数据科学、数据分析，数据无处不在

数据科学，数据分析，无处不在的数据，这些术语对不知情的人来说可能是难以理解甚至令人生畏。单就科学而言，几乎在上小学的时候就明白其中的伟大或者可以谈论为熟悉，老师站在讲堂上问长大后的理想是什么的时候，我相信回答想当科学家的不在少数。

在数字化的当下，数据科学更是一门发展性强大的领域，那么前面设置的“数据”这个词让我们到底需要怎么去理解呢？

比如任何体育迷都会熟悉“分析”这个术语。无论是什么比赛我们都会看到很多数据，历史比赛、运动员信息、赛事记录等等，甚至有很多体育类的电影荣获奥斯卡奖，比如《亲爱的篮球（Dear Basketball）》、《徒手攀岩》、《点球成金》等等。

需要整理一下这两项，它们之间的区别，以及它们的意义。毕竟，在如今的数据时代，把事情做对绝对是至关重要的。大数据在我们的世界变得越来越重要，这个概念有很多不同的方面值得探索。

数据科学是一个广义的术语，科学方法、数学、统计学和其他许多工具都应用于数据集，以便从这些数据中提取知识和见解。

从本质上讲，它是使用多层面的工具来处理大数据，并从中获取有用的信息。

数据科学家本质上关注的是广泛的数据集，在这些数据集中，连接可能容易，也可能不容易，然后他们将其细化到可以从编译中获得一些有意义的东西的程度

如果你对数据科学还不是特别感兴趣(你怎么可能不呢?)。

数据分析与数据科学类似，但更集中。在最基本的层次上考虑数据分析，这是数据科学的一个更集中的版本，在这个版本中，数据集被专门设置为要扫描和解析的数据集，通常在头脑中有一个特定的目标。

回想一下本文前面提到的电影《点球成金》。在这部电影里面很多人物都是数据分析师。为什么？因为他们研究了所有这些棒球运动员的综合数据，这些数据之前被人们扔到一边，他们发现，通过这些数据，这些运动员也许并不耀眼，但数据表明他们是有效的。

数据分析是一个定义和梳理这些数据的过程，目的是找出这些“点球成金”球员到底是谁。

结果表示它奏效了。每个运动联盟的球队都以这样或那样的形式将数据分析应用到他们的工作中。

好吧，理想情况下，当一个人想申请这个理想职位或企业需要做出重要的招聘时，大多数人是想知道需要准备的内容或需要的内容到底是什么。

除此之外，数据科学在机器学习和人工智能中发挥着巨大的作用。能够筛选和连接大量数据，然后形成允许虚拟实体从这些数据中学习的算法和函数，这在今天的市场上是非常需要的。

但这只是你学习的开始，数据不仅仅是这两项。正如本篇文章中多次提到的，数据很重要。它在我们的生活中变得越来越重要，因为它占据了从体育到约会到商业到医学……的一切。数据驱动的行为是现在和可预见的未来，所以可能我们永远不会了解大数据对我们的到底以为这什么。