データサイエンス

データサイエンス（英: data science、略称: DS）またはデータ科学^[1][2]とは、データを用いて新たな科学的および社会に有益な知見を引き出そうとするアプローチのことであり、その中でデータを扱う手法である情報科学、統計学、アルゴリズムなどを横断的に扱う。

→「情報学」も参照

概要

データサイエンスは、統計的、計算的、人間的視点から俯瞰することができる。それぞれの視点がデータサイエンスを構成する本質的な側面であり、これらの3つの視点の有機的結合こそがデータサイエンスという学問の神髄である（Blei and Smyth, 2017^[3]）。

これまでのデータ解析における現場の知識の重要性に対する認識不足が、データサイエンスという学問に対する幅広い誤解の源泉であると考えられる（Hernan, Hsu and Healy, 2018^[4]）。

手法・理論

データサイエンスで使用される手法は多岐にわたり、分野として数学、統計学、計算機科学、情報工学、パターン認識、機械学習、データマイニング、データベース、可視化などと関係する。

実践・応用

データサイエンスは、はっきりとした応用の文脈をもち、超領域性の様相を呈していて、また研究成果に対しては明確な社会的説明責任が求められ、さらに、研究成果の質的保証のためには従来の座学的基準以外に質のコントロールのための追加の基準が必要とされる。

データサイエンスの有効な推進のためには組織の異種混合性も重要である。これらの要件を満たす科学はギボンズらが主張するモード2科学^[5]の一種として認識することが出来る。

データサイエンスの研究者や実践者はデータサイエンティストと呼ばれる。

データサイエンスの応用としては、生物学、医学、工学、経済学、社会学、人文科学などが挙げられる。化学もそうである。

所得の平等

先進国でも発展途上国でも、データサイエンスのスキルに優れている国々では、所得の平等が高まっている。ドメイン全体での国の平均スキル能力と、国の上位10％が保有する収入の割合との間には負の相関関係がある^[6]。

歴史

データサイエンスという用語は古くから使われていた^[要出典]が、特に1974年にピーター・ナウアが使用した^[7]ことで注目を集めた。著書『Concise Survey of Computer Methods』^[8]において、ナウアはデータ処理手法とその応用を述べる中でデータサイエンスという表現を使用した。

2010年代後半から世界的にデータサイエンティストが不足しているので、高度な知識をもたない利用者でも解析ができるシステムの開発が進んでいる^[9]。

一方、2012年、ハーバード・ビジネス・レビュー誌が「21世紀で最もカッコいい仕事」^[10]と位置づけたことから「データサイエンス」という言葉はバズワードになったと見る者もいる。フォーブス誌においても、明確な定義がなく、大学院で習うビジネス分析（英語版）が単に置き換えられただけだと批判された^[11]。

2020年、質の高いメタ分析によれば、データサイエンスの需要は増加する^[12]。人工知能の爆発的な成長により、データサイエンスのような分析系の仕事は人工知能に取って代わられるであろうが、コンビニ店員やタクシー運転手のような機械系の仕事が先に取って代わられると予測する専門家もいる一方で^[13]、将来のデータサイエンティストの需要は人工知能によって爆発的に伸びると予測する者もいる^[14]。

関連項目

• 巨大知
• 集合知
• ビッグデータ
• データマイニング
• データサイエンス学部
• 統計検定 (資格)
• Kaggle
• 複雑系科学
• 数値解析ソフトの比較
• 数値解析ソフトウェアの一覧
• 数式処理システムの一覧
• 主な応用数値解析ソフトウェア