重點

以資料收集、資料來源的技能需求來說，早期的資料分析通常侷限在應用場景比較單純，使用的資料來源多半來自內部的資料庫系統。

這個時期的技能要求是能用利用 SQL 從資料庫撈資料、再搭配各式各樣複雜的迴歸模型解讀資料。但現在資料的來源更加廣泛多元，如何收集、疊合更多來源的資料已經成為資料分析人員的必備技能。不過技術不管怎麼演進，終究還是需要回扣到想要解決的問題是什麼。

③ 技術普及的同時定義也會更加模糊，謹慎判別 #關鍵字的濫用

最後一點也是這張圖最初想要表達的點，坊間很常聽到 AI、 Big Data 的關鍵字，好像不使用就跟不上時代一樣。但是這些大數據真的是你心中想的那種大數據嗎？

深入了解之後，你會發現大部分看到的 Big Data 好像就是部分資料只是畫畫圖表而已，而這其中反映的是某些 Buzzword 在普及的同時、定義也會更加模糊，很多時候會有被誤用或濫用的現象。

嗨，我是維元，目前是一名資料科學與網頁開發的雙棲工程師。近期也擔任科技島社群的駐站專家，持續分享發表對 #資料科學、 #網頁開發 或 #軟體職涯 相關的文章。如果對於內文有疑問都歡迎與我們進一步的交流，都可以追蹤資料科學家的工作日常 Facebook 粉專 或 Instagram 帳號，也會不定時的舉辦分享活動，一起來玩玩吧！

這篇文章 資料科學的關鍵字轉移，這些年我們追逐過的技術 Buzzword｜專家論點【維元】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。