我们现在生活在一个数字世界里。我们的全球经济大部分已经变成了数字经济。正在进行根本性的变革，重点更多地是应用程序的丰富。计算与通信的融合在这一转变中起着关键作用。网络和社会网络的出现导致了每秒钟生成大量数据，这为理论提供了机遇和挑战。庞大的数据量要求我们改变对数据的理解以及如何从数据中提取可用信息。尽管传统的计算机科学领域仍然重要，但要想处理海量数据，需要新时代的工具和技术，如数据科学和数据挖掘。

什么是数据科学(data science)？

数据科学是以数据为核心的计算机科学的一个新兴领域。媒体对“数据科学”进行了大量炒作，但对最基本的术语缺乏定义。数据科学到底是什么？数据科学如何与大数据相关？数据科学是一个跨学科的领域，它使用工具、算法和机器原理从结构化和非结构化数据中提取有用的信息。数据科学不仅仅是统计学或机器学习，而是一个领域本身，它处理数据分析和建模，以了解复杂的数据世界。数据科学家负责这项工作；他从各种来源收集数据，组织和分析数据，然后以有效影响业务决策的方式传达调查结果。目标是从数据中提取有用的见解。

什么是数据挖掘(data mining)？

数据挖掘是在大量原始数据中发现异常、模式和相关性以提取有用信息的过程。数据挖掘是从每天收集的大量数据中发现知识。它只是将大量原始数据转化为知识。它与机器学习有关，可以描述为从大型数据集或数据库中提取有用信息的科学。数据挖掘作为一种寻找结果的数据分析方法，可以应用于许多领域。它可以看作是信息技术自然演进的结果。数据挖掘的目标是发现以前未知的现有数据的属性，并从这些数据中发现统计规则或模式，以解决复杂的计算问题。简单来说，数据挖掘就是从数据中挖掘知识。

数据挖掘与数据科学的区别

意思

–数据科学是计算机科学的一个跨学科领域，它融合了工具、算法和机器原理，从结构化和非结构化数据中提取可用信息。它是一个新兴的研究领域，侧重于理解复杂的数据世界。另一方面，数据挖掘可以描述为从大型数据集或数据库中提取有用信息的科学。数据挖掘可以用作另一个常用术语“从数据中发现知识”或KDD的同义词。

目标

–数据挖掘是一个将原始数据转化为可用信息的过程。数据挖掘的目标是发现以前未知的现有数据的属性，并从这些数据中发现统计规则或模式，以解决复杂的计算问题。数据科学不仅仅是统计学或机器学习，而是一个独立的领域。数据科学的目标是利用某些专门的计算方法在数据集中发现有意义和有用的信息，以便做出重要的决策。

领域

–数据科学是一个多学科领域，包括许多相关领域，如数据库系统、数据工程、数据分析、可视化、预测建模、实验和商业智能。数据科学涵盖了广泛的技术、应用和学科。另一方面，数据挖掘就是从大量的数据中发现有价值的信息，并将这些数据转化为有组织的知识。数据挖掘只是更广泛的KDD过程的一部分，而数据科学是技术和过程的结合，可能还包括数据挖掘。

数据挖掘与数据科学：比较图

总结 - 数据挖掘技术(of data mining) vs. 数据科学(data science)

简言之，数据挖掘是一个将原始数据转化为可用信息的过程，而数据科学是一个多学科的领域，涉及数据的捕获和存储、分析以及从数据中获得有价值的见解。数据科学利用某些专门的计算方法在数据集中发现有意义和有用的信息，以便从数据中获得有价值的见解，从而对业务运营产生积极影响。数据挖掘只是一个处理现有数据库以生成新信息的过程。