数据科学将方法、流程和技术结合起来，从数据中提取知识和洞见，以实现特定的业务目的。
数据科学可以让您将当今企业中产生的大量数据转化为具备可操作性的洞见，并做出预测。它使用科学的方法和技术，使您能够审视所收集的数据，实现业务目标。
它是什么？
数据科学结合了从数据中提取意义所需的方法、处理流程、知识和工具。它可能涉及数学、统计学和计算机科学。如果您的企业想通过掌握数据来创造竞争优势，您就需要聘请数据科学家。
数据科学应被视为有别于“数据分析”这一存在已久的概念。两者都可用于分析历史数据以得出推论。但是，这二者的区别在于是否使用工具和技术来对日益增长的复杂性和不确定性进行建模。数据分析师往往依赖基于规则的方法来应对复杂性和不确定性，因此往往步履维艰。
要了解数据科学与以往的数据分析方法有何不同，一个很好的例子就是它处理脏/坏数据的方式。在旧的数据分析范式中，如果存在脏数据，其采用的基于规则的方法意味着您会得到糟糕的结果。但数据科学可以应对嘈杂的数据，它可以容忍不良数据。
有何益处？
数据科学为开展详细的分析奠定了基础，从而提高对业务运营的理解。但是，使数据科学有别于传统的"商业智能"地方，还在于使用现代机器学习和深度学习工具使组织能够实现业务目标。
如果您的企业能够审视数据（无论是传统的、结构化的运营数据，还是更混乱、更复杂的“大数据”），并提取和利用关键的业务见解，那么您就拥有了一个具有重大意义的、潜在且可持续的竞争优势来源。
需考量的因素？
数据科学是一门学科。您无法简单地购得数据科学，甚至雇用数据科学家也是不够的。您需要有能力吸引高技能人才加入，并实施能让他们发挥最大作用的系统和流程。
但这是有代价的。熟练的从业者——数据科学家——很可能拥有博士学位。他们需要进行广泛的学习研究才能在数学、统计学和计算机科学领域达到足够的专业度——这使得他们难以被吸引，而且留住他们的成本也很高。
如何应用？
数据科学是一门迅速发展的学科。它正被用于拓宽计算机系统所能达到的极限——无论是解开基因组，还是对极其复杂的系统（比如天气）进行建模。
在企业内部，数据科学正被用来扩展组织利用现有数据所能实现的意义的边界。例如，飞机制造商可能会使用数据科学来对发动机的可靠性进行建模；零售商则可以使用数据科学来洞察顾客行为。
Arkose Lab 是一家全球领先的安全欺诈和滥用问题预防组织，位于澳大利亚布里斯班和美国旧金山。它的数据科学倡议是为全球最容易成为攻击目标的企业和银行解决涉及百万美元级别的欺诈问题。
相关主题
Would you like to suggest a topic to be decoded?
Just leave your email address and we'll be in touch the moment it's ready.