数据科学:问题导向的交叉学科创新

• 作者: 张云泉 徐葳 龙桂鲁
• 来源期刊: 科学通报
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 编者按
• 页码范围: 425-426
• 页数: 2页
• 语种: 中文

摘要

在大数据应用技术需求的推动下,大数据科学研究和应用已经成为科技领域中的热点.同时人们开始从这些工程实践中提炼出一些共性的思路、方法和工具,开启了一门新科学——数据科学. 从思想方法上,数据科学研究继承了统计学的一些思想,例如在大量数据上做统计性的搜索、比较、聚类或分类等分析归纳,其结论是一种相关性,而并非一定是某种因果关系.虽然都依赖大量的计算,但数据科学与计算机模拟不同,并非是基于一个已知的数学模型,而是用大量数据的相关性取代了因果关系和严格的理论和模型,并基于这些相关性获得新的“知识”.早在2007年,著名计算机科学家吉姆·格雷就指出“数据密集型科学”已经成为继实验、理论、计算模拟之后的第4个科学研究范式.吉姆·格雷博士当时指出,发展数据科学的主要阻力在于工具的缺乏,以及开发这些工具的巨大成本[1].2010年,Science杂志在对1700多位科学家的调研后验证了这一观点:技术的缺乏影响了科学家们分析、保存以及分享数据[2].