什么是数据科学(data science)？

数据科学基于大量复杂数据或大数据提供有意义的信息。数据科学，或数据驱动科学，结合统计和计算中的不同工作领域来解释用于决策目的的数据。

理解数据科学

数据来自不同的部门、渠道和平台，包括**、社交媒体、电子商务网站、医疗调查和互联网搜索。可用数据量的增加为基于大数据的新研究领域打开了大门。大数据集有助于在所有部门创建更好的操作工具。

由于技术和采集技术的进步，对数据的访问不断增加是可能的。个人购买模式和行为可以被监控，并根据收集到的信息做出预测。

然而，不断增长的数据是非结构化的，需要解析才能做出有效的决策。这个过程对于公司来说是复杂和耗时的，因此，数据科学应运而生。

数据科学，或称数据驱动科学，利用大数据和机器学习来解释数据，以达到决策的目的。

数据科学简史

数据科学一词在过去30年中的大部分时间里都存在，最初是1960年被用作“计算机科学”的替代品。大约15年后，该术语被用来定义对不同应用中使用的数据处理方法的调查。2001年，数据科学被作为一门独立学科引入。《哈佛商业评论》2012年发表文章，描述数据科学家的角色是“21世纪最**的工作”

关键要点

• 科技进步、互联网、社交媒体以及科技的使用都增加了人们获取大数据的机会。
• 数据科学使用机器学习和人工智能等技术来提取有意义的信息，并预测未来的模式和行为。
• 随着技术的进步和大数据收集与分析技术的日益成熟，数据科学领域也在不断发展。

如何应用数据科学

数据科学结合了来自多个学科的工具来收集数据集、处理数据集并从中获得见解，从数据集中提取有意义的数据，并解释这些数据以供决策之用。构成数据科学领域的学科领域包括采矿、统计学、机器学习、分析和编程。

数据挖掘将算法应用于复杂的数据集以揭示模式，然后使用这些模式从数据集中提取有用的相关数据。统计测量或预测分析使用这些提取的数据，根据数据显示的过去发生的情况来衡量未来可能发生的事件。

机器学习是一种人工智能工具，它能处理大量人类一生无法处理的数据。机器学习通过将事件发生的可能性与在预测时间实际发生的情况相匹配，完善了预测分析中提出的决策模型。

数据分析人员使用分析方法从机器学习阶段收集和处理结构化数据。分析人员将数据解释、转换和总结为决策团队能够理解的一种连贯语言。数据科学应用于几乎所有的环境，随着数据科学家角色的演变，该领域将扩展到包括数据架构、数据工程和数据管理。

快速事实

据IBM称，到2020年，对数据科学家的需求预计将增长28%。

数据科学家定义

数据科学家收集、分析和解释大量的数据，在许多情况下，可以改善公司的运营。数据科学家专业人员开发统计模型来分析数据并检测数据集中的模式、趋势和关系。这些信息可用于预测消费者行为或识别业务和运营风险。数据科学家通常是一个讲故事的人，以一种可以理解并适用于解决问题的方式向决策者提供数据见解。

今天的数据科学

企业正在将大数据和数据科学应用到日常活动中，为消费者带来价值。银行机构正利用大数据来提高其欺诈检测的成功率。资产管理公司正在利用大数据来预测证券价格在某一特定时间上下波动的可能性。

像Netflix这样的公司挖掘大数据来决定向用户提供什么样的产品。Netflix还使用算法根据用户的浏览历史为用户创建个性化推荐。数据科学正在快速发展，其应用将继续改变未来的生活。