數(shù)據(jù)科學(xué)并沒(méi)有一個(gè)獨(dú)立的學(xué)科體系，統(tǒng)計(jì)學(xué)，機(jī)器學(xué)習(xí)，數(shù)據(jù)挖掘，數(shù)據(jù)庫(kù)，分布式計(jì)算，云計(jì)算，信息可視化等技術(shù)或方法來(lái)對(duì)付數(shù)據(jù)。但從狹義上來(lái)看，我認(rèn)為數(shù)據(jù)科學(xué)就是解決三個(gè)問(wèn)題：
1. data pre-processing;
2. data interpretation；
3.data modeling and analysis.
這也就是我們做數(shù)據(jù)工作的三個(gè)大步驟：
1、原始數(shù)據(jù)要經(jīng)過(guò)一連串收集、提取、清洗、整理等等的預(yù)處理過(guò)程，才能形成高質(zhì)量的數(shù)據(jù)；
2、我們想看看數(shù)據(jù)“長(zhǎng)什么樣”，有什么特點(diǎn)和規(guī)律；
3、按照自己的需要，比如要對(duì)數(shù)據(jù)貼標(biāo)簽分類，或者預(yù)測(cè)，或者想要從大量復(fù)雜的數(shù)據(jù)中提取有價(jià)值的且不易發(fā)現(xiàn)的信息，都要對(duì)數(shù)據(jù)建模，得到output。
這三個(gè)步驟未必嚴(yán)謹(jǐn)，每個(gè)大步驟下面可能依問(wèn)題的不同也會(huì)有不同的小步驟，但按我這幾年的經(jīng)驗(yàn)來(lái)看，按照這個(gè)大思路走，數(shù)據(jù)一般不會(huì)做跑偏。
   相對(duì)保守，發(fā)展趨勢(shì)越來(lái)越精確。當(dāng)然，這本身不是壞事，只有越精確， 才能發(fā)現(xiàn)真理，但是一旦過(guò)度則是有害的。建立在數(shù)學(xué)背景下的統(tǒng)計(jì)，追求精確儼然是一種趨勢(shì)。在采用一個(gè)方法之前，首先考慮的是證明它的正確性。而不是像計(jì)算機(jī)科學(xué)和機(jī)器學(xué)習(xí)注重自學(xué)習(xí)的過(guò)程，注重經(jīng)驗(yàn)學(xué)習(xí)的過(guò)程。

        盡管統(tǒng)計(jì)學(xué)的一些分支側(cè)重于描述，也會(huì)存在一個(gè)核心的問(wèn)題就是通過(guò)觀察樣本情況去推測(cè)總體。必然，這也是DM要做的事情。DM的特性：要處理一個(gè)大數(shù)據(jù)集。這就意味著，要考慮到可行性的問(wèn)題，我們常常得到的只是一個(gè)樣本，去描述這個(gè)樣本來(lái)自的那個(gè)大數(shù)據(jù)集。這就是我們常說(shuō)的：樣本估計(jì)整體。不同點(diǎn)在于，數(shù)據(jù)挖掘往往可以得到數(shù)據(jù)總體。例如：一個(gè)公司所有職工的數(shù)據(jù)，數(shù)據(jù)庫(kù)中的所有客戶的資料，去年的所有業(yè)績(jī)，銷售記錄等。在這種情形下，推斷就沒(méi)有價(jià)值了。這就意味著，建立的統(tǒng)計(jì)模型是通過(guò)一系列概率描述（如：一些參數(shù)接近于0，則會(huì)在模型中刪除。其意思就是這個(gè)數(shù)據(jù)段發(fā)生的概率低，在統(tǒng)計(jì)學(xué)習(xí)分類的時(shí)候，在前期數(shù)據(jù)處理的過(guò)程中，這段數(shù)據(jù)就已經(jīng)被清除了），但當(dāng)總體數(shù)據(jù)可獲得話，在數(shù)據(jù)挖掘過(guò)程中這就變的毫無(wú)意義。