在我听到针对“数据科学是否科学”的诸多批评声音时，我认为有必要先厘清“科学”的本质是什么，然后再来阐述数据科学家是如何实践科学的。
什么是数据科学？
数据科学是一门科学领域，致力于从数据中提取有价值的信息，并进一步增进对现象的理解。它是在统计分析、数据挖掘、商业智能等领域基础上的深化与演进。互联网催生的数据爆炸、日益增长的计算能力、计算机科学发展，以及机器学习的算法推动，共同孕育了今天数据科学的诞生。
“数据科学家”这一称呼最早由杰夫·哈默巴彻（Jeff Hammerbacher）与 DJ·帕提尔（DJ Patil）在命名一个新岗位时创造。他们希望能找到这样一群人——同时具备数学、统计、计算机科学、机器学习以及商业常识的复合型能力。
为什么会有人质疑“数据科学不科学”？
第一类批评：“大数据分析常常是‘垃圾进，垃圾出’——你又如何确保数据和结果的质量呢？”
的确，数据量大并不意味着数据品质高，其中可能混杂各种错误。但这种批判对“小数据”或“中数据”同样适用。问题的核心其实在于：如何规范地收集和处理数据？虽然我们难免犯错，但整体来说，数据科学已经有足够的方法应对数据质量的问题——这一点，和其他任何依赖数据分析的学科并没有什么本质区别。
第二类批评：“在海量数据里，总能找到点什么。通过选择不同子集、构造新特征，甚至可以得出任何想要的结论，正如罗纳德·科斯所说的，‘如果你拷打数据的时间足够长，它什么都会招供’。” 这个问题非常典型，但绝非不可克服。科学研究的本质就是对真相的接近，而数据科学家自然也需要注意“不宜过早下结论”。在实践上，我们有很多严谨的处理手段——例如交叉验证（cross-validation）和正则化（regularization）技术，正是为避免过拟合；更不必说，我们可以通过开源代码和研究透明性，让其他研究者完整复现我们处理数据的每一步操作。
第三类批评：“数据科学只能做观察性研究，能找到一些相关性，但不能证明因果关系。”
诚然，带有随机化设计、对照组的实验研究是评价因果的金标准。但很多时候，做控制性实验是昂贵、不合理甚至根本无法实现的。对真实问题的探究，往往是观察性研究与实验性研究彼此补充、相互映证的结果。
第四类批评：“退一步，就算数据科学有其科学性——那商业数据科学呢？一家以营利为目的的公司怎么可能是‘科学’的！”
商业环境有其自身逻辑，但并不能以此否定数据科学家进行科学探索的可能性。实际上，许多商业公司内部有R&D团队（研发部门），他们的工作方式和学术研究者相当相似；坚持证据、追求真实——有时甚至正是企业持续获得竞争优势的原因之一，很多商业创新本身就是一种科学发现的应用。
以上这些批评，其实主要指向两种误解：
- 第一，对数据科学的方法和实践缺乏理解；
- 第二，用“个体不佳的表现”直接断言“整个领域不科学”。就像医学领域中不精统计的医生也存在，心理学也面临可复现性危机，但这些学科本身依然被公认为科学的一部分。数据科学同样拥有不少成就，它在生物学、金融、市场营销、经济学等方面已取得诸多令人信服的成果。
数据科学家是真科学家吗？
卡尔·萨根曾言：“科学更是一种思考方式，而不仅仅是知识的集合。”
真正的科学家，会以开放与谦逊面对批评，不断审视自身知识中的误差，努力形成更清晰的、可测试的解释。数据科学家若同样遵循这一过程，保持理性和对方法透明度的尊重，他们毫无疑问就在践行科学的方法与精神。
总而言之，判断一个领域是否科学，更应追问的是在这个领域中的每一个个体如何思考与行动，而不是给它整个贴标签。也许我们应该更多地问一问：这个人追求的是什么？她用什么方法检验自己的知识？她判断一个论断时依据什么？
