我們生活在一個數(shù)據(jù)驅(qū)動的世界中，因此出現(xiàn)了許多涉及數(shù)據(jù)的概念。兩個這樣的概念是數(shù)據(jù)科學(xué)和數(shù)據(jù)挖掘，這兩者對于當(dāng)今人工智能驅(qū)動的組織的成功至關(guān)重要。

了解兩者之間的主要區(qū)別很重要，因此讓我們從正式定義它們開始：

數(shù)據(jù)科學(xué)：一個跨學(xué)科領(lǐng)域，數(shù)據(jù)科學(xué)依靠科學(xué)方法、過程、算法和系統(tǒng)從結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中提取或推斷知識和見解。然后將來自數(shù)據(jù)的知識應(yīng)用于廣泛的領(lǐng)域。

數(shù)據(jù)挖掘：通過使用涉及機器學(xué)習(xí)、統(tǒng)計和數(shù)據(jù)庫系統(tǒng)組合的方法來發(fā)現(xiàn)大型數(shù)據(jù)集中模式的過程。作為計算機科學(xué)和統(tǒng)計學(xué)的跨學(xué)科子領(lǐng)域，數(shù)據(jù)挖掘的總體目標(biāo)是從數(shù)據(jù)集中提取信息并將其轉(zhuǎn)換以供進(jìn)一步使用。

什么是數(shù)據(jù)科學(xué)?

在數(shù)據(jù)科學(xué)領(lǐng)域，專家通過一系列方法、算法、系統(tǒng)和工具從數(shù)據(jù)中提取意義。這些為數(shù)據(jù)科學(xué)家提供了必要的武器庫，可以從高度特定并以預(yù)定義格式存儲的結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)(涉及以本機格式存儲的各種類型的數(shù)據(jù))中提取洞察力。

數(shù)據(jù)科學(xué)對于提取有關(guān)業(yè)務(wù)模式的寶貴見解非常有幫助，通過對流程和消費者的深入見解幫助組織更好地執(zhí)行。沒有數(shù)據(jù)科學(xué)，大數(shù)據(jù)就什么都不是。雖然大數(shù)據(jù)為各行各業(yè)帶來了數(shù)千億美元的支出，但據(jù)估計，不良數(shù)據(jù)每年使美國損失約 3.1 萬億美元，這就是數(shù)據(jù)科學(xué)如此重要的原因。通過使用數(shù)據(jù)處理和分析，可以將這種損失轉(zhuǎn)化為價值。

數(shù)據(jù)科學(xué)的興起與智能手機的興起和我們?nèi)粘Ｉ畹臄?shù)字化并行。在我們的世界中漂浮著大量的數(shù)據(jù)，而且每天都會產(chǎn)生更多的數(shù)據(jù)。與此同時，計算機能力在相對成本下降的同時急劇增加，導(dǎo)致廉價計算能力的廣泛使用。數(shù)據(jù)科學(xué)結(jié)合了數(shù)字化和廉價的計算能力，以提取比以往更多的洞察力。

什么是數(shù)據(jù)挖掘?

在數(shù)據(jù)挖掘方面，專業(yè)人員對大型數(shù)據(jù)集進(jìn)行分類，以識別有助于通過數(shù)據(jù)分析解決業(yè)務(wù)問題的模式和關(guān)系?？鐚W(xué)科領(lǐng)域涉及多種數(shù)據(jù)挖掘技術(shù)和工具，企業(yè)使用這些技術(shù)和工具來預(yù)測未來趨勢并做出更好的業(yè)務(wù)決策。

數(shù)據(jù)挖掘?qū)嶋H上被認(rèn)為是數(shù)據(jù)科學(xué)的核心學(xué)科，它只是數(shù)據(jù)庫中知識發(fā)現(xiàn)(KDD)過程中的一個步驟，它是一種用于收集、處理和分析數(shù)據(jù)的數(shù)據(jù)科學(xué)方法論。

數(shù)據(jù)挖掘是成功分析計劃的關(guān)鍵，可生成可用于商業(yè)智能 (BI) 和高級分析的信息。如果有效執(zhí)行，它可以改進(jìn)業(yè)務(wù)戰(zhàn)略和運營，包括營銷、廣告、銷售、客戶支持、制造、供應(yīng)鏈管理、人力資源、財務(wù)等。

數(shù)據(jù)挖掘過程通常分為四個階段：

數(shù)據(jù)收集：數(shù)據(jù)科學(xué)家為分析應(yīng)用程序識別和組合相關(guān)數(shù)據(jù)。數(shù)據(jù)可以來自數(shù)據(jù)倉庫、數(shù)據(jù)湖或其他包含非結(jié)構(gòu)化和結(jié)構(gòu)化數(shù)據(jù)的存儲庫。

數(shù)據(jù)準(zhǔn)備：準(zhǔn)備好要挖掘的數(shù)據(jù)。專家從數(shù)據(jù)探索、分析和預(yù)處理開始，然后清理數(shù)據(jù)以糾正錯誤并提高其質(zhì)量。

數(shù)據(jù)挖掘：準(zhǔn)備好數(shù)據(jù)后，數(shù)據(jù)科學(xué)家會選擇一種數(shù)據(jù)挖掘技術(shù)并實施一個或多個算法來執(zhí)行它。

數(shù)據(jù)分析：數(shù)據(jù)挖掘的結(jié)果有助于開發(fā)可以改進(jìn)決策和業(yè)務(wù)行為的分析模型。調(diào)查結(jié)果還通過數(shù)據(jù)可視化或其他技術(shù)與業(yè)務(wù)主管和用戶共享。

數(shù)據(jù)科學(xué)和數(shù)據(jù)挖掘之間的主要區(qū)別

以下是描述數(shù)據(jù)科學(xué)和數(shù)據(jù)挖掘之間主要區(qū)別的要點列表：

數(shù)據(jù)科學(xué)的領(lǐng)域很廣泛，包括數(shù)據(jù)的捕獲、分析和洞察力的提取。數(shù)據(jù)挖掘涉及有助于在使用數(shù)據(jù)集識別隱藏模式之前在數(shù)據(jù)集中找到有價值信息的技術(shù)。

數(shù)據(jù)科學(xué)是一個多學(xué)科領(lǐng)域，包括統(tǒng)計學(xué)、社會科學(xué)、數(shù)據(jù)可視化、自然語言處理和數(shù)據(jù)挖掘。數(shù)據(jù)挖掘是數(shù)據(jù)科學(xué)的一個子集。

數(shù)據(jù)科學(xué)依賴于各種類型的數(shù)據(jù)，無論是結(jié)構(gòu)化、半結(jié)構(gòu)化還是非結(jié)構(gòu)化數(shù)據(jù)。數(shù)據(jù)挖掘通常只涉及結(jié)構(gòu)化數(shù)據(jù)。

數(shù)據(jù)科學(xué)自 1960 年代就已經(jīng)建立，而數(shù)據(jù)挖掘直到 1990 年代才為人所知。

數(shù)據(jù)科學(xué)領(lǐng)域 側(cè)重于數(shù)據(jù)科學(xué)，而數(shù)據(jù)挖掘更關(guān)注實際過程。

這絕不是兩個概念之間差異的詳盡列表，但它涵蓋了一些主要概念。

數(shù)據(jù)科學(xué)家的角色和技能

數(shù)據(jù)科學(xué)家必須首先了解組織的目標(biāo)，他們通過與利益相關(guān)者和高管密切合作來做到這一點。然后，他們檢查數(shù)據(jù)如何幫助實現(xiàn)這些目標(biāo)并推動業(yè)務(wù)向前發(fā)展。

數(shù)據(jù)科學(xué)家需要靈活并樂于接受新想法，他們應(yīng)該能夠開發(fā)和提出跨領(lǐng)域的創(chuàng)新解決方案。通常在協(xié)作團隊中工作，數(shù)據(jù)科學(xué)家還必須具備不同部門的業(yè)務(wù)決策意識。這使他們能夠?qū)⒕性趯⒃跇I(yè)務(wù)決策中發(fā)揮關(guān)鍵作用的數(shù)據(jù)項目上。

隨著項目的推進(jìn)，數(shù)據(jù)科學(xué)家的角色可能會繼續(xù)更多地融入業(yè)務(wù)，因此他們將對客戶行為以及如何有效地利用數(shù)據(jù)從上到下改善整個業(yè)務(wù)有深入的了解。

*如果您對發(fā)展數(shù)據(jù)科學(xué)技能感興趣，請務(wù)必查看我們的“七大數(shù)據(jù)科學(xué)認(rèn)證”。

數(shù)據(jù)挖掘過程

數(shù)據(jù)科學(xué)家或數(shù)據(jù)分析師負(fù)責(zé)數(shù)據(jù)挖掘過程，其中包括用于為不同數(shù)據(jù)科學(xué)應(yīng)用挖掘數(shù)據(jù)的各種技術(shù)。該領(lǐng)域的專業(yè)人員通常在整個過程中遵循特定的任務(wù)流程，如果沒有結(jié)構(gòu)，分析師可能會遇到一開始很容易避免的問題。

專家通常會在觸及任何數(shù)據(jù)之前很久就了解業(yè)務(wù)。這將包括業(yè)務(wù)的目標(biāo)以及它試圖通過挖掘數(shù)據(jù)來實現(xiàn)的目標(biāo)。然后，數(shù)據(jù)分析師將了解數(shù)據(jù)、數(shù)據(jù)的存儲方式以及最終結(jié)果可能是什么樣子。

展望未來，他們將開始收集、上傳、提取或計算數(shù)據(jù)。然后對其進(jìn)行清潔和標(biāo)準(zhǔn)化。一旦數(shù)據(jù)干凈，數(shù)據(jù)科學(xué)家可以在評估數(shù)據(jù)模型的結(jié)果之前使用不同的技術(shù)來搜索關(guān)系、趨勢或模式。然后數(shù)據(jù)挖掘過程結(jié)束，管理層實施變更并對其進(jìn)行監(jiān)控。

需要注意的是，這是一般的任務(wù)流程。不同的數(shù)據(jù)挖掘處理模型將需要不同的步驟。