數據科學

一個跨學科領域，它結合了統計學、信息科學和計算機科學的科學方法、系統和過程，通過結構化或非結構化數據提供對現象的洞察。

自1946年第一台通用計算機發明以來，科學研究的實驗模擬產出了大量數據，並依靠算法發現其中規律。當馬雲發自肺腑地宣告“DT時代”到來時，這一切的背後是數據科學的發展。 ^[2] 

1974年，著名計算機科學家、圖靈獎獲得者Peter Naur在其着作《計算機方法的簡明調研（Concise Survey of Computer Methods）》的前言中首次明確提出了數據科學（Data Science）的概念，“數據科學是一門基於數據處理的科學”，並提到了數據科學與數據學（Datalogy）的區別——前者是解決數據（問題）的科學（the science of dealing with data），而後者側重於數據處理及其在教育領域中的應用（the science of data and of data processes and its place in education）。

Peter Naur首次明確提出數據科學的概念之後，數據科學研究經歷了一段漫長的沉默期。直到2001年，當時在貝爾實驗室工作的William S. Cleveland在學術期刊International Statistical Review上發表題為《數據科學——拓展統計學技術領域的行動計劃（Data Science: an Action Plan for Expanding the Technical Areas of the Field of Statistics）》的論文，主張數據科學是統計學的一個重要研究方向，數據科學再度受到統計學領域的關注。之後，2013年，Mattmann C A和 Dhar V在《自然（Nature）》和《美國計算機學會通訊（Communications of the ACM）》 上分別發表題為《計算——數據科學的願景（Computing: A vision for data science）》和《數據科學與預測（Data science and prediction）》論文，從計算機科學與技術視角討論數據科學的內涵，使數據科學納入計算機科學與技術專業的研究範疇。然而，數據科學被更多人關注是因為後來發生了三個標誌性事件：一是Patil DJ和 Davenport T H於2012年在哈佛商業評論上發表題為《數據科學家——21世紀最性感的職業（Data scientist: the sexiest job of the 21st century）》；二是2012年大數據思維首次應用於美國總統大選，成就奧巴馬，擊敗羅姆尼，成功連任；三是美國白宮於2015年首次設立數據科學家的崗位，並聘請Patil DJ作為白宮第一任首席數據科學家。

Gartner的調研及其新技術成長曲線（Gartner's 2014 Hype Cycle for Emerging Technologies）表示，數據科學的發展於2014年7月已經接近創新與膨脹期的末端，將在2~5年之內開始應用於生產高地期（plateau of Productivity）。同時，Gartner的另一項研究揭示了數據科學本身的成長曲線（Hype Cycle for Data Science），如圖1所示。從圖1可以看出，數據科學的各組成部分的成熟度不同：R的成熟度最高，已廣泛應用於生產活動；其次是模擬與仿真、集成學習、視頻與圖像分析、文本分析等，正在趨於成熟，即將投入實際應用；基於Hadoop的數據發現可能要消失；語音分析、模型管理、自然語言問答等已經渡過了炒作期，正在走向實際應用；公眾數據科學、模型工廠、算法市場（經濟）、規範分析等正處於高速發展之中。 ^[3]