데이터 사이언스(data science)는 통계학, 계산과학, 과학적 방법, 데이터 처리, 데이터 시각화, 알고리즘, 코딩(파이썬, SQL, R 등) 및 시스템을 사용하여 잠재적으로 노이즈가 있거나, 정형 또는 비정형 데이터로부터 지식을 추출하거나 추론하는 학제간 학문 분야이다. 데이터 과학자는 프로그래밍 코드를 생성하고 이를 통계적 지식과 결합하여 데이터를 요약하는 전문가이다. == 데이터 사이언스의 범위 == 데이터 사이언스는 조직이 크고 복잡한 데이터셋으로부터 실행 가능한 통찰력을 추출할 수 있게 함으로써 현대의 의사결정에서 중요한 역할을 수행한다. 또한 데이터 사이언스는 (예: 자연과학, 정보기술, 의학 등) 적용 분야의 기초가 되는 도메인 지식을 통합한다. 데이터 사이언스는 다면적이며 과학, 연구 패러다임, 연구 방법, 학문, 워크플로 및 직업으로 설명될 수 있다. 데이터 사이언스는 데이터를 통해 "실제 현상을 이해하고 분석하기 위해" "통계학, 데이터 분석, 인포메틱스 및 관련 방법들을 통합하는 개념"이다. 이는 수학, 통계학, 컴퓨터 과학, 정보과학 및 도메인 지식이라는 맥락 안에서 여러 분야로부터 도출된 기술과 이론을 사용한다. 그러나 데이터 사이언스는 컴퓨터 과학 및 정보과학과는 구별된다. 튜링상 수상자인 짐 그레이는 데이터 사이언스를 과학의 "제4의 패러다임"(실증적, 이론적, 계산적, 그리고 이제는 데이터 주도적)으로 구상했으며, "정보기술의 영향"과 데이터 홍수로 인해 "과학의 모든 것이 변하고 있다"고 주장했다. 데이터 사이언스는 컴퓨터 과학, 통계학, 정보과학 및 기타 주제별 학문과 같은 다양한 영역의 기술을 활용하기 때문에 종종 다학제적이며 빠르게 발전하는 분야로 묘사된다. 일부 연구자들은 이 다양한 분야의 결합이 수십 년 전의 정보과학과 유사하다고 주장한다. 이러한 유사점은 데이터 사이언스가 어떻게 점차 독자적인 연구 분야가 되었는지를 명확히 하는 데 도움을 준다. == 기반 == 데이터 사이언스는 일반적으로 대규모 데이터셋에서 지식을 추출하고 그 데이터에서 얻은 지식을 다른 응용 분야의 문제를 해결하는 데 적용하는 데 중점을 둔 학제간 학문이다. 이 분야는 분석을 위한 데이터 준비, 데이터 사이언스 문제 공식화, 데이터 분석, 그리고 이러한 발견 사항 요약을 포함한다. 따라서 이 분야는 컴퓨터 과학, 수학, 데이터 시각화, 그래픽 디자인, 커뮤니케이션 및 사업의 기술을 통합한다. 바산트 다르는 통계학이 양적 데이터와 기술(description)을 강조한다고 기술한다. 반면, 데이터 사이언스는 양적 및 질적 데이터를 모두 다루며(예: 이미지, 텍스트, 센서, 거래, 고객 정보 등으로부터) 예측과 행동을 강조한다. 컬럼비아 대학교의 앤드루 겔먼은 통계학을 데이터 사이언스의 비필수적인 부분으로 묘사했다. 스탠퍼드 대학교 교수인 데이비드 도노호는 데이터 사이언스가 데이터셋의 크기나 컴퓨팅 사용 여부로 통계학과 구별되는 것이 아니며, 많은 대학원 프로그램이 자신들의 분석 및 통계 교육을 데이터 사이언스 프로그램의 본질인 것처럼 오도하여 광고한다고 기술한다. 그는 데이터 사이언스를 전통적인 통계학에서 성장한 응용 분야로 묘사한다. == 어원 == === 초기 사용 === 1962년, 존 투키는 현대 데이터 사이언스와 유사한 "데이터 분석"이라는 분야를 기술했다. 1985년 베이징 중국과학원에서 행한 강연에서 우젠슝(C. F. Jeff Wu)은 통계학의 대체 명칭으로 "데이터 사이언스"라는 용어를 처음으로 사용했다. 이후 1992년 몽펠리에 제2대학교에서 열린 통계학 심포지엄의 참석자들은 다양한 기원과 형태의 데이터를 다루며, 통계학 및 데이터 분석의 확립된 개념과 원리를 컴퓨팅과 결합하는 새로운 학문의 등장을 인정했다. "데이터 사이언스"라는 용어는 1974년 페테르 나우르가 컴퓨터 과학의 대체 명칭으로 제안했을 때로 거슬러 올라간다. 1974년 저서 'Concise Survey of Computer Methods'에서 페테르 나우르는 데이터 기반 방법에 대한 강조가 커짐을 반영하기 위해 '컴퓨터 과학' 대신 '데이터 사이언스'라는 용어를 사용할 것을 제안했다. 1996년, 국제분류학회연맹(International Federation of Classification Societies)은 데이터 사이언스를 주제로 특별히 다룬 최초의 학술대회가 되었다. 그러나 그 정의는 여전히 유동적이었다. 1985년 베이징 중국과학원 강연 이후, 1997년에 우젠슝은 다시 한번 통계학의 명칭을 데이터 사이언스로 변경할 것을 제안했다. 그는 새로운 이름이 통계학이 회계와 동의어로 여겨지거나 데이터를 설명하는 것에만 국한된다는 식의 부정확한 고정관념을 벗어나는 데 도움이 될 것이라고 판단했다. 1998년, 하야시 치키오는 데이터 설계, 수집, 분석이라는 세 가지 측면을 가진 새로운 학제간 개념으로서 데이터 사이언스를 주장했다. === 현대 사용 === 2012년, 기술 전문가인 토머스 H. 데이븐포트와 DJ 파틸은 "데이터 과학자: 21세기 가장 섹시한 직업"을 선언했으며, 이는 뉴욕 타임스 및 보스턴 글로브와 같은 주요 도시 신문에서도 채택한 유행어가 되었다. 10년 후, 그들은 "고용주들 사이에서 이 직업에 대한 수요가 그 어느 때보다 높다"고 재확인했다. 독립적인 학문으로서의 현대적인 데이터 사이언스 개념은 때때로 윌리엄 S. 클리블랜드의 공으로 돌려진다. 2014년, 미국 통계학회의 통계 학습 및 데이터 마이닝 섹션은 데이터 사이언스의 급증하는 인기를 반영하여 통계 학습 및 데이터 사이언스 섹션으로 명칭을 변경했다. "데이터 과학자"라는 직함은 2008년 DJ 파틸과 제프 해머바커의 공으로 돌려진다. 비록 미국 국립과학재단의 2005년 보고서 "Long-Lived Digital Data Collections: Enabling Research and Education in the 21st Century"에서 사용되었지만, 이는 디지털 데이터 컬렉션을 관리하는 모든 핵심 역할을 광범위하게 지칭하는 것이었다. == 데이터 사이언스와 데이터 분석 == 데이터 분석은 일반