作为一个在商学院工作了十多年的统计学老师 ，一天到晚为自己 ，为学生 ，或者年轻合作同伴多写俩Statistical Paper绞尽脑汁 ，也是无聊透顶,不知路几多脑细胞因而就义。可贵空闲的时辰 ，就瞎斟酌几个深刻的问题。当然 ，我也不知路这么深刻的问题 ，该不该我来斟酌。但是既然斟酌了 ，就不如写下来跟各人分享探求。这几个问题就是：中国统计学将来发展的风雅向是什么？背后的逻辑是什么？套用一句时髦的互联网说话就是：中国统计学的风口在哪里？
人说以史为鉴！所以 ，首先单一回首一下某些统计学领域的发展史,例如尝试设计。昔时 ，这个领域是若何发展起来的？难路是少数天才学者的智力游戏吗？显然不是。这是农业出产的必要。有关科学尝试是最底子的驱动力。那么后来呢？是工业化过程 ，以至于又催生了质量节造、靠得住性等有关学科。而从前这十年是推算机尝试。那么将来呢？我想肯定是互联网。这注明什么？这注明统计学的发展要适应产业刷新 ，这是大势所趋！
再看一个例子 ，高维数据分析是最近20年才被提出来的吗？不是！早在这个之前 ，就有学者 ，受幼我学术兴致的驱动 ，也曾提出过类似的问题 ，但没有形成气象。为什么？是由于其他学者其时有眼无珠吗？我以为不是。一个重要原因是 ，这样的步骤在其时如同没什么沉要的现实利用。这就难挂咒时主流统计学钻研不关切这个问题。但为什么 ，这个昔时让人脑洞大开的异类问题 ，却成了最近20年的钻研主流了？由于科学技术变了。以DNA Microarray为代表的生物技术的巨猛进取 ，产生了大量这样的数据。而这些数据 ，蕴藏着关乎人类性命健全的奥秘 ，拥有沉要的科学价值。这成就了从前这些年的（超）高维数据钻研。这注明什么？这注明统计学的发展依赖于技术进取 ，这是大势所趋！
最后一个例子。为什么造药统计学在美国那么沉要？由于生物造药这个产业极其壮大。默克、强生、施贵宝等一大批造药巨头 ，每年要执行大量的临床尝试 ，产生了大量的数据 ，造成了海量的分析需要 ，进而推动了造药统计学的发展。为什么这些巨头愿意投入巨大的功夫、财力、物力作临床试验？是它们对科研的好奇心？还是路德上的上流？可能都有一些 ，但不是最底子的。最底子的是美国食品药物监督局（FDA）对市场的强力监管。这个造度环境造成了有关企业必须执行严格的临床试验 ，进而产生了强劲的统计分析需要。而造药统计的发展 ，又极大地推进了有关领域 ，例如：生物统计学的发展。这注明什么？这注明统计学的发展必要肯定的造度环境 ，这是大势所趋！
所以我们不妨下一个结论：“统计学的大势所趋 ，从不以任何幼我的兴致爱好为转移。而是由产业刷新（例如：工业化过程）,技术进取（例如：DNA Microarray） ，还有造度环境（例如：FDA政策）所决定”。这一点 ，我以为肯定要看明显！雷军说：站在风口 ，猪都能飞！这说的是 ，沉大选择要顺势而为。背后隐含的另表一个结论是 ，若是逆风而动 ，鹰也飞不起来。这是我幼我对待中国统计学发展方向的根基逻辑。那么 ，在中国这片地皮上 ，面对当下的产业基础 ，政策环境 ，J9集团国际大势在哪里？统计学的风口在哪里？要当飞起来的猪？还是被打爬下的鹰？或者更好：顺势而为的鹰？
要回覆这个问题 ，必要检讨一下中国的近况。中国有壮大的造药产业吗？我相信将来会有。但不是今天 ，不是明天 ，不是我们可见的将来5到10年。为什么？由于我们不足强有力的造度环境。越发具体地说 ，我们不足类似FDA的强力监管机构。此刻的国度药品监督局（即：中国的FDA）已经做了好多有意思的工作 ，但是显然还远远不够。为什么？君不见各人对食品安全的焦虑吗？这还不及以批注J9集团国际造度环境必要long way to go吗？若是上面会商的是对的 ，那么请允许我做一个悲催的预测：在中国 ，将来可见的相当长功夫内 ，生物统计学 ，将会是一个沉要的存在 ，但是不成能大放异彩。为什么？由于：没有相应的造度环境。对 ，就这么单一！
那么中国有哪些产业在全球领域内是有竞争力的呢？第一、互联网；第二、造作业。这很好理解；チ矫 ，我们有以BAT为代表的一大批有竞争力的企业。而造作业方面 ，中国是世界的中心 ，生长了像华为这样伟大而优良的企业。这两个行业 ，有可能形成风口 ，或者在形成。这两个行业就是统计学钻研的大势所趋 ，风口地点！
更进一步地 ，这两个大势对统计学钻研的具体影响会是什么呢？我们先会商一下互联网 ，尤其是移动互联网 ，由于各人都很熟悉。请问：移动互联网产生了什么怪异数据？它们的价值何在 ，应该若何钻研？要回覆这个问题 ，看看自己最常用的APP就知路答案了。我们最常用什么？微信。国表呢？Facebook andTwitter。它们是什么？全数都是基于社交的软件或者服务。它们产生了什么样的数据？首先是网络结构数据 ，用于刻画了用户之间的社交关系。对于统计分析 ，这会带来什么样的变动？最底子的变动就是让信息沿着网络结构起头流通。通俗地讲 ，以前 ，我们判断一幼我是好人还是坏人（因变量）,重要参考他自己的特点（诠释性变量）。但是 ，有了网络结构 ，与之相连个别的所有信息（即蕴含因变量、也蕴含诠释性变量） ，都能够被利用起来 ，以提高预测精度。但是 ，可能切合该理想、满足该需要的统计学模型却少之又少。这就是网络数据赋予统计学发展的沉大机遇 ，这就是风口地点！
再看看造作业。造作业有几个特点。第一、中国是全世界的造作中心 ，但是亟待产业升级 ，进入工业4.0时期。第二、与世界造作中心相对应的是 ，对中国造作业的数据 ，我们却极其无知 ，远远落后于互联网。产生这个景象 ，可能有两个原因：首先可能是是传统造作业的数据采集难题 ，不如互联网方便；其次可能是互联网的故事太抢眼 ，让我们健忘了传统产业。但是 ，我幼我感触到的传统行业 ，尤其是造作业 ，却蓄势待发！为什么？两个根基事实：（1）物联网技术越来越成熟 ，相应的数据采集越来越方便。一个典型的案例就是车联网。毋庸置疑 ，将来的汽车肯定被成百上千个、各类各样的探测器所包抄。这些探测器会正确纪录汽车行驶的方方面面。例如：胎压、发起机温度、地理地位、行驶方向、行驶快率、加快率、角快率等。这就组成了统计分析的数据基础。（2）由于传统造作业体量巨大。动则一个汽车厂商年产汽车百万台 ，或者一个家电企业年产电视机千万台。因而 ，若是数据分析可能产生任何有益的改进规划 ，带来的价值都是极其巨大的 ，很可能远弘远于数据分析（例如：精准营销）之于互联网的价值。由此可见 ，对于传统造作业 ，数据分析 ，很可能不以消费者为第一主题。而是以流程再造、产品改进、成本节俭为第一主题。这点跟互联网行业很不一样。而这所有 ，都是以物联网的大规模、低成本的执行为前提。因而 ，物联网将是另表一个风口地点！
基于以上会商 ，作为统计学工作者的我们应该若何应对？我以为必要以一种极度谦卑盛开的心态 ，去进求学务知识 ，相识利用场景 ，实际统计学理论。这方面 ，可供我们实际的沃土太丰硕了。它们蕴含但不局限于：游戏、电商、社交、告白、投资、金融、征信、可穿戴设备、车联网、设备监控、当局、医疗等。从前的汗青已经很明显地注明：统计学的发展 ，肯定要顺势而为。要适应产业刷新 ，技术进取 ，以及造度环境。在中国 ，互联网和物联网就是大势所趋 ，这就是风口地点。统计学从这里启程 ，想不飞都难！
