数据科学 DATS
运用数学、统计学、数据挖掘和预测建模技术，从数据中获得洞见、预测行为和产生价值。
指导说明
数据科学通常用于分析高容量、高速度和高多样性的数据（数字、符号、文本、声音和图像）。
活动可能包括但不限于：
- 利用专门的编程语言、工具和技术，整合数学、统计与概率建模的方法
- 采购和准备分析数据
- 识别、验证和利用由不同范围的流程所生成的内部和外部数据集
- 形成具有前瞻性、预测性、实时性、基于模型的洞察力，创造价值并推动有效决策
- 寻找、选择、获取和摄取数据来源，
- 对数据进行集成和清理，使其适合使用目的
- 使用模型和分析沙盒开发假设并探索数据
- 随着时间的推移，改进需求、验证、培训和发展模型，以便挖掘更加深刻的见解、做出预测或生成建议。
- 使用先进的分析技术，包括但不限于数据/文本挖掘、机器学习、模式匹配、预测、可视化、语义分析、情感分析、网络和聚类分析、多元统计、图解分析、仿真、复杂事件处理、神经网络。
该技能的责任级别
| 2 | 3 | 4 | 5 | 6 | 7 |
数据科学: 级别 1
这种技能通常不会在这种责任和问责制水平上被观察到或实践。
数据科学: 级别 2
在指导下，将指定的数据科学技术应用于数据。使用在标准软件框架和工具中实现的算法，分析和报告结果，并纠正简单的问题。
数据科学: 级别 3
使用专门的编程技术，将现有的数据科学技术应用于新的问题和数据集。从现有数据源中选择数据并准备数据科学模型使用的数据。评估数据科学模型的结果和性能。确定并实现培训和改进模型及其所用数据的机会。发布模型的输出并予以报告，以便满足客户的需求，遵从商定的标准。
数据科学: 级别 4
梳理所描述的问题和数据集，以便评估数据科学和分析解决方案的有效性。应用一系列数据科学技术，并使用专门的编程语言。了解并应用特定于行业的规则和指南，并预测建模的风险及其他影响。选择、获取并整合数据进行分析。开发数据假设与方法，并评估分析模型。根据项目结果和综合研究，对具体技术的有效性提出建议。协助数据科学解决方案的开发、评估、监测与部署。
数据科学: 级别 5
规划并推动数据科学与分析解决方案发展的所有阶段。提供专家建议，评估需要解决的问题和数据科学解决方案的需求。确定要使用或获取的数据源。指定并应用适当的数据科学技术和专门的编程语言。回顾数据科学技术与工具的优势与价值，并提出改进建议。协助制定、评估、监测和部署数据科学解决方案的政策、标准和指南。
数据科学: 级别 6
引领数据科学和分析的引入和使用，以便推动创新和商业价值。为数据科学和分析制定组织政策、标准和指南。针对数据科学和分析技术、方法和工具的引入与使用，设定方向，引领发展。引领组织数据科学和分析能力的发展。规划和领导复杂的战略性大型数据科学计划，进而生成洞见、创造价值和推动决策。
数据科学: 级别 7
指导创建和审查全企业范围的跨职能方法与文化，进而从数据科学和分析中创造价值。推动识别、评估和采用数据科学与分析能力，进而改善组织绩效。引领提供组织的数据科学和分析能力。确保数据科学与分析的战略应用融入到组织的治理和领导中。将商业策略、企业转型、数据科学和分析策略结合起来。