大多数人都会混淆数据科学和数据分析这两个术语，即使它们是完全不同的学科。可以这样想：数据科学家设计水晶球，而分析师阅读它。换句话说，一个创建使分析和预测成为可能的工具，而另一个则使用这些工具来解决实际的业务问题。在本文中，我将解释推动这些科学学科的爆炸性起源和巨大的技术力量。此外，我将提供清晰的定义和简洁的比较，以阐明数据分析与数据科学之间的区别。
1.数据分析和数据科学爆炸式增长背后的起源和驱动力。
事实上，几个世纪以来，会计师、数学家和统计学家一直在处理数字。现在，多亏了计算机，这些数字和方程已经变成了数据和算法。因此，数据分析和数据科学已成为一个研究和专业领域。为了进一步解释，下面我将详细介绍这两个数据学科的起源和当前正在解决的挑战。a. 计算机及其数据输出是两门学科起源的驱动力。
1962年，数理统计学家约翰·图基（JohnTukey）发表了一篇论文《数据分析的未来》（TheFutureofDataAnalysis）。在这篇论文中，他指出了一门尚未被认可的科学，称为数据分析。此外，他指出了数据分析的三个驱动力，这些驱动力今天仍然适用于数据分析和数据科学。这些驱动力是：
l 计算能力。事实上，50多年后，计算机功能继续快速扩展，以存储、处理和显示数据。
l 计算机数据输出–“大数据”。过去，数据是一种新现象。现在，由于更强大的计算能力、廉价的数据存储以及物联网（IoT）设备的快速扩展，它不断增加。
l 快速的全球互联网。计算机现在正在以闪电般的速度将数据传输到其他计算机和“云”。
由于这些计算现象，每个行业和专业都在接受“数据争吵”并从“大数据”中榨取见解。
b.企业开始谈论数据。
值得注意的是，直到2008年，我们才开始听到“数据科学家”这个词。与此同时，企业和IT部门开始谈论和处理“数据”。此外，他们开始经常使用“大数据”、商业智能（BI）仪表板和数据分析等术语。现在，企业领导者正在拼命寻求利用所有这些数据并找到使其有效的方法。事实上，他们认为利用数据是业务成功的关键。
“数据正在成为商业的新原材料。”
克雷格·蒙德尔
c.我们现在充斥着数据，需要数据专业人员来使数据有用。
现在，我们被大量数据淹没了。根据TechJury的说法：“如果你把人类在2020年生成的所有数据分配给世界人口，你会发现每个人每秒创建1.7兆字节的数据。事实上，据估计，人类创建的总数据中有90%以上是在过去两年内生成的。事实上，现在很明显，企业需要数据专业人员。例如，数据分析和数据科学都是热门领域，现在对数据专业人员的需求达数百万。
“令人惊讶的是，那里有这么多数据。问题是我们如何以可用的形式将其置于可能？
比尔·福特
2.数据分析与数据科学——定义。
事实上，人们很容易对数据分析与数据科学之间的区别感到困惑。例如，雇主通常会为数据分析师和数据科学家提供数千个职位空缺。然而，在许多情况下，公司对这两个职位使用相同的职位描述和技能组合列表。现在，实际上这些术语不应该互换。这是因为企业确实需要数据科学家和数据分析师。为了更好地理解和区分这两个职位之间的区别，以下是一些定义。
a.数据科学家定义。
“使用科学方法（数据科学）从原始数据中解放和创造意义。”
数据科学协会
因此，数据科学家使用数据进行基础和应用研究。此外，他们使用科学方法来创建意义、数据模型和软件应用程序。
b.数据分析师定义。
“检查大型数据集以识别趋势、开发图表并创建可视化演示（即数据分析），以帮助企业做出更具战略性的决策。”
克里斯汀·伯纳姆，东北大学
在这种情况下，数据分析师使用广泛的软件工具（软件应用程序、算法、方法等）。然后，他们将这些工具应用于大型数据集。因此，利用这些数据，他们为决策者创建有用的信息。此外，数据分析师使用的许多（如果不是大多数）这些软件工具都源自数据科学。
3.数据分析与数据科学–按子类型划分每个学科。
a.六种类型的数据分析
此外，您可以通过多种方式应用数据分析。特别是，这包括预算和预测、风险管理、营销和销售以及产品开发。更重要的是，数据分析有六种类型。见下文：
分析类型
l 描述性数据分析。在这里，分析师问发生了什么？
l 诊断数据分析。接下来，分析师为什么会这样？
l 预测数据分析。分析师问最有可能发生什么？
l 规范性分析。在这里，分析师问我们应该采取什么行动？
l 实时、按需分析。在这种情况下，分析师问我现在该怎么办？
l 人工智能驱动的分析。最后，分析师问我不知道要问哪些问题？
“数据是一门新科学。大数据掌握着答案。你问的问题对了吗？
帕特里克·基辛格
b.数据科学的六个部门。
事实上，数据科学现在正在影响所有学科、组织和行业。此外，数据科学的领域知识及其软件工具集正在迅速增长。此外，数据量继续爆炸式增长。为了更好地说明数据科学的浩瀚性，斯坦福大学统计学教授大卫·多诺霍在他的论文《数据科学50年》中描述并分类了数据科学的各种活动。具体来说，他将GDS（大数据科学）描述为从数据中学习的科学，分为六个部门。列出这6种类型是：
数据科学的类型
1. 探索和准备数据。
2. 表示和转换数据。
3. 使用数据进行计算。
4. 建模数据。
5. 可视化和呈现数据。
6. 关于数据科学的科学。
“成为一名统计学家最好的事情是你可以在每个人的后院玩耍。”
约翰·图基
