简单来说，数据科学是通过各种科学方法、算法、工具和流程研究数据、让数据产生价值，提取有影响力的预测和见解辅助决策的一门综合性学科。
当数据科学刚刚兴起的时候，属于后端技术人才，对于专业技术能力的要求非常高。2013至2015年左右，越来越多的企业意识到数据的重要性和利用数据驱动业务决策的可行性，招聘市场上出现了越来越多的“分析岗位”
近两年，单从专业背景来说，数据科学家的入门门槛和十年前相比已大幅度降低。随着商业分析、商业智能等细分岗位的涌现，对于理解商业逻辑的复合型数据人才的需求日益剧增。 数据科学还是一个具有非常多发展空间的领域，是一个与时俱进、正在不断探索更多商业应用场景和可能性的高增长行业。
数据科学所涉及的实际运用场景
在数据科学家、数据工程师、数据分析师地合作推进下，人工智能和机器学习算法的使用在商业分析平台上已成为主流。数据科学家将能够创建接近生产状态的Data Pipeline。随着数据来源越来越多样化和复杂化，以及数据科学自动化的盛行，企业在大数据分析方面会经历更多的创新。
就业前景：
数据科学家的工作主要是：借助统计编程，设计、开发和运用算法来支持商业决策制定工具，管理海量数据， 创建可视化以帮助理解。
数据科学在大多数公司是帮助决策的，所以显然其不是决定性的岗位。一个公司在刚创造其软件产品的时候，可能需要成千上万的工程师，比如Oracle需要打造其Oracle云，可能全球扩招数千人开发工程师，但是几乎不可能特别大规模的扩招数据科学家，毕竟有产品，有市场才需要分析。但是可以确定的是，随着消费市场的稳定，产品的成熟和技术水平的提升，很多年以后，可能每个企业都会有数据科学家，从而诞生出大量的岗位。
