什么是数据科学？

机器学习是数据科学的一部分。数据科学更加注重运用数学、统计学等计算科学从数据中提取价值；机器学习则更加注重用数据获取经验，在不断学习中改进算法性能并自动优化计算机模型。随着近年来爆发式增长的数据，数据科学与机器学习呈现出相辅相成的关系。数据科学收集分析的大量数据为机器学习提供了充足的数据集，而机器学习因为自身强大的学习能力和优秀算法的支持，能够帮助数据科学做出符合数据发展趋势的判断并提供具有战略性意义的指导。在大数据时代，数据科学与机器学习已然成为从数据中获取价值的两个重要手段。

定义计划：基于要解决的问题，提出对应项目的构想，然后对项目流程做出计划安排，并对结果做出合理预测。

• 零售业：为什么有些公司可以成为零售业的巨头？这离不开对数据科学的充分利用。例如，数据科学可以对商品的价格调整给出建议、对用户的需求进行预测、对不断变化的供给关系进行管理等，从而在整个供应链的调整上发挥关键作用。
• 公共部门：由于决策数量的不断增和及决策的复杂化，数据科学在公共部门也有着巨大的应用价值。使用数据科学可以提高问题决策的效率，并在准确有效、公平公正等方面也有进一步提升，从而帮助决策者使用更好的策略应对未来的发展。
• 银行业：数据科学已广泛应用于很多关键的银行业务，包括客户情报、风险投资管理以及诈骗检测等，甚至很多关键业务由数据科学驱动发展。在竞争激烈的银行业中，数据科学的使用价值愈加凸显。