Jawbone数据科学和分析主管探讨可穿戴计算和分析洞察技术的未来

数据科学 体系结构和设计 开发 可穿戴计算 大数据

摘要：

Jawbone数据科学和分析主管Brian Wilt最近在QCon SF活动中介绍了Jawbone的机器学习应用。随后我们向他请教了有关睡眠研究，获得可行见解，让可穿戴设备在医疗健康领域承担更重要角色等领域研发工作目前和未来的发展方向，并谈到了Jawbone目前处于早期研究阶段的一些很酷的项目。

正文：

Jawbone是最知名的可穿戴设备公司之一。他们的最新产品Jawbone UP3是市面上最先进的健康追踪设备之一。以此为基础Jawbone的CEO最近宣布该公司不仅将自己视作一家硬件公司，而且是一家软件和数据公司。Jawbone数据科学和分析主管Brian Wilt最近在QCon SF活动中介绍了如何通过数据科学和机器学习技术帮助公司塑造更成功的产品。演讲结束后我们询问了他针对可穿戴设备和Jawbone未来发展方向的看法。

InfoQ：健康追踪设备领域取得了长足的进展，已经从简单的计步发展到可以记录多种指标。这个领域对更多种类传感器的运用，以及通过现有数据获得更深入的见解，您有什么看法吗？

Brian Wilt：这个问题问得很好。Jawbone专注于体验。例如，我们希望更好地理解心脏病患者的健康状况，而不是“因为有榔头所以要找钉子”。新传感器和新型号产品一样重要，是对这种体验的有效补充。

InfoQ：那么您觉得相比进行压缩和转换，这类追踪设备生成的原始数据是否更有价值？例如，在对UP3的数据进行压缩后是否会丢失某些信息？

Brian：是的，不压缩的原始数据在某些情况下更有用，例如在开发和开放式探索过程中可以更好地理解整个数据管线。但是在电量有限的正常使用环境中，为了延长电池续航时间并降低服务延迟对用户体验造成的影响，肯定要将需要传输的数据量降至最低。因此从原始电压信息到传感器数据，再到“数字化”的步数，我们在固件、应用，以及服务器等方面部署的所有数据产品都只需要使用恰当数量的数据。在决定要将数据产品部署到整个堆栈的哪些位置时，还有其他很多问题需要考虑（例如开发/部署的时间）。这个问题我们就是这样看待的。

InfoQ：健康追踪设备在为我们提供数据和统计结果方面做的很不错，但在提供可行的洞察方面做的就很一般了。您觉得健康追踪设备能否与我们生活中的其他方面进行融合，基于生物传感器的反馈针对饮食模式或工作习惯提供建议？

Brian：没错，可穿戴设备不仅仅需要追踪数据。我们的Smart Coach软件可以提供可行的洞察，例如“昨晚你的心率很高，可能意味着你脱水了，多喝点水吧！”另外通过在应用中帮助用户设立目标并做出承诺（Jawbone将其称之为“Today I Will”），我们发现这一功能已经对用户的健康程度起到了极大的改善作用。在我们进行的一次试验中，一群人在早晨收到提醒要求自己承诺提前23分钟上床睡觉，72%的人更有可能实现这个目标。Google和Facebook也使用了与我们类似的技术鼓励用户点击广告以改善自己的健康状况。这就是数据的威力。

InfoQ：如此大规模的睡眠研究，同时还要具体到能为每个用户提供建议，正如您在演讲中提到的金州勇士队球员Andre Iguodala，过去多年来这都是不可想象的。关于睡眠数据的未来我们能有什么期待？

Brian：有关Andre Iguodala的研究对我们启发很大，因为统计数据和数据之间的关系很容易量化。我们坚信通过理解服务中收集的睡眠数据可以更好地改善我们的健康状况。上千万美国人饱受睡眠呼吸暂停折磨，但大多数病例并未最终确诊。在睡眠问题的研究方面，可穿戴设备无疑蕴含着价值。也许在未来还能借此诊断并控制很多慢性疾病。

InfoQ：您是否认为有必要让医生参与到健康追踪设备所收集数据的分析工作中？目前已经有一些病患会将自己的健康数据提供给医生，但大部分时候医生并不关心此类数据。以后我们能否对这些数据进行汇总获得洞察，并让医生也觉得这些数据对自己有用？

Brian：有朝一日肯定可以的。我们的目标之一正是针对有关健康状态的高级指标进行估算。例如，不光要统计步数，还要计算卡路里消耗量；不光记录入睡和睡醒的时间，还要统计深度睡眠和快速眼动睡眠的时长。当然我们最大的目标是有朝一日能够预测和控制心脏病、糖尿病、精神问题等病症，将指标的衡量和行为的改变结合在一起。这样做还能实现巨大的经济利益：健康和减重是个十亿美元级别的庞大市场，而医疗保健领域更是蕴藏着万亿美元级别的商机。

InfoQ：如您所说，数据科学在不同程度上对不同的公司有不同含义。您是否相信将数据的解释和理解与预测分析技术聚合在一起可以让不同规模的团队在不同程度上就相同问题展开最基本的研究工作？

Brian：数据科学领域的工作在很多尺度下都很有用。最近我非常喜欢的一篇文章介绍了Twitter对于数据科学技术的演化，他们在公司的不同层面应用了非常专业的角色（分析师，开发者）。统计和机器学习技术在预测分析领域早就非常流行，但数据科学技术最让人激动的地方在于，可以将这些技术与大数据等技术直接结合在一起并直接融入你的产品中，进而改变整个市场格局，例如Google的PageRank（网页评级算法）、Facebook的News Feed（新闻源），以及LinkedIn的People You May Know（你可能认识的人）等。

InfoQ：Jawbone在机器学习领域目前是否还在进行其他比较酷的项目？ :)

**Brian：**Jawbone的机器学习有两个最重要的用例，从原始传感器数据到步数等健康指标的“模数转换”，以及了解不同健康指标之间的关系（例如睡眠质量和心率的关系，或睡眠和精力级别）。我们随时欢迎有志者迎接挑战，感兴趣就来试试吧！

关于被采访人

Brian Wilt领导了Jawbone的数据科学和分析工作，借此让数据更具人性。他喝黑咖啡但也喜欢拿铁，感觉有些不合理。他曾在MIT和斯坦福（go Card）学过物理学和神经科学。你可以关注他的Twitter：@brianwilt。