數(shù)據的完整性及其規(guī)范

數(shù)據可以指單獨的事實，或者統(tǒng)計后的數(shù)據，還可以是各種信息的匯總，通常以數(shù)字表示。數(shù)據管理的重要性始于計算機科學本身的誕生。數(shù)據處理最初的重點是轉換，存儲，然后傳輸。然而，近年來，隨著手機、智能傳感器、聯(lián)網汽車和我們周圍許多其他數(shù)字設備的興起，出現(xiàn)了前所未有的信息大爆炸。

不斷增長的海量數(shù)據，需要人們采取合適的方式來管理它，通過減少數(shù)據冗余，保證準確和及時的獲取，來確保數(shù)據的質量。為分析而訪問和存儲大量信息，人們已經有很多年的經驗了。但大數(shù)據的概念在21世紀初獲得了新的發(fā)展動力，它基于三個要素：數(shù)量、速度和多樣性。對大數(shù)據進行分析以獲得更好的洞察力來指導決策，是大數(shù)據的真正意義。這意味著收集的數(shù)據只有在最終用于解決問題并進而實現(xiàn)新的收入流和財務增長時才具有意義。這就是“數(shù)據科學”領域發(fā)揮關鍵作用的地方，因為它采用現(xiàn)代工具和技術來發(fā)現(xiàn)數(shù)據背后隱藏的有價值的信息，并據此做出成功的商業(yè)決策。

什么是數(shù)據科學

數(shù)據科學是一個術語，指的是使用各種科學手段、算法和步驟從不斷增長的海量數(shù)據中提取背后含義的綜合方法。使用軟件科學識別出原始數(shù)據背后的規(guī)律和含義。這些有價值的見解有助于支持業(yè)務決策，分析解決業(yè)務困境，并將其轉化為可行的解決方案。

企業(yè)如何依賴數(shù)據科學？

傳統(tǒng)的商業(yè)數(shù)據分析（BI）工具不是為處理大量非結構化數(shù)據而構建的。數(shù)據科學利用更先進的工具來幫助分析、分類和篩選來自多個相關領域的大量數(shù)據，可在處理非結構化數(shù)據方面發(fā)揮重要作用。例如，在營銷領域，基本的人口統(tǒng)計因素，如客戶年齡、性別、地點和購買行為，有助于制定具有針對性的活動。這些活動，因為它們通過客戶的瀏覽和購買歷史來評估客戶對商品的傾向，因此更能達到精準營銷的目的。同樣，在銀行業(yè)務中，監(jiān)控異常的客戶交易可以幫助識別金融欺詐行為。在醫(yī)療保健行業(yè)，仔細檢查和評估患者的病歷可以揭示患病的可能性等等。

通過預測性維護，機器中的智能傳感器收集數(shù)據，幫助工廠減少停機時間及相關的收入損失。預測和提前處理潛在的可能造成停產的問題，工廠就可以一直保持最高效率運行。

數(shù)據挖掘和KDD

“數(shù)據挖掘”通常與KDD（Knowledge Discovery in Database，數(shù)據庫中的知識發(fā)現(xiàn)）互換使用。如今，幾乎每個行業(yè)都越來越受數(shù)據所驅動。但是，只有當你分析數(shù)據并找出它背后的價值時，數(shù)據才有意義。

大多數(shù)行業(yè)積累了海量數(shù)據，但在缺乏展示數(shù)據趨勢的圖形、圖表和相關分析機制的情況下，純數(shù)據本身沒有多大意義。從現(xiàn)在數(shù)據積累的速度和規(guī)模上看，使用傳統(tǒng)數(shù)據管理機制很難應對這樣的挑戰(zhàn)。因此，從經濟和科學的角度來看，利用數(shù)據科學提升我們的分析能力，以便我們能夠更好地處理我們的大數(shù)據，變得非常有必要。

下圖顯示了管理數(shù)據的各種工具之間的關系。

模式識別

模式識別通過識別數(shù)據模式來研究數(shù)據內涵。根據數(shù)據的類型和配置，可以使用不同的模式識別方法。模式按照描述性模式識別進行分類。對目標進行特征識別，并將這些特征與已知模式進行比較以判斷它們是否匹配，或者存在差異。

統(tǒng)計學

在解決復雜且需要方法論的問題方面，統(tǒng)計學發(fā)揮著重要作用。這在有很多不確定性因素背景下需要做出高風險決定時尤其如此。統(tǒng)計學可以為分析師提供有把握的答案。

分析

分析是指檢查數(shù)據，解決問題、獲得洞察力并識別趨勢的過程和行為。這是通過使用各種工具、技術和體系來完成的，根據所執(zhí)行的分析類型而有所不同，主要有以下四種類型：

機器學習

機器學習是人工智能的一個分支，它依賴模型來執(zhí)行自主任務。它依賴統(tǒng)計學和算法，根據歷史數(shù)據幫助用戶做出預測或決策。數(shù)據科學家使用機器學習和人工智能等技術來管理公司的數(shù)據。這使公司能夠對即將發(fā)生的事情進行精確分析，從而對企業(yè)的未來產生積極的影響。

數(shù)據科學流程

CRISP-DM代表“數(shù)據挖掘的跨行業(yè)標準流程”，提供一個總覽模型，描述數(shù)據科學的生命周期，幫助規(guī)劃、組織和實施數(shù)據科學項目。它由以下步驟組成：

當辯證性思維遇到機器學習算法時，數(shù)據科學可以幫助獲得對業(yè)務更佳的見解，提高工作效率，并提供業(yè)務決策的預判。最終目標是使公司能夠從數(shù)據科學中受益，做出積極決策，以提供更多創(chuàng)新的產品和服務。