01#人物：数据侦探 John Tukey
编辑：John Tukey 是我年轻时最想成为的那种人，一个能看清世界真相的“数据侦探”。
简介
20世纪最有影响力的统计学家之一
他也是发明和首次使用 “比特”（bit）、“软件”（software）、“数据科学”（Data Science）
- 1915年：出生于美国马萨诸塞州。
- 1939年：获普林斯顿大学数学博士，正式转向数学与统计研究。
- 1945年：加入贝尔实验室，参与NIKE 导弹项目，对他的数据分析方法论和思想产生了深远影响。
- 1950年：与 Elizabeth Louise Rapp 结婚，以后的人生一直是 John 生活中的驱动力。
- 1960年：参与美国总统科学顾问委员会、环境污染工作组，首次将统计介入环境政策。
- 1970年：系统提出探索性数据分析（EDA），强调“先看数据、后下结论”。
- 1977年：发明箱形图。
- 2000年：逝世于美国新泽西州普林斯顿。
看清数据世界真像的侦探
老板问你：
- 你运营某外卖平台，老板问你：“我们最近要做促销，你帮我看看——哪个时间段的用户更容易多下单？
- 你负责一个图像识别算法，上线前老板问你：“这个模型会不会偶尔出特别离谱的结果？”
- 你是某连锁健身房的运营，老板问你：“会员最近是不是又开始不续费了？到底是哪类用户更容易流失？”
- …
Tukey 提醒你，别急着建模型，先画图看看数据的全貌：画散点图找模式，画箱形图找异常，画趋势图看变化。
这叫探索性数据分析（EDA），先听数据怎么说，再去做决策。
你想知道：
- 你管理一个客服团队，想知道各客服的响应时间分布，发现谁经常拖延或谁特别快。
- 你运营一款App，想对比不同城市用户的年龄分布，看某城市是否用户更年轻。
- 你是产品经理，想了解不同渠道来源的用户使用时长分布，发现哪个渠道带来的用户留存表现更好。
- …
Tukey 早就给你准备好了工具：箱形图（Box Plot）。
帮你快速看出：中位数在哪里，大部分数据分布在什么范围，哪些点是“异常值”。
让你少猜、多看，少假设、多发现。
Tukey 的统计哲学：别急着用复杂模型，先用简单工具，看清现象。
从 EDA 到箱形图，他用工具打破感知的边界，让“看不见”变成“看得见”。
类似的人类发明创造了不少这样的工具
| 统计学 | 可视化 | 物理学 | 计算机科学 |
|---|---|---|---|
| 平均值、方差、相关系数：看似简单，却让你从混乱数据中提炼共性。 | 箱线图、热力图、散点图矩阵：让庞大数据一眼看出分布、关系、异常。 | 显微镜、望远镜、探测器：让你看到微观、宇宙、黑洞、暗物质。 | 机器学习（特征提取）：从海量数据中自动发现有效特征。 |
| 回归分析：看出变量之间是否真的有关联，而不是“看上去相关”。 | 网络图（Graph）：把复杂关系网络（比如社交网络、神经元连接）变成可视的“地图”。 | X光、CT、MRI、超声波：让医生“看到”身体内部结构。 | 模式识别、聚类算法：帮你找到数据中的“相似群体”或“潜在类别”。 |
人类每一次“看不见 → 看得见”的突破，都是在打破肉眼、直觉、习惯的局限。
工具的意义，从来不是炫技，而是帮助我们看清真相，做出更好决策。
参考