数据科学的历史

应用数学和统计不是新概念。

政府，议会和组织已经使用了数百年。罗马人使用人口普查（即，统计数据从一小部分数据样本中得出有关总体的信息）。自17世纪以来，保险公司已经使用精算科学来确定政策的保费。

政府和组织都使用了一段时间的预测和估计方法。出口民意调查吸引了更广泛的人群，以获得选举结果的早期预测。但是，在过去的十年中，组织和学术界在新科学，数据科学的迅速兴起。

什么是数据科学？

数据科学可以定义为使用应用数学或统计学，技术或计算机科学以及领域专业知识来获取有用的信息和洞察力。

According to Hal Varian, the Chief Economist at Google and a UC Berkeley professor, ‘the ability to take data—to be able to understand it, to process it, to extract value from it, to visualise it, to communicate it—that’s going to be a hugely important skill in the next decades.

数据科学的发展

在50年的数据科学中，Donoho探索了数据科学的发展，并列出了该领域的关键因素，包括著名的数学家约翰·图基（John Tukey），他们为学术界和商业领域的应用数学和统计学的初步发展做出了贡献。在1960年代后期，Tukey呼吁改革学术统计。

在数据分析的未来（Tukey），Tukey认识到涉及数据分析并从数据中学习的新科学的存在。

在过去的20年中，数学家和统计学家，例如约翰·钱伯斯（John Chambers），比尔·克莱夫兰（Bill Cleaveland），利奥·布雷曼（Leo Breiman）和杰夫·吴（Jeff Wu），并为数据科学的发展提供了强调，并为数据科学的发展做出了贡献，并将边界推向了统计数据。

值得注意的是，约翰·钱伯斯（John Chambers）为编程语言S和R的开发做出了贡献，这些语言S和R是彻底改变数据科学使用的开源数据科学工具。钱伯斯还强调了数据准备和呈现。

布雷曼（加利福尼亚大学）为开发分类和回归树的发展做出了贡献，为开发各种机器学习技术铺平了道路。

他还专注于从数据中生成预测，而不仅仅是使用数据来绘制推论。Cleaveland和Wu概念化了数据科学；但是，来自LinkedIn的DJ Patil和Facebook的Jeff Hammerbacher都声称构成“数据科学家”一词并在更广泛的行业中普及了它。

大学和数据科学

数据科学在过去50年中发展了；但是，过去十年中，数据科学领域的增长出现了惊人的增长。2012年，没有一所大学在该领域提供任何正规教育。

如今，大多数大学都拥有有关数据科学的专门课程。此外，它的概念和应用在人文，农业和环境研究中教授。

专业数据科学部门

如今，大多数组织都有专门针对数据和新角色的专业部门，例如首席数据官（CDO），首席数据科学家，数据和洞察力和数据科学家的负责人，非常受欢迎。

2012年，在一篇题为“数据科学家：21世纪最性感的工作”的文章中，《哈佛商业评论》将数据科学排名为21世纪最性感的工作。

根据Glassdoor（“美国最佳工作”，2020年），数据科学家在当今美国的“ 50个最佳工作”中排名第三。那么，是什么导致其指数增长？

数据科学是新水

十年前，数据被描述为新石油​​。今天，它被称为新水。数字时代技术的进步促进了数据科学的指数增长。

计算机的微型化和商品化进一步推动了这一增长。如今，每个数字系统都会产生数据和之前的数据。IDC研究预测，世界数据的集体总和将从2018年的33个Zettabytes（ZB）增长到2025年的175ZB；年增长率为61％（Patrizio，2020年）。

英特尔技术的创始人戈丹·摩尔（Gordan Moore）制定了一项法律（即摩尔法律），该法律指出，计算能力大约每两年加倍。

这是通过将微处理器电路中的晶体管数量加倍（称为微型化的）来实现的。从透视上看，今天我们的智能手机具有比20年前个人计算机更多的计算能力和存储空间。