炙手可热的数据科学：都叫Data，这其中的“名堂”你弄清了吗？

　　随着大数据时代的来临，越来越多的学校围绕“数据科学”（Data science）这个词语开始了相关课程：

　　Data science

　　来自维基百科的解释：

　　In general terms, Data Science is the extraction of knowledge from data, which is a continuation of the field data mining and predictive analytics, also known as knowledge discovery and data mining.

　　一般来讲，数据科学就是从数据中提取信息知识，即是数据挖掘与预测分析的延伸，亦是发掘知识与数据的过程。所以，通俗来讲，数据科学，就是通过分析数据，来挖掘获得这些数据中的潜在信息。

　　细细去看各国大学在数据科学领域开设的时间，会发现基本都是从2000年以后才开始有雏形，然后慢慢衍生，关于Data science还有其他几个类似的别称，比如：

　　1Data Mining

　　2Data Analytics

　　3Data Studies

　　4Data Science

　　5Predictive Analytics

　　6Business Analysis

　　7Business Analytics / Intelligence

　　……

　　这其中，Data Analytics、Data Science和Business Analytics / Intelligence，是同学最常搞混的专业。

　　“那么本篇小新君谈谈这些领域的差别：”

　　1. Data Analytics

　　从错中复杂的大数据中，抽丝剥茧地去得到想要的信息、趋势，进而做出最有利的决策。

　　主干课程：

　　data mining（数据挖掘），advanced quantitative methods，predictive analytics and forecasting models，and big data visualization.

　　Data Analytics更专注于培养高阶数学、统计学以及数据挖掘的能力。基本上就是你当你需要进行分析时，可能会用到的技能／工具，你都会学到。

　　“福布斯杂志曾预测在2020年，业界Data Analytics与Data Science的需求会比现在多出28%，几乎是供不应求。

　　例如：利用不同类别的database整理数据，用statistical modeling techniques、probability matrixes分析不同性质的数据。学会如何呈现数据，将数据视觉化让其他非理工人更能一目了然。

　　2. Data Science

　　Data Science相比而言更重视高阶的computer science，programming，and engineering，不只是会用这些程序而已，也可能学着自己写程序来运行analysis。

　　除了在data analytics课程提到的data mining, data modeling，and data presentation techniques。Data Science的课程也会着重于如何将以下这些应用在data分析上：

　　主干课程：

　　machine learning / artificial intelligence（机器学习 / 人工智能）；cloud computing（云计算）；regression and time series analysis（回归与时间序列分析）；software engineering（软件工程）。

　　举例来说：如果你的Data十分复杂，市面上没有已开发的程序可以拿来用怎么办？这种情况下就要自己用程序语言eg R, Python, SAS, or Hadoop写出来。

　　3. Business Analytics / Intelligence