数据科学 Data science

数据科学 Data science

数据科学（Data Science）是关于数据的科学，定义为研究探索 Cyberspace 中数据界奥秘的理论、方法和技术。主要有两个内涵：一个是研究数据本身；另一个是为自然科学和社会科学研究提供一种新方法，称为科学研究的数据方法。 

研究内容:

1. 基础理论研究。科学的基础是观察和逻辑推理，同样要研究数据自然界中观察方法，要研究数据推理的理论和方法，包括：数据的存在性、数据测度、时间、数据代数、数据相似性与簇论、数据分类与数据百科全书等。
2.  实验和逻辑推理方法研究。需要建立数据科学的实验方法，需要建立许多科学假说和理论体系， 并通过这些实验方法和理论体系开展数据自然界的探索研究，从而认识数据的各种类型、状态、属性及变化形式和变化规律，揭示自然界和人类行为现象和规律。
3. 领域数据学研究。将数据学的理论和方法应用于许多领域，从而形成专门领域的数据学，例如： 脑数据学、行为数据学、生物数据学、气象数据学、金融数据学、地理数据学等等。

•  数据资源的开发利用方法和技术研究。数据资源是重要的现代战略资源，其重要程度将越来越凸显，     在本世纪有可能超过石油、煤炭、矿产，成为最重要的人类资源之一。这是因为人类的社会、政治和经济都将依赖于数据资源，而石油、煤炭、矿产等资源的勘探、开采、运输、加工、产品销售等等无一不是依赖数据资源的，离开了数据资源，这些工作都将无法开展。 
• 数据专业就业三大方向

• 数据科学家：数据科学家是当今世界上最热门的职位之一，也是该领域受欢迎的职位之一。他们主要负责处理原始数据，在各种技术的帮助下对其进行分析，他们使用机器学习，并且根据过去的模式预测未来。
• 数据分析师：数据分析师主要是负责分析数据的工作人员，但是在分析过程中需要创建系统，帮助企业用户提取见解，并确保数据质量。数据分析师的职责是收集、处理和执行统计数据分析。不仅是IT 行业需要他们，医疗保健、汽车、金融等各个领域都需要数据分析师来管理其业务。
• 数据工程师：数据工程需要为其他专业的人员构建特定的软件基础设施来完成工作。数据工程师对Hadoop和大数据技术都有深入了解， 比如MapReduce，Hive 等技术。他们的主要任务就是开发、测试和维护大规模处理系统。基本超过50%的工作都是Data Wrangling，数据工程师在软件工程方面也具有一定的相关背景。 
• 澳洲当地薪资（From Payscale）
• 数据科学家 Data Scientist --- 平均年薪 AU$95,724
• 数据分析师 Data Analyst--- 平均年薪 AU$69,477
• 数据工程师Data Engineer --- 平均年薪 AU$98,792