p { margin-bottom: 0.1in; line-height: 120% }
a:link { }

数据科学的基础概念

1数据

1.1数据模型

概念模型：用户视角—各种文档，业务流程图，er图等

逻辑模型：数据科学家视角—关系模型，层次模型，网状模型 key-value，key-document，key-column和图模型等，常用格式：关系表，csv，json，xml，rdf等

物理模型：机器视角--索引，分区，物化视图，事务等

1.2数据维度

按结构化程度分:结构化数据，半结构化数据，非结构化数据。

按数据的加工程度分：零次数据，一次数据，二次数据，三次数据

按数据的抽象或封装程度分：数据，元数据，数据对象

2大数据

2.1内涵与特征

内涵：也就是一种大数据现象

特征：Volume（数据量大），Variety（类型多），Value（价值密度低），Velocity（速度快）

2.2常见基本术语

数据化，数据柔术，数据改写，数据打磨，数据洞见，数据分析式思维模式，数据驱动，数据密集型，数据空间，关联数据

3数据科学概述

3.1研究目的

大数据及其运动规律的揭示

从数据到智慧的转化

数据洞见

数据业务化

数据驱动型决策支持

数据产品研发

数据生态系统建设

3.2理论基础

数学与统计知识

领域实务知识

黑客精神与技能

3.3：研究内容

数据科学的理论基础

数据预处理

数据计算

数据管理

3.4基本流程

数据化—数据（预）处理—探索性分析—数据分析与洞见—结果展示--提供数据产品

3.5数据科学的主要原则

资产原则

DIKUW原则：Data，Information，Knowledge，Understanding，Wisdom

黑客原则

协同原则

从简原则

经验原则

第四范式原则

数据业务化原则

数据驱动原则

数据预处理原则