什么是数据科学？
数据科学根据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将统计和计算中的不同工作领域结合在一起，以解释数据以供决策之用。
了解数据科学
数据来自不同的部门，渠道和平台，包括手机，社交媒体，电子商务站点，医疗保健调查和Internet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中创建更好的操作工具。
由于技术和收集技术的进步，对数据的访问不断增加是可能的。 可以监视个人的购买方式和行为，并根据收集的信息做出预测。
但是，不断增长的数据是非结构化的，需要进行分析才能做出有效的决策。 对于公司而言，此过程非常复杂且耗时，因此，数据科学的兴起。
数据科学或数据驱动科学使用大数据和机器学习来解释数据以用于决策目的。
数据科学简史
术语“数据科学”在最近30年的大部分时间里已经存在，最初在1960年被用来代替“计算机科学”。大约15年后，该术语用于定义对不同领域中使用的数据处理方法的调查。应用程序。 2001年，数据科学作为一门独立学科被引入。 哈佛商业评论（Harvard Business Review）在2012年发表了一篇文章，描述了数据科学家作为“ 21世纪最性感的工作”的作用。
重要要点
- 技术，互联网，社交媒体和技术的进步都增加了对大数据的访问。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，大数据的收集和分析技术的发展，科学也在不断发展。
数据科学如何应用
数据科学整合了来自多个学科的工具，以收集数据集，进行处理并从数据集中获取见解，从数据集中提取有意义的数据，并出于决策目的对其进行解释。 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，然后将其用于从数据集中提取有用和相关的数据。 统计量度或预测性分析使用此提取的数据来根据数据显示的过去发生的事件来评估将来可能发生的事件。
机器学习是一种人工智能工具，可以处理人类一生中无法处理的大量数据。 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事件相匹配来完善在预测分析下呈现的决策模型。
使用分析，数据分析人员使用算法从机器学习阶段收集并处理结构化数据。 分析人员将数据解释，转换和汇总为决策团队可以理解的内聚语言。 数据科学几乎适用于所有环境，并且随着数据科学家角色的发展，该领域将扩展到涵盖数据体系结构，数据工程和数据管理。
事实速览
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
在许多情况下，数据科学家会收集，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了统计模型，用于分析数据并检测数据集中的模式，趋势和关系。 该信息可用于预测消费者行为或识别业务和运营风险。 数据科学家通常是讲故事的人，以一种易于理解并适用于解决问题的方式向决策者提供数据见解。
当今的数据科学
公司将大数据和数据科学应用于日常活动中，以为消费者带来价值。 银行机构正在利用大数据来提高其欺诈检测成功率。 资产管理公司正在使用大数据来预测证券的价格在指定时间内上涨或下跌的可能性。
Netflix等公司挖掘大数据来确定要交付给用户的产品。 Netflix还使用算法根据观看历史为用户创建个性化推荐。 数据科学的发展日新月异，其应用将继续改变人们的生活。
