データサイエンス（英: data science、略称: DS）またはデータ科学とは、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。
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）。
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）。
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。
歴史 データサイエンスという用語はが、特に1974年にピーター・ナウアが使用したことで注目を集めた。著書『Concise Survey of Computer Methods』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。
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」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、大学院で習うが単に置き換えられただけだと批判された。
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。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、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。
関連項目 巨大知 集合知 ビッグデータ データマイニング データおよび情報の可視化 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
脚注
学習用参考図書
講談社データサイエンス入門シリーズ 濵田悦生:「データサイエンスの基礎」、（2019年8月29日）。 椎名洋、姫野哲人、保科架風:「データサイエンスのための数学」、（2019年8月29日）。 梅津佑太、西井龍映、上田勇祐:「スパース回帰分析とパターン認識」、 (2020年2月26日）。 サイエンス社ライブラリデータ科学 第1巻、早稲田大学データ科学教育チーム：「データ科学入門 I：データに基づく意思決定の基礎」， (2022年4月10日)。 第2巻、早稲田大学データ科学教育チーム：「データ科学入門 II：特徴記述・構造推定・予測 ― 回帰と分類を例に」、 (2023年3月10日)。 第3巻、早稲田大学データ科学教育チーム：「データ科学入門III：モデルの候補が複数あるときの意思決定」、 (2024年4月10日)。 第4巻、早稲田大学データ科学教育チーム：「データ科学入門IV：写像とグラフによる統一的体系化―変数/定数の観測可能性の視点から」（2025年4月10日)。 第5巻、「データ科学実践」（発行予定）。 第6巻、「回帰と分類のデータ科学」（発行予定）。 第7巻、「時系列構造のデータ科学」（発行予定）。 第8巻、「潜在構造のデータ科学」（発行予定）。 第9巻、「空間構造のデータ科学」（発行予定）。 第10巻、「因果構造のデータ科学」（発行予定）。 第11巻、「データ科学のためのモデリング」（発行予定）。
Anand Rajaraman and Jeffrey David Ullman: 「大規模データのマイニング」、共立出版、 (2014年7月25日). Daniela Calvetti and Erkki Somersalo: "Mathematics of Data Science: A Computational Approach to Clustering and Classification", SIAM, (2020). ギルバート・ストラング：「ストラング：線型代数とデータサイエンス」、近代科学社、 (2021年10月31日). D.P.Kroese, Z.I.Botev, T.Taimre and R.Vaisman:「データサイエンスと機械学習：理論からPythonによる実装まで」、東京化学同人、 (2022年12月5日). 牧野浩二、橋本洋志：「データサイエンス教本（第2版）」、オーム社、 (2023年11月20日). 皆本晃弥：「Pythonによる数理・データサイエンス・AI」、サイエンス社、 (2023年11月25日). 皆本晃弥：「スッキリわかる数理・データサイエンス・AI」、近代科学社、 (2024年9月20日)． 三俣千春：「マテリアルズインフォマティクスのための応用数学」、共立出版、ISBN 978-4-320-07205-3 (2026年7月27日)．
外部リンク 一般社団法人 データサイエンティスト協会 新村秀一、データ解析からデータ・サイエンスへ － 情報技術(統計ソフト・WWW・AI)との共生により統計知識を国民の知的共有財に － 統計数理 第45巻 第1号 特集「統計ソフトウェアの新展開2」 p.23-40 インクィジティブ・マインド：Data Science (データサイエンス) 環境と品質のためのデータサイエンス