数据收集
数据收集，如今，数据堪比新的黄金国度。各公司纷纷部署相关战略，用于数据收集、数据转换和数据使用。多样化的海量数据广泛应用于公司各部门。因此，量身制定公司内部的数据治理策略势在必行，尽管目前为止，如此作为的公司依然寥寥无几。何为数据治理的真正目标？其目标在于确保公司各相关方都对数据及其作用拥有相同的理解，并且能依法利用安全、优质的定性数据来进行决策。数据收集中最重要的是识别信息需求是确保数据准确无误，有效性的数据是首要必备条件，精准的收集数据、分析数据才能为以后的决策提供清晰的目标。
进入21世纪以来，“数据科学（Data Science）"的概念被不断提及，哈佛数据科学计划中这样定义数据科学——“数据科学是一门新兴学科，它利用统计方法和计算机科学方面的知识，为广泛的传统学术领域提供有影响力的预测和见解”。
以2010年为节点，在计算技术取得重大进展的背景下，数据科学开始占据越来越主要的中心位置，凭借比以往更快的处理速度，技术在新的十年里实现了巨大的飞跃。数据科学持续发展，几乎渗透到每一个产生或依赖数据的行业。
今天的数据科学研究人员能够识别相关问题，从不同数据源收集、整合数据，组织信息，分析处理海量数据，进行数据挖掘，再将结果转化为解决方案，并对业务决策产生积极的推动作用，几乎所有行业都需要这样的数据处理方法。
数据科学生命周期
数据科学生命周期的五个阶段：采集（采集、录入、信号接收、信息抽取）；管理（数据仓库、清洗、登台、预处理、架构）；处理（分类聚类、数据建模、数据汇总、数据挖掘）；分析（查询、预测、回归、文本挖掘、量化分析）；呈现（报表、可视化、商业智能、决策）。
随着信息化的不断变革，数据的重要性在当下尤为突出。科学、准确、快速地从海量行业或学科数据中识别、追踪前沿,及时把握其发展趋势,以服务于科研创新与决策,已经成为科研工作者关注的焦点。
数据收集的作用是用于数据分析其目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据分析是组织有目的地收集数据、分析数据，使之成为信息的过程。这一过程是质量管理体系的支持过程。在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程，以提升有效性。例如J.开普勒通过分析行星角位置的观测数据，找出了行星运动规律。又如，一个企业的领导人要通过市场调查，分析所得数据以判定市场动向，从而制定合适的生产及销售计划。因此数据分析有极广泛的应用范围。
数据分析的流程
·明确分析的目的 只有弄清分析的目的是什么?才能准确定位分析因子，提出有价值的问题，提供清晰的思路。
·数据收集 对收集到的原始数据进行数据加工，主要包括数据清洗、数据分组、数据检索、数据抽取等处理方法。
·数据预处理 通过探索式缝隙检验假设的形式，在数据之中发现新的特征，对整个数据集有个全面的认识，以便后续选择何种分析策略。
·数据分析 数据整理完后，需要对数据进行综合分析和相关分析，需要对产品、业务、技术等有足够的了解，常常用到分类、聚类等数据挖掘算法。
