一百多面前，弗雷德里克泰勒从工厂的实践中总结出了提高工人工作效率的科学管理原理和方法，拉开了管理学从经验走向科学的序幕，也开辟了管理问题的定量研究思路延续至今，伴随着大数据和计算机技术的进步日益成为显学。
如同经济学之父亚当斯密在其《国富论》之外还有他更看重的《道德情操论》来强调市场经济竞争机制的背后必须同步法律和道德的维护，泰勒在发现人们对科学革命有种简化为一系列科学方法的倾向时，不遗余力地奔走呼号科学管理更为重要的一个核心实质在于“精神革命”，要在思想层面真正认识到资本家企业主和工人之间的利益是一致的，要实现企业效率的提升和整个经济的稳定增长，必须双方互相信任。这对当时紧张的劳资关系和生产方式转向工业化生产有着重要影响，也在一定程度上给了马克思和共产主义理论关于资本主义的判断一个不太容易应对的挑战。
数据研究亦如是。
研究，就是要探寻事物的事实和规律，在大小决策中有些广泛的应用场景。大数据成为显学，数据在研究中的作用愈发重要，多使用数据经过一系列处理分析过程，能提升我们对事物的认知和决策水平。只是因为过去数据能起到的作用比较有限，于今才将数据二字冠之于前。但这不意味着数据研究仅仅是存取数据、搞搞模型算法，更重要的，是其内在的逻辑、业务理念、乃至人性。后者赋予数据研究生命力，成全大数据的实际价值。
所以，数据研究有其更为人熟知的技术层面，也有其虽鲜为人知却也更为重要的思想层面。在思想层面要求数据研究者除了掌握计算机技术，也要在业务、逻辑、人性等相对“软”的方面有更深的理解，这就需要在社会科学、人文学科的补足。我们希望在冷冰冰的数字背后看到业务逻辑和社会心理学的深刻洞察，期待看到刻板的数理统计模型背后的人本关怀和哲学高度。
如是，在我看来，才是一个数据研究应有之道。或者可借用一个概念为“全栈数据科学家”，愿笃行之。
