经理数据科学导论[思维导图]
数据科学已经成为许多现代项目和业务不可或缺的一部分，现在基于数据分析的决策数量越来越多。数据科学行业正经历着人才的严重短缺，不仅对数据科学家而且对于管理人员，他们对分析和数据科学都有一定的了解。作为经理，您最终可以成为公司的数据使用专家，从而为组织的发展创造机会。无论您是作为数据驱动型业务的一部分与数据科学家团队合作，还是对实施数据科学解决方案感兴趣—您都应具备一些数据知识并了解其组织能力。
数据科学是一门极其广泛和复杂的学科，是计算机科学，数学和统计学的拦截领域，也是一个 需要了解数据源的知识领域：医学，金融，网络和其他领域。
下面的思维导图简要介绍了关键的数据科学概念和技术，这些概念和技术已经彻底改变了业务格局，并成为做出有益的数据驱动型决策所必需的。我们相信，这对于数据科学经理以及面对作为客户或用户这一快速发展领域的人们来说都是有用的，并能为他们提供信息。
原始的思维导图可以在这里找到 。
让我们仔细看看。我们思维导图的分支以特定方式分组。在中间，有两个基础的ASIC知识可用于构建任何数据科学项目，即数学和统计学以及编程语言。   
当我们谈论基于数据的科学时，很明显，这里的基本知识之一是数学。机器学习中的每种算法都是基于数学基础的，因此有必要了解线性代数，概率论和经典统计的基础。
展望未来，所有这些巨大的计算以及不同算法和数据科学任务解决方案的实现都是使用各种编程语言来精确实现的 。作为一名经理，您不需要知道如何编写算法或理解每种语言的所有特性，但是您必须了解哪些语言可以实现特定的任务，它们的适用性以及优缺点。
思维导图的整个右侧与数据科学领域直接相关。这是一个广泛的概念，它结合了三个非常大的领域：机器人技术，机器学习和强化学习以及这些领域的进一步分支。此时，管理者的主要任务是了解什么是机器学习的通用算法，可以在哪些行业中应用它们以及可以解决哪些用例。   
思维导图的左侧涵盖了数据科学的支持领域：数据存储，数据工程，大数据，数据分析，可视化和BI（商业智能）。它们以补充不同机器学习任务的方式，帮助清理，处理，转换和表示数据并从不同方面进行分析。      
数据科学依赖于创建和使用数据，这些数据必须在需要的时间和地点可用。这就是数据存储的确切目的。数据存储是一种以方便的形式归档数据的技术。您应该了解SQL和NoSQL数据库之间的根本区别，为什么需要云服务，哪些服务提供了更方便和可理解的界面，对于特定任务和其他细节究竟需要什么。
数据工程的主要目的是将数据转换成易于使用的有用格式进行分析。任何数据操作都需要对数据进行一些预处理，并且数据的定性转换和处理通常在项目的成功中起着关键作用。大致来说，构成数据工程的主要操作是数据抓取，数据提取和数据清理。  
此外，在执行数据科学任务时，您通常必须处理传统数据处理工具和仪器无法处理的庞大而庞大的数据集。这就是大数据解决方案的用武之地。除了处理大量数据外，大数据还具有其他一些特定特征。即，处理数据的能力迅速增加，并且数量不断增加，并且具有并行处理各个方面的结构化和非结构化数据的能力。  
数据分析 是获取有关数据集的信息并查找特定见解的过程。它旨在搜索输入参数之间的各种依赖关系。数据分析是公司营销，财务，业务管理等必不可少的一部分。
最后，数据需要理解，解释和解释。每个使用数据的人都认可BI和可视化工具对于显示代码中隐藏的内容并使之可见的重要性。每个人都能更好，更快地感知视觉信息，这就是为什么它是每个分析以及数据科学项目不可或缺的一部分的原因。既为客户又为开发人员带来好处，它绝对应该在数据管理人员的手中。   
结论
当然，每个分支都可以进一步扩展和划分，这不是最终的真理，而是我们试图展示我们的愿景，以反映数据科学发展的当前状态。
由于数据科学是一个复杂而广阔的领域，因此无法突出显示经理最重要的一个分支。但是，现在您希望对现代数据科学领域的主要组成部分以及它们之间的相互关系有一个大致的了解，这可能是扩展您对此领域知识的一个良好的开端。
如果您对此主题还有其他想法和想法，请在下面的评论部分中分享。
1