“数据科学”这个术语

数据科学的热潮

2012年，哈佛商业评论指出：“数据科学家的短缺正在成为某些领域的严重制约因素。” 同时也提到，“数据科学家”这一头衔出现不过短短几年。术语“数据科学”常被与统计学、数据分析、商业分析和商业智能混用。人们对它的理解各不相同。那么，究竟什么是数据科学呢？

图片来自 https://towardsdatascience.com/introduction-to-statistics-e9d72d818745

数据科学本质上就是对数据的研究。它是一个多学科交叉的领域，旨在从结构化和非结构化数据中提取知识与洞察。通过运用统计学与数学方法、计算机科学工具以及相关领域的知识，数据科学致力于从数据中得出结论，并基于这些结论做出决策和预测。

数据科学与商业智能的区别

数据科学与商业智能（BI）常常被混淆。尽管两者都关注从数据中获取洞察，但它们解决的问题类型不同。商业智能主要用于监控业务数据的当前状态，以理解企业过去的表现。BI主要应用于报告或描述性分析，而数据科学则既可用于描述性分析，也可用于预测性分析。

商业智能利用已有公式，揭示人们早已了解的事物的新信息。而数据科学面对的是未知问题，回答那些此前无人解答的数据疑问，且往往没有现成的公式可循。

为什么每个人都应该学习数据科学？

近年来，我们才逐渐意识到数据在解决问题中的重要性。数据能够帮助我们回答各个领域的疑问——无论是商业、医疗、农业、教育、体育，还是其他众多领域。

对于非统计学家和程序员的专业人士而言，他们拥有行业或业务领域的专业知识，但在挖掘数据并从中提炼出有意义的洞察方面可能面临挑战。因此，每个人都应学会如何有效利用我们手中庞大的数据资源，来解决实际的业务问题。

现在我们已经了解了数据科学作为一门学科的内涵及其目标，接下来的课程将探讨数据科学家是如何从数据中寻找意义的。