數(shù)據(jù)科學(xué)并沒有一個獨立的學(xué)科體系，統(tǒng)計學(xué)，機器學(xué)習(xí)，數(shù)據(jù)挖掘，數(shù)據(jù)庫，分布式計算，云計算，信息可視化等技術(shù)或方法來對付數(shù)據(jù)。但從狹義上來看，我認為數(shù)據(jù)科學(xué)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(shù)據(jù)工作的三個大步驟：
1、原始數(shù)據(jù)要經(jīng)過一連串收集、提取、清洗、整理等等的預(yù)處理過程，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(shù)據(jù)貼標簽分類，或者預(yù)測，或者想要從大量復(fù)雜的數(shù)據(jù)中提取有價值的且不易發(fā)現(xiàn)的信息，都要對數(shù)據(jù)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(jīng)驗來看，按照這個大思路走，數(shù)據(jù)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(shù)學(xué)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(xué)和機器學(xué)習(xí)注重自學(xué)習(xí)的過程，注重經(jīng)驗學(xué)習(xí)的過程。

        盡管統(tǒng)計學(xué)的一些分支側(cè)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(shù)據(jù)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(shù)據(jù)集。這就是我們常說的：樣本估計整體。不同點在于，數(shù)據(jù)挖掘往往可以得到數(shù)據(jù)總體。例如：一個公司所有職工的數(shù)據(jù)，數(shù)據(jù)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(shù)接近于0，則會在模型中刪除。其意思就是這個數(shù)據(jù)段發(fā)生的概率低，在統(tǒng)計學(xué)習(xí)分類的時候，在前期數(shù)據(jù)處理的過程中，這段數(shù)據(jù)就已經(jīng)被清除了），但當總體數(shù)據(jù)可獲得話，在數(shù)據(jù)挖掘過程中這就變的毫無意義。