數據科學并沒有一個獨立的學科體系，統(tǒng)計學，機器學習，數據挖掘，數據庫，分布式計算，云計算，信息可視化等技術或方法來對付數據。但從狹義上來看，我認為數據科學就是解決三個問題：
1. data pre-processing;
2. data interpretation；
3.data modeling and analysis.
這也就是我們做數據工作的三個大步驟：
1、原始數據要經過一連串收集、提取、清洗、整理等等的預處理過程，才能形成高質量的數據；
2、我們想看看數據“長什么樣”，有什么特點和規(guī)律；
3、按照自己的需要，比如要對數據貼標簽分類，或者預測，或者想要從大量復雜的數據中提取有價值的且不易發(fā)現(xiàn)的信息，都要對數據建模，得到output。
這三個步驟未必嚴謹，每個大步驟下面可能依問題的不同也會有不同的小步驟，但按我這幾年的經驗來看，按照這個大思路走，數據一般不會做跑偏。
   相對保守，發(fā)展趨勢越來越精確。當然，這本身不是壞事，只有越精確， 才能發(fā)現(xiàn)真理，但是一旦過度則是有害的。建立在數學背景下的統(tǒng)計，追求精確儼然是一種趨勢。在采用一個方法之前，首先考慮的是證明它的正確性。而不是像計算機科學和機器學習注重自學習的過程，注重經驗學習的過程。

        盡管統(tǒng)計學的一些分支側重于描述，也會存在一個核心的問題就是通過觀察樣本情況去推測總體。必然，這也是DM要做的事情。DM的特性：要處理一個大數據集。這就意味著，要考慮到可行性的問題，我們常常得到的只是一個樣本，去描述這個樣本來自的那個大數據集。這就是我們常說的：樣本估計整體。不同點在于，數據挖掘往往可以得到數據總體。例如：一個公司所有職工的數據，數據庫中的所有客戶的資料，去年的所有業(yè)績，銷售記錄等。在這種情形下，推斷就沒有價值了。這就意味著，建立的統(tǒng)計模型是通過一系列概率描述（如：一些參數接近于0，則會在模型中刪除。其意思就是這個數據段發(fā)生的概率低，在統(tǒng)計學習分類的時候，在前期數據處理的過程中，這段數據就已經被清除了），但當總體數據可獲得話，在數據挖掘過程中這就變的毫無意義。