更改

数据科学的概念结合了统计学、数据分析、机器学习等相关方法，以便于借助数据理解和分析实际现象。

数据科学的概念结合了统计学、数据分析、机器学习等相关方法，以便于借助数据理解和分析实际现象。

它使用了从[https://en.wikipedia.org/wiki/Mathematics 数学]、[https://en.wikipedia.org/wiki/Statistics 统计学]、[https://en.wikipedia.org/wiki/Information_science 信息科学]、[https://en.wikipedia.org/wiki/Computer_science 计算机科学]等许多学科领域获得的技术与理论。[https://en.wikipedia.org/wiki/Turing_award 图灵奖]得主[https://en.wikipedia.org/wiki/Jim_Gray_(computer_scientist) 吉姆·格雷] Jim Gray将数据科学设想为一种科学的“第四范式”（[https://en.wikipedia.org/wiki/Empirical_research 经验主义]、[https://en.wikipedia.org/wiki/Basic_research 理论研究]、计算机辅助，现在是数据驱动），并且断言由于信息技术和[https://en.wikipedia.org/wiki/Information_explosion 数据洪流]的影响，所有关于科学的事物都在不断地发生改变。

它使用了从[https://en.wikipedia.org/wiki/Mathematics 数学]、[https://en.wikipedia.org/wiki/Statistics 统计学]、[https://en.wikipedia.org/wiki/Information_science 信息科学]、[https://en.wikipedia.org/wiki/Computer_science 计算机科学]等许多学科领域获得的技术与理论。[https://en.wikipedia.org/wiki/Turing_award 图灵奖]得主[https://en.wikipedia.org/wiki/Jim_Gray_(computer_scientist) 吉姆·格雷] Jim Gray将数据科学设想为一种科学的“第四范式”（[https://en.wikipedia.org/wiki/Empirical_research 经验主义]、[https://en.wikipedia.org/wiki/Basic_research 理论研究]、计算机辅助，现在是数据驱动），并且断言由于信息技术和[https://en.wikipedia.org/wiki/Information_explosion 数据洪流]的影响，所有关于科学的事物都在不断地发生改变。

<ref name="TansleyTolle2009">

<ref name="TansleyTolle2009">

在2012年[https://en.wikipedia.org/wiki/Harvard_Business_Review 《哈佛商业评论》]称其为“21世纪最富有魅力的工作”后

在2012年[https://en.wikipedia.org/wiki/Harvard_Business_Review 《哈佛商业评论》]称其为“21世纪最富有魅力的工作”后，“数据科学”成了一个[https://en.wikipedia.org/wiki/Buzzword 流行术语]。它现在经常与早期概念互换使用，例如[https://en.wikipedia.org/wiki/Business_analytics 商业分析]

，“数据科学”成了一个[https://en.wikipedia.org/wiki/Buzzword 流行术语]。它现在经常与早期概念互换使用，例如[https://en.wikipedia.org/wiki/Business_analytics 商业分析]

<ref name="GilPress" />

<ref name="GilPress" />

、[https://en.wikipedia.org/wiki/Business_intelligence 商业智能]、[https://en.wikipedia.org/wiki/Predictive_modelling 预测模型]和[https://en.wikipedia.org/wiki/Statistics 统计学]。“数据科学富有魅力”的观点甚至被汉斯·罗斯林 Hans Rosling博士在2011年BBC纪录片中转述为“统计学是当今世界最具吸引力的学科”。内特·西尔弗 Nate Silver

、[https://en.wikipedia.org/wiki/Business_intelligence 商业智能]、[https://en.wikipedia.org/wiki/Predictive_modelling 预测模型]和[https://en.wikipedia.org/wiki/Statistics 统计学]。“数据科学富有魅力”的观点甚至被汉斯·罗斯林 Hans Rosling博士在2011年BBC纪录片中转述为“统计学是当今世界最具吸引力的学科”。内特·西尔弗 Nate Silver

{{Cite web|url=https://flowingdata.com/2009/06/04/rise-of-the-data-scientist/|title=Rise of the Data Scientist|last=Yau|first=Nathan|date=2009-06-04|website=FlowingData|language=en|access-date=2020-04-03}}</ref><ref>{{Cite web|url=https://benfry.com/phd/dissertation/2.html|title=Basic Example|last=|first=|date=|website=benfry.com|url-status=live|archive-url=|archive-date=|access-date=2020-04-03}}

{{Cite web|url=https://flowingdata.com/2009/06/04/rise-of-the-data-scientist/|title=Rise of the Data Scientist|last=Yau|first=Nathan|date=2009-06-04|website=FlowingData|language=en|access-date=2020-04-03}}</ref><ref>{{Cite web|url=https://benfry.com/phd/dissertation/2.html|title=Basic Example|last=|first=|date=|website=benfry.com|url-status=live|archive-url=|archive-date=|access-date=2020-04-03}}

</ref> 2015年，美国统计协会 American Statistical Association将数据库管理、统计和机器学习，以及分布式和并行系统确定为三个新兴的基础专业领域。<ref>{{Cite web|url=https://magazine.amstat.org/blog/2015/10/01/asa-statement-on-the-role-of-statistics-in-data-science/|title=ASA Statement on the Role of Statistics in Data Science|date=2015-10-01|website=AMSTATNEWS|publisher=[[American Statistical Association]]|access-date=2019-05-29|archive-url=https://web.archive.org/web/20190620184935/https://magazine.amstat.org/blog/2015/10/01/asa-statement-on-the-role-of-statistics-in-data-science/|archive-date=20 June 2019|url-status=live}}</ref>

</ref> 2015年，美国统计协会 American Statistical Association将数据库管理、统计和机器学习，以及分布式和并行系统确定为三个新兴的基础专业领域。<ref>{{Cite web|url=https://magazine.amstat.org/blog/2015/10/01/asa-statement-on-the-role-of-statistics-in-data-science/|title=ASA Statement on the Role of Statistics in Data Science|date=2015-10-01|website=AMSTATNEWS|publisher=[[American Statistical Association]]|access-date=2019-05-29|archive-url=https://web.archive.org/web/20190620184935/https://magazine.amstat.org/blog/2015/10/01/asa-statement-on-the-role-of-statistics-in-data-science/|archive-date=20 June 2019|url-status=live}}</ref>

== 术语词义衍变==

== 术语词义衍变==

=== 早期使用 ===

=== 早期使用 ===

“数据科学”这一术语在过去的三十年里已经出现在各种语境中，但直到最近才成为一个确定的术语。在早期，1960年它被[https://en.wikipedia.org/wiki/Peter_Naur 彼得·诺尔] Peter Naur用作[https://en.wikipedia.org/wiki/Computer_science 计算机科学]的代名词。诺尔后来引入了[https://en.wikipedia.org/wiki/Datalogy “数据学”](datalogy)这一术语。

“数据科学”这一术语在过去的三十年里已经出现在各种语境中，但直到最近才成为一个确定的术语。在早期，1960年它被[https://en.wikipedia.org/wiki/Peter_Naur 彼得·诺尔] Peter Naur用作[https://en.wikipedia.org/wiki/Computer_science 计算机科学]的代名词。诺尔后来引入了[https://en.wikipedia.org/wiki/Datalogy “数据学”] datalogy这一术语。

<ref>

<ref>

{{cite journal

{{cite journal

“数据科学”这一术语可以追溯到1974年，当时Peter Naur将其作为计算机科学的替代名称提出。<ref name=":0">

“数据科学”这一术语可以追溯到1974年，当时Peter Naur将其作为计算机科学的替代名称提出。<ref name=":00">

{{Cite journal|last=CaoLongbing|date=2017-06-29|title=Data Science|journal=ACM Computing Surveys (CSUR)|volume=50|issue=3|pages=1–42|language=EN|doi=10.1145/3076253|doi-access=free}}

{{Cite journal|last=CaoLongbing|date=2017-06-29|title=Data Science|journal=ACM Computing Surveys (CSUR)|volume=50|issue=3|pages=1–42|language=EN|doi=10.1145/3076253|doi-access=free}}

</ref> 1996年，国际分级社团联盟（International Federation of Classification Societies）成为第一个以数据科学为专题的会议。<ref>

</ref> 1996年，国际分级社团联盟（International Federation of Classification Societies）成为第一个以数据科学为专题的会议。<ref>

在20世纪90年代，描述在越来越大的数据集中寻找模式的流行术语包括“知识发现”和“数据挖掘”<ref name=":1">{{Cite web|url=https://www.forbes.com/sites/gilpress/2013/05/28/a-very-short-history-of-data-science/|title=A Very Short History Of Data Science|last=Press|first=Gil|website=Forbes|language=en|access-date=2020-04-03}}</ref><ref name=":0" />   

在20世纪90年代，描述在越来越大的数据集中寻找模式的流行术语包括“知识发现”和“数据挖掘”<ref name=":01">{{Cite web|url=https://www.forbes.com/sites/gilpress/2013/05/28/a-very-short-history-of-data-science/|title=A Very Short History Of Data Science|last=Press|first=Gil|website=Forbes|language=en|access-date=2020-04-03}}</ref><ref name=":00" />   

数据科学作为一门独立学科的现代概念，一定程度上归功于威廉 · s · 克利夫兰 William S. Cleveland。<ref>

数据科学作为一门独立学科的现代概念，一定程度上归功于威廉 · s · 克利夫兰 William S. Cleveland。<ref>

{{Cite web|url=https://www.stat.purdue.edu/~wsc/|title=William S Cleveland|last=Gupta|first=Shanti|date=December 11, 2015|website=|url-status=live|archive-url=|archive-date=|access-date=April 2, 2020}}

{{Cite web|url=https://www.stat.purdue.edu/~wsc/|title=William S Cleveland|last=Gupta|first=Shanti|date=December 11, 2015|website=|url-status=live|archive-url=|archive-date=|access-date=April 2, 2020}}

</ref> 在2001年的一篇论文中，他主张将统计学从理论扩展到技术领域；由于这将大大改变这个领域，因此它需要一个新的名称。在接下来的几年里，“数据科学”的应用更加广泛：2002年，数据科学与技术分会(CODATA)

</ref> 在2001年的一篇论文中，他主张将统计学从理论扩展到技术领域；由于这将大大改变这个领域，因此它需要一个新的名称。在接下来的几年里，“数据科学”的应用更加广泛：2002年，数据科学与技术分会 CODATA

<ref name="ics12">

<ref name="ics12">

International Council for Science : Committee on Data for Science and Technology. (2012, April).  

International Council for Science : Committee on Data for Science and Technology. (2012, April).  

目前，对于数据科学的定义依旧没有达成共识，有些人认为这是一个流行词。<ref>{{Cite web|url=https://www.forbes.com/sites/gilpress/2013/08/19/data-science-whats-the-half-life-of-a-buzzword/|title=Data Science: What's The Half-Life Of A Buzzword?|last=Press|first=Gil|website=Forbes|language=en|access-date=2020-04-03}}</ref>

目前，对于数据科学的定义依旧没有达成共识，有些人认为这是一个流行词。<ref>{{Cite web|url=https://www.forbes.com/sites/gilpress/2013/08/19/data-science-whats-the-half-life-of-a-buzzword/|title=Data Science: What's The Half-Life Of A Buzzword?|last=Press|first=Gil|website=Forbes|language=en|access-date=2020-04-03}}</ref>

==研究内容==

==研究内容==

==数据科学的相关职业==

==数据科学的相关职业==

数据科学是一个不断发展的领域。2020年，Glassdoor(美国一家职业点评网站)评出的美国最佳职业中，数据科学家位居第三，而在2016-2019年的最佳职业中，位居第一。<ref>{{Cite web|url=https://www.glassdoor.com/List/Best-Jobs-in-America-LST_KQ0,20.htm|title=Best Jobs in America|website=Glassdoor|language=en|access-date=2020-04-03}}</ref> 数据科学家的平均薪资为每年118,370美元或每小时56.91美元。<ref name=":2">{{Cite web|url=https://www.bls.gov/ooh/computer-and-information-technology/computer-and-information-research-scientists.htm|title=Computer and Information Research Scientists : Occupational Outlook Handbook: : U.S. Bureau of Labor Statistics|website=www.bls.gov|language=en-us|access-date=2020-04-03}}</ref> 该领域的就业增长率也高于平均水平，预计从2018年到2028年将增长16%。<ref name=":2" />美国的数据科学家的最大雇佣方是美国联邦政府，占比28%；其他主要雇主包括计算机系统设计服务、研究和开发实验室以及高等院校。<ref name=":2" /> 通常情况下，数据科学家为全职工作，有些人每周工作时间超过40小时。

数据科学是一个不断发展的领域。2020年，Glassdoor(美国一家职业点评网站)评出的美国最佳职业中，数据科学家位居第三，而在2016-2019年的最佳职业中，位居第一。<ref>{{Cite web|url=https://www.glassdoor.com/List/Best-Jobs-in-America-LST_KQ0,20.htm|title=Best Jobs in America|website=Glassdoor|language=en|access-date=2020-04-03}}</ref> 数据科学家的平均薪资为每年118,370美元或每小时56.91美元。<ref name=":02">{{Cite web|url=https://www.bls.gov/ooh/computer-and-information-technology/computer-and-information-research-scientists.htm|title=Computer and Information Research Scientists : Occupational Outlook Handbook: : U.S. Bureau of Labor Statistics|website=www.bls.gov|language=en-us|access-date=2020-04-03}}</ref> 该领域的就业增长率也高于平均水平，预计从2018年到2028年将增长16%。<ref name=":02" />美国的数据科学家的最大雇佣方是美国联邦政府，占比28%；其他主要雇主包括计算机系统设计服务、研究和开发实验室以及高等院校。<ref name=":02" /> 通常情况下，数据科学家为全职工作，有些人每周工作时间超过40小时。