《数据科学教育白皮书》发布，盘点数据科学教育中的发展历程

Peter J. Denning于2005年发表了一篇非常著名的文章“”Is Computer Science Science? ”，由此拉开了计算机科学作为一门学科的路程。十多年后的今天，计算机科学已经取得了令人瞩目的成绩。

今天，人类处于一个科学高度分化又高度综合的时代，数据科学和之前的信息技术在整个科学体系之中，将是发展最迅速的领域，成为支撑学科交叉、技术创新、经济发展的主导力量。那么什么是数据科学呢？

数据科学是研究数据的产生、获取、存储、传输、处理、可视化、利用及其相互关系的学科，它是当代科学的前沿学科，对几乎所有其他学科都有很强的协同性和渗透性，生动地体现出整个基础学科在大数据时代科技进步中的先导作用。

从经济学和创新理论角度看，数据科学技术将成为一种通用技术，与很多学科相关，同时也支持几乎所有的其它学科。数据科学领域尤如能源领域，其发展对推动其它学科和相关技术，乃至整个经济社会发展，都起着深刻而广泛的作用。个人计算机、高性能计算机、因特网、万维网、互联网服务、数据挖据、机器学习、多媒体处理技术等都是例子。

2020年3月，国内领先的数据科学协同平台和鲸科技联合TalkingData旗下腾云大学、全球知名云计算服务平台AWS、开源学习社群Datawhale多家机构共同发布了《数据科学教育白皮书》（以下简称白皮书），旨聚焦于数据科学教育领域，研究基于全球视角下，数据科学教育的发展轨迹与方向。

白皮书指出，数据科学与其他学科交叉甚广，其与生命科学、数学、物理、化学、地理、机械学、石油工程及金融科技等学科的交叉研究，孕育着众多新概念、新理论、新方法和新技术，必将促进数据科学与其他相关学科的共同发展。

大数据与其它信息技术共同通过研究物质、能量和智能的本质，通过机器对物质和能量的利用与控制、通过对数据的理解和对智能的模拟，不仅大大延伸了人类的体力和智力，带动工业生产和经济水平的发展，而且也对其他学科的发展起到明显的推动作用。

数据科学让传统学科的研究方式发生革命性改变。例如在生物领域，如今越来越普遍地采用传感器技术和计算机处理技术后，对基于和蛋白质分析的研究效率成指数级增长，现在几年就可以完成过去几十年甚至上百年才能完成的生物数据分析采集和分析工作。

当前，数据已经从TB时代迈入PB时代，对数据获取、传输、处理和应用的性能要求越来越高；同时，数据产业自身的高速发展也为社会创造了巨大的财富，促进了相关学科的发展，将研制高性能的存储、通讯材料、以及新的数据处理模式作为学科的重要目标。

因此，数据科学是系统的、跨学科的研究领域，用于从各种不同形式的数据中获取知识和洞察。它就像粘合剂一样，把不同领域的知识和不同人的想法融合到一起，共同来解决关于数据的问题，把信息转换成知识，以及可以采取行动的洞察。合作将成为数据科学领域的常态。