[Data Analytics] 資料分析的哲學基礎

年輕的時候喜歡附庸風雅，讀了很多哲學書。高中時本來也打算將來讀文學或哲學的，一直到讀了史蒂芬．霍金的「時間簡史」，看來看去一直讀不懂，意識到「科學」，或者至少物理學這一門，我是需要人帶入門的，才決定轉念自然組，理想科系也由哲學換成心理學。

雖然換了組別，亂讀書的習慣還是留了下來，大學時也跟幾個「偽文青」朋友按圖索驥的照著哲學史慢慢的讀著，討論著。

讀了這些東西，和後來的專業其實沒什麼直接的關係，但是不能否認的是，往後在討論比較抽象層次的議題時，這些知識在我腦海裡形成的地圖，可以讓我比較快定出自己所在的位置，跟應該前進的方向。

但這倒也不是全無壞處的。人如果真的思路一路跟著當代哲學走，從結構主義的各家觀點，走到解構主義或是後現代，那基本上就很難再回頭了，至少對我自己來說是這樣的：太習慣去解構人家提出的每個觀點，一方面會人緣不好，另外一方面也就不容易再去堅決的相信些什麼。

這也是後來選擇工程研發作為職業， "it is not what I claimed, but what I did, that defines me" 成為自我介紹，部落格標題還用了 esse （"存在"的拉丁文，不是德文的"吃"）的主要原因。套用現在流行的用語，這也就是 "be data-driven"了。

這個冗長的開場白，到目前為止好像也只稍稍擦到題目的邊，無非是為了增加一點寫這篇文章的正當性。這裡不打算細說各家哲學理論，哲學史上重要的著作很多，即使只算我讀過的，也是很難一語道盡，更不用說相關的名家論述汗牛充棟，也輪不到我多嘴。

跟資料分析比較有關係的，應該是當代哲學跟科學哲學的部分，芬蘭一位教授 Jyväskylän yliopiston Koppa 的 Philosophy of Science  網站上倒是有不錯的摘要，去圖上點一點，可以快速的看到各派論點的摘要。

各家哲學的觀點，主要在詮釋「事實」（facts，實際發生的，可以被觀察到的事件）與「真實」（reality，真相，表象背後的深層真理）之間的關係。科學的各學門絕大部分都是以「事實」作為基礎的，所以除了走純理論的科學家之外，data-driven 算是共同的基礎，但是「資料驅動」可以驅動到什麼程度，就可以看出各個學派的差異了。

圖中靠外邊的那些理論，大多是認為「真實並不存在」、「不想討論真實的存在」或「真實即使存在，也難以用任何客觀的方式達到」的，所以 data-driven 可以比較不受限制；比較核心那些的觀點，就比較依賴人主觀形成理論來指引資料的詮釋。

在實務上，資料驅動的方法真的可以形成「知識」嗎？就筆者本身知道的，目前大概只有 Google 訓練電腦自己形成「貓」的概念，算是接近成功的例子，不過動用 16,000 個處理器去分析一千萬幅影像，不見得是一般人可以負擔的資源。其他大部分的資料分析應用，還是先由理論架構作為導引，比較能產生應用的價值。

目前只談到「資料分析」的整體，其實不同的分析方法背後也有其哲學意涵，那就以後再說吧。