数据科学(Data Science)是利用科学方法、流程、算法和系统从数据中提取价值的跨学科领域。数据科学家综合利用一系列技能(包括统计学、计算机科学和业务知识)来分析从网络、智能手机、客户、传感器和其他来源收集的数据。
数据科学揭示趋势并产生见解,企业可以利用这些见解做出更好的决策并推出更多创新产品和服务。数据是创新的基石,但是只有数据科学家从数据中收集信息,然后采取行动,才能实现数据的价值。
数据科学一个跨学科领域,它结合了统计学、信息科学和计算机科学的科学方法、系统和过程,通过结构化或非结构化数据提供对现象的洞察。
培养目标
数据科学专业主要针对不同领域数据技术开发、分析应用及其对应的基础数学科学有兴趣的学生,培养学生能掌握领域数据分析、技术开发和应用基本技能,同时又能深刻理解数据科学的基础和领域数据分析的方法论。
数据科学是对海量信息的采集、存储、分析、整合、控制所获得的数据。进入互联网时代,大数据的应用涉及到生活的方方面面。大数据的应用可以帮助客户更快速的找到需要的商品、想看的资讯,手机定位数据和交通数据可以帮助城市规划。近年来,我国的大数据市场规模增速发展,各行业针对产品和用户等也都引进了大数据分析,来更好的进行产品的设计与宣传,使得大数据人才处于比较紧缺的情况。
就业方向
数据分析师
数据分析师侧重于利用统计学、数学等知识进行数据挖掘,日常的主要工作内容为收集数据、清洗数据、然后做一些分析或可视化处理,对编程语言有一定的要求,如R,Python,Javascript,C/C++,SQL等。
商业分析师
商业分析师和纯数据科学家都是使用数据的专家,但工作内容是有比较大差别的。通常,商业分析师要对某专业领域具有深入的了解和深刻的认识,商业敏感度高,擅长于从某一领域的数据中挖掘信息,以此评估过去、现在和未来可能的经营业绩。确定最有效的分析模型和途径,为商业用户提供和解释解决方案。
数据工程师
作为一个新兴的职业类型,数据工程师更倾向于掌握 “战术层面”的具体数据技能,专注于使数据可用并能够在生产环境中对数据进行处理,如具体的编程语言、操作系统与数据库等;而数据科学家更倾向于“战略层面”的数据技能,如数据分析、数据挖掘、统计分析、机器学习等。