数据科学不能等同于大数据、机器学习

数据科学不能等同于大数据

有些人把数据科学等同于大数据，一上来，就用几个V(Volume, Velocity, Variety, Veracity)来划分和把握数据科学的内容，或者用几个V来构造数据科学的内容体系。这是很成问题的。

（1）首先，数据科学是关于数据的科学，它研究数据的方方面面，所以不管是大数据还是小数据、中数据，都是数据科学应该研究的对象。（2）另外，大数据的“大”是一个相对的概念，今年的大，不一定是明年的大。读者一定有感受，几年前你的手机内存有1个G都算大了，现在的新手机6个G的内存起步，你说哪个是所谓的大内存?我们应该关注数据，数据的价值。管你大还是不大。

 

数据科学不能等同于机器学习

有些数据科学的教材，核心内容就是机器学习，也就是把机器学习改头换面成数据科学。把数据科学等同于机器学习也是很成问题的。人工智能/机器学习和数据（特别是大数据）有天然的联系，一个是处理手段，一个是原材料。但是数据科学绝不应等同于机器学习。

（1）数据科学研究如何对现实世界进行数字化（表示），如何把数据管理起来，如何深入分析这些数据等。机器学习是数据分析的手段，数据科学则比机器学习的范围要大的多。简单问一句，数据管理是不是数据科学？当然是，数据都没有管理起来，怎么样分析？

（2）有些统计学院也在开设数据科学课程，主要讲授一系列统计分析方法（和机器学习有覆盖overlap，但是主体内容是不同的），那么是否可以说数据科学就是统计分析呢？

 

数据科学到底是什么

       数据科学研究数据本身，研究数据的规律性。

       它包括一系列原则、过程、方法和工具，它研究现实世界的表示、数据的整个生命周期以及处理分析的手段，它研究各种各样的特定的数据类型、甚至跨越类型的数据整合和分析。

      简而言之，数据科学研究数据的方方面面。包括数据，算法，算力（基础设施）以及应用等4个方面。