原文：
www.kdnuggets.com/2019/05/data-science-vs-decision-science.html
评论
由 ActiveWizards 提供
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织在 IT 方面
数据科学已经成为一个广泛使用的术语和流行词。它是一个代表多个学科组合的广阔领域。然而，还有一些相邻的领域值得关注，不应与数据科学混淆。其中之一就是决策科学。它的重要性不容小觑，因此了解这两个领域的实际差异和特征是有用的。数据科学和决策科学相关但仍是独立的领域，因此在某些方面，它们可能难以直接比较。
一般来说，数据科学家是专门从事在数据被收集、处理和结构化之后从中寻找见解的专家。决策科学家则将数据视为做出决策和解决商业问题的工具。为了展示其他差异，我们决定准备一个信息图表，将数据科学与决策科学按照几个标准进行对比。让我们深入了解一下。
从定义上讲，数据科学似乎是一个跨学科领域，它使用科学算法、方法、技术和各种方法来提取有价值的见解。因此，它的主要目的是揭示数据中的见解，以便进一步应用于各个行业的利益。相比之下，决策科学是将复杂的定量技术应用于决策过程。它的目的是将数据驱动的见解与认知科学的元素结合，应用于政策规划和开发。因此，对于这两者而言，数据同样重要，但机制却大相径庭。
现在，让我们进入应用领域。数据科学在零售、快速消费品、娱乐、媒体、医疗保健、保险、电信、金融、旅游、制造、农业、体育等众多行业中得到应用。决策科学则涉及更理论化的商业和管理、法律和教育、环境监管、军事科学、公共卫生和公共政策等领域。
专家在这些领域面临的关键挑战也有所不同。例如，数据科学家面临脏数据问题、开发资源获取困难、安全问题等挑战。决策科学家则寻找克服可靠数据缺乏、复杂数据环境带来的困难以及应用技术复杂性的新方法。他们应具备数学、金融和分析方面的知识，以做出正确的决策。
最后，让我们考虑未来趋势，洞察数据科学和决策科学的进一步发展和前景。根据我们的预期，数据科学将继续朝着自动化方向发展，进一步演变并广泛使用聊天机器人和虚拟助手。增强现实元素的使用将变得普遍，工业的机器人化将进一步推进，强化学习的受欢迎程度也会增加。相比之下，决策科学将继续推动我们向自动化决策和数据赋能方向发展。它肯定会在行业中取得重要地位和广泛应用，从而增加对专业人才的需求。
数据科学可以是决策科学的一个重要组成部分，且商业所有者经常将数据科学视为解决所有问题和担忧的方案。然而，仅仅使用数据科学是不够的。真相存在于数据科学和决策科学之间。
我们尝试展示数据科学和决策科学的共性、差异和具体特点。如果你对这张信息图有一些想法或意见，欢迎在评论区分享，以便进一步讨论。
简介：ActiveWizards 是一个专注于数据项目（大数据、数据科学、机器学习、数据可视化）的数据科学家和工程师团队。核心专业领域包括数据科学（研究、机器学习算法、可视化和工程）、数据可视化（d3.js、Tableau 等）、大数据工程（Hadoop、Spark、Kafka、Cassandra、HBase、MongoDB 等），以及数据密集型 web 应用开发（RESTful APIs、Flask、Django、Meteor）。
原文。经许可转载。
相关：
-
如何进入数据科学领域：针对有志于成为数据科学家的终极问答与详细指南
-
对新数据科学家的建议
-
如何在数据科学、人工智能、大数据领域工作