数据质量
判断数据是否适合明确任务并量化偏差
CENTER 02 · RESEARCH CLUSTER 06
数据科学与
大数据分析研究中心
DATA SCIENCE & BIG DATA ANALYTICS RESEARCH CENTER中心角色把多源数据转化为可复核的统计证据
明确结论适用于谁、何时成立以及不确定性有多大
明确结论适用于谁、何时成立以及不确定性有多大
01 CENTER MISSION
中心定位
不以数据量代替证据质量
让每项结论都有对象、条件与不确定性
数据科学不是从海量记录中寻找看起来显著的模式，而是围绕明确问题，理解数据如何生成、偏差从何产生，并用可复核的方法说明能够推断什么、不能推断什么。
数据科学与大数据分析研究中心，是第六研究集群面向数据治理、统计推断、因果识别、预测分析、复杂系统计算和可复现数据工程建设的专业研究单元。
中心围绕“研究对象是谁、数据为何被记录、哪些对象没有进入数据、字段和指标是否对应真实概念、分析假设能否成立、结论能否迁移到新时间与新场景、数据更新后是否需要修订”等问题，贯通研究设计、数据获取、质量治理、统计计算、独立验证和决策转译。
中心不以数据规模、图表数量、相关系数、P值、模型精度、处理速度或上线仪表盘直接表述科学发现和决策成效。成果按数据资源、质量报告、分析方法、统计证据、限定场景决策工具和持续运行系统分层标识。
统计证据
报告效应、区间、假设和不确定性
因果与预测
区分解释、预测、干预和优化结论
可复现工程
让来源、口径、处理、计算和修订可追溯
02 CLUSTER COLLABORATION
集群协同关系
承接模型和真实场景数据
向数据要素治理输出可验证的数据产品与证据
本中心负责数据生成机制、质量、统计、因果、预测和大规模分析工程，不重复上一中心的智能机制与算法能力研究，也不替代下一中心对数据权利、流通和价值确认的判断。
人工智能 · 认知计算
提供经评测的模型、表征、推理输出和人机任务记录；本中心独立检验群体规律、外部效度、因果解释与决策增益
数据科学 · 大数据分析
负责数据设计、质量治理、统计推断、因果识别、预测分析、复杂数据计算、可复现工程与不确定性表达
数字资产 · 数据要素
承接经过质量评价、口径定义和版本管理的数据资源或产品，另行判断权利、授权、流通、价值和合规责任
科研 · 设备 · 环境 · 产业
由来源中心定义对象、测量和专业意义；本中心不能仅凭数据模式替代医学、工程、农业或环境机理判断
协同接口原则专业事实由来源中心确认·模型能力由上一中心验证·统计证据由本中心形成·权利与价值由下一中心确认
03 RESEARCH DIRECTIONS
六大研究方向
从数据生成和质量出发
走向统计、因果、预测与决策证据
每项研究须先说明问题类型、目标总体、数据生成机制和允许的推断范围，再选择计算方法；复杂模型不能修复错误定义、系统偏差或缺失的对照。
数据来源、治理与质量科学
研究调查、实验、行政记录、业务系统、传感器、遥感、互联网及第三方数据的生成机制、元数据、谱系、标准化、实体解析、缺失与异常处理；从相关性、准确性、完整性、及时性、一致性、可比性和可解释性评价数据是否适合特定用途。
统计推断与不确定性量化
研究抽样设计、估计、假设检验、贝叶斯推断、多重比较、缺失数据、测量误差和复杂调查分析；同时报告效应量、区间、不确定性来源、模型假设和敏感性，不以单一显著性阈值替代科学判断。
因果推断、实验与政策评价
研究随机试验、准实验、自然实验、倾向评分、工具变量、断点、双重差分和因果图方法；预先界定处理、结果、目标人群、时间范围、混杂与干扰机制，区分相关、预测、因果效应及可执行干预。
预测分析、时序与决策优化
研究分类回归、概率预测、生存分析、异常检测、时间序列、需求预测和运筹优化；采用时间外、地域外及群体外验证，评价校准、漂移、成本函数和决策后果，避免只按历史拟合优度选择方案。
复杂系统、空间与网络数据分析
研究图网络、空间统计、地理信息、遥感、面板数据、多层模型、流数据与复杂系统分析；处理空间自相关、尺度效应、网络依赖、聚合偏差和跨源对齐，使结果能够返回具体时间、空间和对象层级解释。
大数据工程与可复现分析
研究批流一体、湖仓、分布式计算、数据版本、特征与指标管理、隐私保护计算和分析流水线；在吞吐、延迟、成本、容错之外，验证口径一致、处理正确、访问受控、结果可追溯及环境可复现。
04 RESEARCH & EVALUATION PLATFORM
五层研究与评价平台
从估计目标和数据谱系开始
让分析结果能够被复核、迁移与修订
平台把“系统里有多少数据、模型得到多少分”推进为“数据为何适用、估计对象是谁、误差从何而来、结论能否外推、何时必须更新”的完整证据链。
问题、总体与估计目标平台
把业务问题转化为明确研究问题，定义对象总体、观察单位、处理和结果变量、时间窗、比较组、决策用途、主要指标与不可接受错误
数据获取、谱系与质量平台
记录数据生成机制、来源授权、采样与覆盖、字典标准、时间戳、关联规则、清洗插补、版本及每次转换，形成可追溯质量档案
统计、因果与预测计算平台
统一管理分析方案、代码环境、模型假设、特征、随机性和计算资源，开展估计、因果识别、预测、仿真、优化及敏感性分析
独立验证与稳健性评价平台
使用冻结测试数据、外部数据和独立复核，评价抽样与非抽样误差、外部效度、校准、漂移、亚组差异、替代设定与极端情形
决策转译与持续监测平台
将结论、区间、适用边界和更新规则转化为可理解的报告与决策接口，持续监测数据、指标、模型、使用行为、实际效益和误用风险
适用与相关
数据是否对应目标总体、研究问题和决策时点，而不只是容易获得或数量庞大
覆盖与代表
谁进入、谁缺失、选择如何发生，以及样本能否代表拟推断的人群、地点和时期
准确与完整
测量、录入、关联、编码、缺失和异常处理造成的误差是否被识别、量化和记录
一致与可比
定义、单位、分类、时间和空间口径在来源之间、版本之间和长期序列中能否比较
及时与稳定
数据到达和更新是否满足用途，延迟、修订、漂移及源系统变化是否得到监测
可解释与追溯
用户能否理解指标含义、方法和限制，能否从结论返回数据版本、处理过程与责任主体
05 VALIDATION PATHWAY
分阶段验证路径
从问题和数据生成机制开始
逐级进入外部验证、决策使用与持续修订
后一级必须继承前一级的原始数据、字典、处理规则、分析计划、代码、环境、结果和限制记录。数据源、口径、采样、处理或用途发生变化时，须重新判断结论是否仍然成立。
问题、总体与决策责任界定
明确分析要回答的问题、目标总体、受影响对象、决策主体、时间空间边界、现行基线、禁止用途和错误代价；预先区分描述、预测、因果和优化任务。
数据来源、授权与生成机制审查
核验采集目的、授权依据、抽样与覆盖、测量工具、字段定义、时间戳、链接标识和隐私风险；识别选择偏差、测量误差、历史政策影响及数据缺口。
质量处理与分析方案冻结
完成去重、关联、清洗、编码、插补和衍生指标验证，保留原始数据与处理日志；在查看主要结果前冻结主要终点、方法、排除规则、亚组和稳健性方案。
统计分析、模型比较与内部验证
以适当基线比较统计、机器学习和规则方法，检查假设、残差、效应量、区间、校准、过拟合和数据泄漏，并报告多种合理处理方式对结论的影响。
外部验证与限定场景试用
使用新时间、新地点、新群体或独立来源复核结果，在受控流程中检验可解释性、决策增益、群体差异、成本和失败后果；必要时开展前瞻研究或随机评价。
发布、持续监测、修订与退出
随结果发布元数据、口径、版本、假设、不确定性和适用边界；监测源数据、指标与效果变化，按公开规则修订，保留历史版本，结论失效时暂停使用或退出。
科学、安全与成果边界
数据越多、分析越快
越要防止偏差被规模化和自动化
涉及个人信息、商业秘密、重要数据、跨境流动、高影响决策或弱势群体的分析，须依据具体场景落实最小必要、分类分级、访问控制、伦理审查、安全评估、结果披露和退出机制。统计分析不替代来源学科的专业判断，也不自动形成可流通或可确认的数据资产。
数据规模与代表性
记录多、字段多或更新快不能证明样本覆盖目标总体；系统性缺失、数字鸿沟、重复行为和平台选择仍会产生偏差。
数据清洗与客观事实
去重、插补、标签映射和异常删除都包含假设与判断；清洗后的整齐数据不等于真实、无偏或适合所有用途。
相关性与因果效应
变量共同变化可能来自混杂、反向因果、选择或共同趋势；没有有效识别设计，不能把关联写成干预会产生的效果。
预测准确与干预有效
准确预测谁会发生某结果，不代表针对预测对象采取行动能够改善结果；预测目标、决策阈值和干预效应必须分别验证。
统计显著与实际重要
P值或置信区间不能替代效应大小、测量质量、先验合理性、重复性、成本和风险判断；多重检验和选择性报告须明确控制。
交叉验证与外部有效
随机切分可能泄漏同一对象、时间或地点的信息；内部交叉验证良好不能证明在未来、异地、新设备或新群体中仍然可靠。
可视化与证据强度
仪表盘、热力图和趋势线可以帮助观察，但坐标、聚合、缺失、平滑和筛选方式可能改变理解；图形本身不提高证据等级。
匿名化与零隐私风险
删除直接标识符、聚合或生成合成数据不保证无法重识别；链接外部数据、稀有组合和模型输出仍可能泄露个人或商业信息。
从数据科学与大数据分析进入数字资产与数据要素本中心回答数据如何形成可复核的统计证据
本中心回答数据如何形成可复核的统计证据
下一中心独立回答数据在何种权利、规则和责任下流通并实现价值
问题与总体→数据与质量→统计与因果→外部验证→决策与修订
进入下一中心 ↗DATA QUALITY · STATISTICAL INFERENCE · CAUSAL EVIDENCE · PREDICTIVE VALIDATION · REPRODUCIBLE ANALYTICS
发起合作 ↗