数据科学与决策科学：基本描述

在数据科学中，数据挖掘、统计、预测分析、人工智能和机器学习等各种先进技术被结合使用，为业务问题提供解决方案。

在决策科学中，分析的数据被“解释”以得出满足特定目标的业务决策。

所以虽然数据科学涉及收集和分析业务数据，决策科学涉及通过数据解释做出决策的过程。但是，“数据的解释”一般是通过应用数学模型和算法来进行的。

决策科学，一个相对较新的研究领域，在过去 10 年中在全球企业中获得了发展势头。由于决策科学的主要目标是深入了解潜在的业务问题，因此需要对数据有很好的理解。

有关数据科学的出版物通常无法解释数据科学和决策科学之间的区别。预测分析数据科学的一个子领域，经常与决策科学混淆，因为它涉及对未来事件的预测。

数据科学和决策科学可以结合起来解决业务问题。例如，如果一家公司想要分析其客户数据库以找出最畅销的产品，它可以结合数据科学和决策科学来获得最佳结果。

在这种情况下，数据科学家可能会参与从大量数据中提取见解，而决策科学家将审查这些见解以解决业务问题。对业务目标有非凡理解的决策科学家可以应用数据科学技能来定义和解决业务问题。

数据科学与决策科学：差异
数据科学的概念与决策科学密切相关，因为两者都处理基于可用数据的决策。但是，这两个领域之间存在一些显着差异。

数据科学更侧重于对大型数据集的分析。数据科学在战略和决策过程中的作用 解释了数据科学如何塑造数据驱动商业世界。

另一方面，决策科学更侧重于应用数学模型和算法来做出更好的决策。此外，数据科学还处理数据的收集，而决策科学处理数据的解释。

在这篇关于数据科学与决策科学，作者解释说，数据科学家经常以改进现有产品、服务或流程为使命来分析和解释数据。数据质量、统计纪律和完美的测量指导他们的实践。业务问题接踵而至。他们将“统计学家的视角”应用于他们所做的每一件事。作者说，决策科学家将数据分析视为做出更好业务决策的手段。因此，决策科学家经常分析与他们正在寻求解决的业务问题或问题相关的数据。决策科学家使洞察“可操作”。

为什么决策科学很重要将这种做法描述为商业决策的“机器辅助”，传统上由人脑进行。决策科学的最大特点是它能够用经济术语定义每个解决方案——清楚地概述决策的风险与回报。这种方法使人类决策者能够“区分情绪和自我经常引入的偏见和陷阱”。

数据科学和决策科学之间的一些根本区别可以概括为：

数据科学是关于数据的收集，而决策科学是关于数据的解释。决策科学在某种意义上也涉及数据的收集，但它不涉及大量数据的收集。
如前所述，数据科学处理大量原始数据的分析，而决策科学处理小型数据集的分析。
决策科学处理数学模型的应用，而数据科学处理数据科学技术的应用。
的作者数据科学和决策科学初学者指南提出了以下有价值的意见：

数据科学应用于银行、金融、制造、电子商务、教育等垂直领域。决策科学通常应用于商业、政策制定、医疗保健和军事问题。数据科学与大数据一起工作，而决策科学依赖于小数据。
数据对数据科学家和决策科学家同样重要。然而，他们的数据分析方法却截然不同。数据科学家使用数据分析来发现洞察力以改进产品和流程，而决策科学家使用数据分析来帮助基于这些洞察力的决策。
数据科学家是技术书呆子——应用数学、统计学和先进的数据技术来发现洞察力；决策科学家是商业奇才——对商业和技术问题都非常了解。
数据科学家为喂食机器创建数据框架，而决策科学家为人类决策提供框架。
根据KV饶，销售预测软件公司 Aviso 的创始人兼首席执行官：

“决策科学恰当地概括了计算机如何帮助系统地识别与做出业务决策相关的风险和回报。”
数据科学家与决策科学家：对比角色
最常见的角色数据科学家是使用统计方法分析业务数据。数据科学家使用分析方法来发现原始数据中的隐藏模式，这些模式用于预测未来事件。数据科学家最重要的资格是他们将分析结果传达给他人的能力。

另一方面，决策科学家渴望 从可用数据中找到洞察力——因为它们与手头的问题相关。对于决策科学家来说，业务问题是第一位的。数据分析紧随其后，并且通常取决于特定业务问题所提出的问题。决策科学家对业务挑战采取 360 度全方位的视角。

数据科学家需要具备广泛的技能。其中包括 R 和 Python 等编程语言，Hadoop、Apache Spark、SAS、Tableau、Excel 等工具的知识，卓越的分析技能，线性回归、K-Means 聚类或随机森林等统计方法。根据美国劳工统计局的数据，数据科学是一个热门领域，对合格人才的需求不断增长。

这篇有见地的文章来自重要通量可以帮助个人决定是学习数据科学还是决策科学。

数据科学家的决策科学

在一个可持续发展目标网络研讨会，演讲者提供了对数据科学家特别有用的决策科学的精彩介绍。该网络研讨会提供了对决策科学的基本了解，并解释了如何结合使用数据科学和决策科学来做出重要的业务决策。

根据一个福布斯作者:

“现代决策过程，（散布着各种）信息源和技术可能与他们需要做出的任何业务决策一样复杂。”

在先进技术时代转向自动化决策工具可能会有风险，因此最好将决策视为一门科学学科。当决策被视为科学时，做出决策、进行研究、创建假设、测试、监控结果，然后重复这些步骤的经典步骤就构成了决策科学。

在CSIRO 的 Data 61Business Unit（澳大利亚），数据分析项目增加了决策科学。这里开展的一些典型项目包括生物安全风险和监测、运输分析、植物基因组选择、自然灾害、金融风险等。


超越科学：决策智能
一种迈向数据科学文章揭示了决策智能有助于做出与系统实施相关的良好决策。在训练 AI 系统时，决策智能可以指导数据科学家确定“是否应将特定数据包含在训练数据集中，或者是否应 排除另一数据”。这些类型的决策对于训练模型的性能至关重要。因此，本文进一步有助于解释虽然数据科学家可以通过构建数据驱动的训练模型来解决一个难题，需要社会科学家解决难题的另一部分——利用数据做出正确的决策，这是数据科学家无法完成的任务。

相关帖子DA内容精选 2022年300个以上最佳免费数据科学课 大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！ 机器学习模型方法总结 历史最全机器学习/深度学习/人工智能专业术语表中英对照表 机器学习如何应用于商业场景？三个真实的商业项目 数据工作者的自我修养 | 哪些技能是必不可少的？ 《汗牛充栋：数据分析书籍分享》CDA网校新课上线 文本挖掘常用的107个语料库 一图读懂“东数西算”工程 零基础转行数据分析，看这篇文章就够了