4.12：侧边栏-什么是数据科学？
- Page ID
- 172416
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)
侧边栏：什么是数据科学？
数据科学获取结构化和非结构化数据，并使用科学的方法、流程、算法和系统来提取知识和见解。 它首先从许多来源获取数据，例如 Web 服务器、日志、数据库、API（应用程序接口）和在线存储库。 采集完成后，必须清理数据和管道数据。 这是通过对相关和可用的数据进行排序和组织来完成的；这是转换过程。 接下来是数据建模；目标是创建适合公司在使用数据时需求的最佳建模。 这可以使用指标、算法和分析来完成。 目标是进步到人工智能和深度学习或机器学习。 数据科学问题使用数据解决公司问题。
- 结构化数据-是在记录或文件的固定字段中找到的数据。 它包括关系数据库和电子表格中包含的数据。 比如：
- 日期
- 时间
- 人口普查数据
- Facebook “喜欢”
- 非结构化数据-是指没有组织且没有预定义模型的信息。 比如：
- 电子邮件正文
- 推文
- Facebook 状态
- 视频笔录
什么是数据分析？
Data Analytics 提取从数据挖掘中收集的原始数据，并分析这些信息以发现关系和模式，从而在使用数据时深入了解数据。 公司使用这些分析来优化问题解决并协助决策。 这些信息有助于了解您的消费者是谁以及营销您的公司或产品。 这一切都有助于提高效率和简化操作。 然后，随着新标准的出现，可以调整持续收集的数据。 与过去相比，当今的数据分析更深入、更丰富，检索速度更快。 信息更准确、更详细，从而加快了成功解决问题的速度。
商业智能和商业分析
现在这是一种新趋势。 借助数据仓库和数据挖掘等工具可供使用，企业可以学习如何利用信息来发挥自己的优势。 商业智能一词用于描述组织如何利用他们正在收集的数据并对其进行分析以获得竞争优势。 除了使用内部数据库中的数据外，企业还经常从数据经纪人那里购买信息，以了解其行业的大局理解。 业务分析这个术语用于描述公司内部数据以改善业务流程和实践。