数据科学（Data Science）是利用科学方法、流程、算法和系统从数据中提取价值的跨学科领域。数据科学家综合利用一系列技能（包括统计学、计算机科学和业务知识）来分析从网络、智能手机、客户、传感器和其他来源收集的数据。
数据科学揭示趋势并产生见解，企业可以利用这些见解做出更好的决策并推出更多创新产品和服务。数据是创新的基石，但是只有数据科学家从数据中收集信息，然后采取行动，才能实现数据的价值。
数据科学一个跨学科领域，它结合了统计学、信息科学和计算机科学的科学方法、系统和过程，通过结构化或非结构化数据提供对现象的洞察。
培养目标
数据科学专业主要针对不同领域数据技术开发、分析应用及其对应的基础数学科学有兴趣的学生，培养学生能掌握领域数据分析、技术开发和应用基本技能，同时又能深刻理解数据科学的基础和领域数据分析的方法论。
数据科学是对海量信息的采集、存储、分析、整合、控制所获得的数据。进入互联网时代，大数据的应用涉及到生活的方方面面。大数据的应用可以帮助客户更快速的找到需要的商品、想看的资讯，手机定位数据和交通数据可以帮助城市规划。近年来，我国的大数据市场规模增速发展，各行业针对产品和用户等也都引进了大数据分析，来更好的进行产品的设计与宣传，使得大数据人才处于比较紧缺的情况。
就业方向
数据分析师
数据分析师侧重于利用统计学、数学等知识进行数据挖掘，日常的主要工作内容为收集数据、清洗数据、然后做一些分析或可视化处理，对编程语言有一定的要求，如R，Python，Javascript，C/C++，SQL等。
商业分析师
商业分析师和纯数据科学家都是使用数据的专家，但工作内容是有比较大差别的。通常，商业分析师要对某专业领域具有深入的了解和深刻的认识，商业敏感度高，擅长于从某一领域的数据中挖掘信息，以此评估过去、现在和未来可能的经营业绩。确定最有效的分析模型和途径，为商业用户提供和解释解决方案。
数据工程师
作为一个新兴的职业类型，数据工程师更倾向于掌握 “战术层面”的具体数据技能，专注于使数据可用并能够在生产环境中对数据进行处理，如具体的编程语言、操作系统与数据库等；而数据科学家更倾向于“战略层面”的数据技能，如数据分析、数据挖掘、统计分析、机器学习等。