摘要： 本文是關于數據科學的概述和讨論，包括數據挖掘，統計推斷，機器學習，數據工程等等。

數據科學是一門将數據變得有用的學科。它包含三個重要概念：

1. 統計
2. 機器學習
3. 數據挖掘/分析

數據科學的定義

如果你回顧一下數據科學這個術語的[早期曆史]()，會發現有兩個主題密切相連：

1. 大數據意味着計算機的使用頻率增加。
2. 統計學家很難将紙張上所寫算法用計算機實現。

由此，數據科學得以出現。早先，人們将數據科學家視作會編碼的統計學家。如今看來，這種說法并不準确，首先讓我們回到數據科學本身。

推特給出的定義circa 2014

2003年，《數據科學雜志》曾提出：“所謂的‘數據科學’，指的是那些任何與數據相關的内容”。對此，我表示贊同，現在一切都無法與數據分割。

之後，對數據科學的定義便層出不窮，例如Conway的維恩圖，以及Mason和Wiggins的經典觀點。

Drew Conway對數據科學的定義

維基百科上對數據科學的定義更接近于我給學生講授的内容：

數據科學僅是一種概念，它結合了統計學、數據分析、機器學習及其相關方法，旨在利用數據對實際現象進行“理解和分析”。

簡單來講：數據科學是一門将數據變得有用的學科。

現在你也許不禁會問，“這會不會太簡單了，‘有用’怎麼就能包含所有的術語呢？”

先看下圖，該圖内容與維基百科給出的定義十分契合：

這些都是什麼，我們又如何知道處于圖中所描述的哪個階段呢？

統計學家和機器學習工程師的區别不在于前者使用R，而後者使用Python。由于衆多原因，按照SQL、R、Python進行分類是不合理的，其中最重要的原因是軟件會更新。目前，已經可以用SQL來處理機器學習問題。

新手依舊喜歡采用這種方式進行區分，甚至很多大學課程也是如此安排，但這不夠合理。并且，最好不要采用直方圖、t檢驗以及神經網絡進行分類。如果你足夠聰明，并且擁有自己的觀點，你可以使用相同的算法解決所有的數學科學問題。

我建議可按如下方式進行區分：

None-One-Many

這究竟指的是什麼呢？沒錯，就是決定！當所有你需要的事實對你可見時，你可以通過描述性分析做出盡可能多的決定。

我們的行動和決定會影響到我們周圍的世界。

接下來我們将繼續探讨如何讓數據變得有用。對我來說，有用的概念與影響世界的行動緊密相連。舉個形象的例子：如果我們相信聖誕老人的存在，那聖誕老人這個概念就不重要了，除非它可能會以某種方式影響我的行為。然後，取決于這種行為的潛在後果，它可能開始變得非常重要。

下圖是決策導向圖，您可以通過以下三步讓數據變得有用。

數據挖掘

如果你不知道你要作何決定，最好的辦法就是去尋找靈感。這就是所謂的數據挖掘、數據分析、描述性分析、探索性數據分析或知識發現。

分析的黃金準則：隻對你所見的下結論。

除非你知道如何制定你的決策，否則就從尋找靈感開始吧。做法很簡單，隻需要你将數據集想象為你在黑暗的房間中發現的一堆底片。數據挖掘就是讓設備盡可能快地公開所有的圖片，這樣你就能看到這些圖片上是否有什麼鼓舞人心的東西。和照片一樣，不要把你看到的東西想得太嚴肅。你沒有拍這些照片，所以你對屏幕之外的東西了解不多。數據挖掘的黃金法則是:隻對你能看到的做出結論，不對你看不到的做出結論，因為你需要統計數據和更多的專業知識。

除此之外，你還應盡力做到最好。數據挖掘的專業知識是通過檢查數據的速度來判斷的，不要迷戀那些看似有趣的東西。

暗房一開始很吓人，但其實也沒什麼大不了的。隻要學會操作設備就行。這是R語言的教程，這是Python語言的教程。當你開始玩得開心時，你可以稱自己為數據分析師，當你能夠以閃電般的速度曝光照片以及所有其他類型的數據集時，你就可以稱為專家分析師。

統計推斷

靈感很容易獲取，但嚴謹卻很難做到，如果你想掌握數據，則需要專業課程的學習。作為一名統計學專業的本科生和研究生，我認為統計學推論（簡稱統計學）是這三個領域中最難且最具哲學思想的。想要做好它需要花費不少的時間。

如果你打算做出高質量且風險可控的決策，由于決策不僅僅依賴你所得到的數據，此時你需要在你的分析團隊中加入統計技能。

在情況不确定的時候，或許統計學能夠改變你的想法。

機器學習

機器學習從本質上來講，是使用示例而非指令來實現操作的。我也曾寫過一些關于機器學習的文章，包括機器學習與人工智能有何不同、如何入門機器學習、企業運用機器學習的經驗教訓以及向孩子介紹監督學習等。

數據工程

數據工程指的是将數據傳遞給數據科學團隊的工作。它本身就是一個複雜的領域，通常而言，它更接近于軟件工程，而不是統計學。

數據工程與數據科學的差異是前後的區别。

獲取數據之前的大部分技術工作都可以被稱為“數據工程”，而獲取到數據後我們所做的一切都是“數據科學”。

決策智能

決策智能是關于決策的，包括基于數據的大規模決策，這使得它變成了一門工程學科。利用社會和管理學科的觀點，增強數據科學的應用。

決策隻能是社會和管理學科的組成部分。換句話說，它是這些數據科學的超集，而不涉及為通用用途創建基本方法之類的研究工作。

以上為譯文

阿裡雲雲栖社區組織翻譯。

文章原标題《What on earth is data science?》，作者：Cassie Kozyrkov，譯者：Elaine，審校：袁虎。