数据能够了解为是搜集到的任何信息，能够运用、进一步处理和剖析以取得见地。并且一般与核算机联络在一起，因为数据一般是在核算机中生成和存储的，但是数据存在的时刻比咱们幻想的要长得多。
人类存储和剖析数据的最早比方能够追溯到公元前18000年，其时人们发现史前人类运用计数棒进行开端核算。这些旧石器年代部落的人在木棍和骨头上刻上刻痕，以记载人类的活动，比方买卖和监控物资。到公元前2400年，在巴比伦创造出了用于核算的算盘。
纵观前史，数据搜集、处理和剖析的不断开展是经过石板、粘土、纸莎草、木头和纸卷上的很多文字来表现的。终究，跟着更多方法的数据被发现，处理、搜集、存储和剖析数据的需求也在不断开展。
19世纪，在美国开端人口普查进行。人口普查中的数据点数量呈指数添加，美国人口普查局估量，搜集和剖析人口普查中的一切数据需求几年乃至几十年的时刻。
这是个很大的问题，因为只要鄙人一次人口普查行将开端时，才会完成对当时人口普查数据的汇编和剖析。
走运的是，一位名叫赫尔曼·霍勒里斯的年青工程师和创造家开发了霍勒里斯制表机。这是一种机电式制表机，将搜集和剖析人口普查数据所需的时刻从几年缩短到只是几个月。正因为如此，霍勒里思被视为现代主动核算之父，后来因创立IBM而出名。
快进到20世纪，核算机呈现了。跟着功用更强壮的核算机的呈现，对数据存储的要求也越来越高。
德国-奥地利工程师弗里茨·普夫勒默创造了一种在磁带上磁性存储信息的办法。他的一些创造原理至今仍被用于数字数据存储。
在这个年代，“商业智能”一词越来越盛行，因为对新式软件以及用于剖析商业和运营绩效的体系的需求敏捷添加。
1989年，蒂姆·伯纳斯·李创立了万维网（又称互联网），数据革新发生了真实的改变。这导致了全世界人民之间的主动信息同享。这意味着今天有更多的数据被同享、创立和存储，然后发生了搜集、运用和剖析数据的新办法。
因为20世纪90年代互联网的惊人添加以及个人电脑和核算设备的稳定开展，在线设备的数量以及由此发生的数据量敏捷添加。
虽然大数据的概念早在20世纪90年代就烦扰存在，但直到2005年罗杰·穆加拉斯才正式给它贴上标签。他将其描绘为运用传统商业智能东西简直无法办理和处理的很多数据。
大数据是一个用来描绘很多数据的术语，包含结构化数据和非结构化数据，这些数据每天都会吞没企业。它包含信息量、创立和搜集信息的速度，以及所掩盖数据点的品种或规划。
考虑到大数据的规划和复杂性，搜集、安排和剖析它以发现方法和其他有用信息的进程烦扰成为协助许多安排做出商业决议计划的一部分。这反过来又催生了数据科学——一个跨学科范畴，它运用科学办法、流程、算法和体系从很多数据中发现方法，并使商业首领能够取得见地。
依据IBM的说法，数据科学是一种多学科办法，能够从当今安排搜集和创立的很多且不断添加的数据中提取可操作的见地。
该范畴一般需求核算机科学和纯科学技能，因为数据科学家在其办法中运用科学办法，并运用猜测剖析和人工智能从数据中提取见地。
现在，“数据科学”经常被企业和安排用作处理很多数据的通用术语，无论是预备、整理、剖析数据仍是可视化数据以提醒方法。
运用多种东西和技能来整理和预备数据；进行猜测剖析和人工智能；并解说怎么运用这些成果来为商业问题供给数据驱动的解决方案。数据科学家需求的技能比数据剖析师多得多。
数据剖析师将大型数据集转化并处理成可用的方法，如陈述或演示。他们还经过研讨重要的方法来协助决议计划进程，并从数据中搜集洞察力，然后有效地传达给安排领导，以协助商业决议计划。
像传统的工程师相同，数据工程师树立和保护数据 管道，将数据从一个体系连接到另一个体系，使数据科学家能够取得信息。正因为如此，数据工程师被要求了解数据科学中运用的几种编程言语，如Python、R和SQL。
类似于传统的建筑师，数据架构师是 远见者，因为他们担任可视化和规划一个安排的数据办理结构。此外，数据架构师改善现有体系的功能，保证数据库办理员和剖析师能够运用这些体系。
商业智能开发者是专门的工程师，他们运用软件东西将数据转化为有用的见地，以协助商业决议计划。
他们担任简化技能信息，让公司里的其他人都能轻松了解。简而言之，他们创立和运转包含他们运用商业智能东西找到的数据的陈述，并将信息转化为更浅显的术语。
鉴于计算学是数据科学的首要根底之一，许多计算学家能够轻松地过渡到数据科学范畴。
计算学家首要担任数据的搜集和处理。他们决议需求什么数据以及怎么搜集数据。此外，他们规划试验，剖析和解说数据，并陈述定论。
机器学习工程师是另一组专业工程师，他们专心于研讨、构建和规划人工智能和机器学习体系，以完成猜测模型的主动化。
基本上，他们开发的算法运用输入数据并运用计算模型猜测输出，一起在新数据可用时不断更新输出。
下面咱们看看以上这些数据科学工作的最受欢迎程度。下图显现了2021年12月8日美国的职位空缺状况。
数据架构师是最受欢迎的数据科学工作路途，因为他们在创立其他数据科学专业人员随后运用的数据办理体系方面十分重要。
接下来是机器学习工程师，考虑到运用人工智能猜测许多科技公司成果的重要性。
需求最少的是计算人员，首要是因为许多传统的计算学家现在正在成为数据科学家。计算学家从纯计算学转向数据科学相对简单是，他们烦扰具有成为一名老练的数据科学家所需的根底知识。
毫无疑问，数据科学现在十分盛行，但更好的问题是，它在未来还会如此盛行吗？依据工作猜测，状况好像确实如此。
美国劳工计算局2020-2030工作猜测的数据显现，数据科学工作，包含计算学、数据科学以及数据工程等其他依据数学和科学的工作，从2020年到2030年的百分比改变来看，将呈现出十分高的添加率。计算学家整体排名第14位，而数据科学家和其他数学科学工作在数据中包含的790个职位中整体排名第31位。
虽然计算学家和数据科学家在总劳动力中所占的比例与其他工作比较很小，但跟着数据科学工作路途变得越来越盛行，这些数字估计将在未来几年添加。
下图显现了计算学家、数据科学家和其他数学科学工作与其他估计添加率较高的工作的比照状况。
下图显现了纽约市10种不同工作--包含数据科学家和数据剖析师的薪酬规划。这些数据来自Teleport，该网站汇总了不同城市的生活条件，如薪酬的数据。
依据Teleport的数据，数据科学家的年薪中位数在纽约市排名第四，为114105美元，仅次于企业高管和医护人员。事实上，在马尼拉等其他一些城市，数据科学家的排名高达第二，仅次于企业高管。
数据剖析师的薪资也很可观，数据剖析师的年薪中位数为61818美元，依然相当于纽约市的均匀家庭收入。
数据科学受欢迎的另一个首要原因是，现在的企业将数据科学的原理整合到日常运作中。下图显现了工作中触及数据科学的前10个工作，其间触及到8000家公司的样本数据。
毫不古怪，包含谷歌、苹果和优步等科技公司占有了第一。究竟，大数据的激增是由互联网的诞生引起的，互联网与软件和技能密切相关。数据科学实际上是运用各种东西和技能处理很多信息。
接下来是金融服务公司，这是金融科技公司兴起带来的。作为“金融”和“技能”的门户，金融科技公司将技能和立异整合到其服务和产品中，以改善其对客户的交给，打乱传统金融服务。因为它触及处理很多数据，如客户信息，金融服务公司看到了数据科学东西的潜力，能够协助简化和优化流程，改善服务。
数据科学是一条十分有开展的工作路途，并且没有放缓的痕迹。在未来的许多年里，它将持续刻画和影响企业和安排的运作方法。
至于你应该走哪条特定的数据科学工作路途，这首要取决于你的个人优势和整体爱好。重要的是，上述任何工作都是值得的。
