出自 MBA智库百科()

数据科学（Data ）

什么是数据科学

数据科学是一门研究数据的学科，它通过科学的方法,流程,算法和系统,从数据中挖掘价值,属于一个跨学科领域。

数据科学的发展历程

1974年，知名计算机科学家Peter Naur作为图灵奖得主，在其著作《计算机方法的简明调研》的引言里，首次清晰界定了数据科学这一术语，称其为“以数据加工为基础的学科”，同时指出了数据科学和数据研究各自的侧重点——前者致力于处理数据（事项），后者则关注数据加工及其在学术界的实践。

Peter Naur首次清晰阐述数据科学这一理念后，该领域的研究长期处于沉寂状态。直到2001年，在贝尔实验室任职的 S. 向学术期刊提交了一篇题为《数据科学——拓展统计学技术领域的行动计划》的文章，强调数据科学是统计学的一个核心分支，从而使得统计学界重新关注起数据科学。

二零一三年，C A在《自然》上刊登了名为《计算——数据科学的愿景》的文章，Dhar V则在《美国计算机学会通讯》发表了题为《数据科学与预测》的论文，二者均从计算机领域和技术角度探讨了数据科学的核心意义，促使该学科被归入计算机科学与技术学科的研究体系之内。

然而数据科学专业，数据科学被更多人关注是因为后来发生了三个标志性事件：

Patil DJ与T H在2012年向哈佛商业评论投稿，文章标题为《数据科学家——21世纪最具吸引力的职业》；

其次，在2012年，数据挖掘理念初次用于总统选举留学之路，帮助奥巴马，战胜了罗姆尼，得以再次当选。

三是美国白宫在2015年首次设置了数据科学家的职位，随后聘请Patil DJ担任白宫的首位首席数据科学家。

数据科学的各个分支发展程度不一：模拟和仿真的技术日渐成熟，有望很快应用于实践；数据挖掘的方法或许将要式微；语音识别、模型维护、人机对话等技术已经脱离了初期的狂热，正逐步进入实用阶段；开放数据科学、模型生产线、算法交易、规则分析等领域正经历迅猛发展。

数据科学的专业培养

数据挖掘、云计算等属于数学、计算机、统计学和信息系统等学科的理论知识范畴数据科学专业，大数据就是这些高科技的成果，它的应用遍及社会科学和自然科学的诸多领域，数据科学与大数据技术专业致力于培养跨学科背景的大数据人才，着重提升人才在三个方面的高素质能力：

数据领域的职业路径主要有三条，分别是数据洞察岗、数据实现岗和数据建设岗，常见的职位有数据专家和数据研究员等。

越来越多单位开始关注数据，无论是国防部门还是网络新创企业及金融组织，都依靠数据项目推动革新，这就要求大量数据分析和技术操作人员。日常生活中，食品生产、交通监控、零售网商以及医疗设备等产业同样依赖数据分析与操作技术，比如调节供需关系、改进仓库管理、减少供应链开销。

从事数据科学与大数据技术工作的人员，必须拥有扎实的数学基础，并且需要掌握工作相关领域的专门知识。为此，该学科领域应开设计算思维、数据科学等与数学关联的课程，另外还需设置数据获取方法、云服务与数据中心、医疗领域数据应用等直接涉及大数据的课程。这个学科还要求掌握部分计算机领域的基本理论，例如大型数据库运用，数据呈现方法，分布式海量数据存储运用，数据保护，机器学习与模式识别，以及图像视频和非结构化数据加工方法等知识。

吕小光, 姜乐, 成青松. 对数据科学与大数据技术领域人才培育方法的研究. 淮海工学院学报：人文社会科学版, 2018

来自""