数据科学

什么是数据科学？

数据科学是应用数学和统计学的一个领域，它基于大量的复杂数据或大数据提供有用的信息。

数据科学或数据驱动科学结合不同领域的各个方面，借助计算来解释大量数据以用于决策目的。

数据来自不同的行业、渠道和平台，包括手机、社交媒体、电子商务网站、医疗保健调查和互联网搜索。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——海量数据集有助于在所有部门创建更好的操作工具。

由于技术和收集技术的进步，不断增加对数据的访问是可能的。可以监控个人的购买模式和行为，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。对于公司而言，这个过程既复杂又耗时——因此，数据科学应运而生。

数据科学的目的

数据科学或数据驱动的科学使用大数据和机器学习来解释数据以用于决策。

“数据科学”一词自 1960 年代初就一直在使用，当时它被用作“计算机科学”的同义词。后来，该术语变得不同，以定义在一系列不同应用中使用的数据处理方法的调查。

2001 年，William S. Cleveland 首次使用“数据科学”一词来指代一门独立的学科。《哈佛商业评论》在 2012 年发表了一篇文章，将数据科学家的角色描述为“21 世纪最性感的工作”。

数据科学结合了来自多个学科的工具来收集数据集、处理并从数据集中获得洞察力、从数据集中提取有意义的数据，并将其解释为决策目的。构成数据科学领域的学科领域包括挖掘、统计、机器学习、分析和编程。

数据挖掘将算法应用于复杂数据集以揭示模式，然后用于从数据集中提取有用和相关的数据。统计测量或预测分析使用这些提取的数据来根据数据显示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，可以处理人类一生无法处理的海量数据。机器学习通过将事件发生的可能性与预测时间实际发生的情况相匹配，完善了预测分析下呈现的决策模型。

使用分析，数据分析师使用算法从机器学习阶段收集和处理结构化数据。分析师将数据解释、转换和总结成决策团队可以理解的连贯语言。数据科学几乎适用于所有环境，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。

速览

根据美国劳工统计局的数据，从 2019 年到 2029 年，对计算机和信息研究科学家的需求预计将增长 15%，远快于其他职业。

在许多情况下，数据科学家收集、分析和解释大量数据以改善公司的运营。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。此信息可用于预测消费者行为或识别业务和运营风险。

数据科学家的角色通常是讲故事的人，以一种易于理解和适用于解决问题的方式向决策者展示数据洞察力。

公司正在将大数据和数据科学应用于日常活动，为消费者带来价值。银行机构正在利用大数据来提高欺诈检测的成功率。资产管理公司正在使用大数据来预测证券价格在规定时间上涨或下跌的可能性。

Netflix 等公司挖掘大数据以确定向用户提供哪些产品。 Netflix 还使用算法根据用户的观看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。

＃＃强调

＃＃常问问题

数据挖掘和社交媒体公司将个人数据商品化的努力受到了批评，因为发生了几起丑闻，例如剑桥分析公司，其中数据科学家使用个人数据来影响政治结果或破坏选举。

数据科学可以从看似非结构化或不相关的数据中识别模式，从而进行推断和预测。收集用户数据的科技公司可以使用技术将收集到的信息转化为有用或有利可图的信息来源。

###不是所有的科学都使用数据吗？

是的，所有经验科学都收集和分析数据。数据科学的不同之处在于它专门使用复杂的计算方法和机器学习技术来处理和分析大数据集。通常，这些数据集太大或太复杂，以至于无法使用传统方法进行正确分析。