1.4.2.数据分析知识领域：数据分析（Data Analytics）包括多种方法和算法，主要是通过统计手段实现数据处理、建模分析和检查，以发现有价值的信息、提供洞察力和建议以及支持决策。以下是常用的数据科学分析知识领域定义：（Data Science · Carr 掌握掌握方法；2KA01.01（DSDA.01/SMA）统计（杨波ical）方法包括描述性统计、探索性数据分析（EDA），侧重于发现数据中的新特征以及验证性数据分析（CDA confirmatory data analysis），处理验证公式化假设；2KA01.02（DSDA.02/ML）用于信息搜索、图像识别和决策支持分类的机器学习（ML Machinelearning）和相关方法；
KA01.03（DSDA.03/DM）数据挖掘（Data mining）是一种特殊的数据分析技术，它侧重于建模和知识发现，用于预测而不是纯粹的描述性目的。
·KA01.04（DSDA.04/TDM）文本分析应用、统计语言和结构技术从文本资源（一种非结构化数据）中提取和分类信息。
·KA01.05（DSDA.05/PA）预测分析（㸆ive analytics）侧重于应用统计模型（㸆W models）进行预测性的预报或分类；
·KA01.06（DSDA.06/BA）商业分析和商业智能（Business Analytics and Business Intelligence）涵盖了严重依赖于聚合和不同数据源，并专注于商业信息的数据分析；
·KA01.07（DSDA.07/MSO）计算建模、仿真和优化（Inse导线 modeling simulation and optimisation）。