您如何看待“数据科学是伪科学”这句话？

从实践到验证理论的正确性，每一个部分都不是完美的，不能代表整个过程，只有将这些步骤有机地结合在一起，才能算是科学。 “数据科学是伪科学”这句话是通过切断科学研究各个部分之间的联系，然后否定每个部分来否定整个科学系统。

典型的诡辩。 这让我想起了“白马不是马理论”。 说这句话的人，绝对不是精神上有问题，也不是无知，而是别有用心。

做过科学研究的人都知道，任何科学研究都是建立在正确的数据收集和分析的基础上的，没有大量可靠的数据，任何科学研究成果都是一棵没有根的树，是水源。 人类对事物本质的理解需要一个过程，即首先在实践中认识表象，然后通过对表象的分析，即理论，获得其内在的联系，并用理论来指导实践，同时验证理论的正确性，保留正确的理论， 错误的理论被抛弃了。

科学源于反事实。 吃了榕树根，然后免疫力提升，最后感冒治好了，这其实不代表根可以提高免疫力（可能是因为我一边吃榕树根一边休息，免疫力自然提高），也不能说榕树根的根有助于感冒**（可能只是感冒的循环过去了， 自然**）。只有“如果我没有吃基数，我现在就不会感冒”的反事实才是基数功效的有力论据。

今天，大多数数据科学都不能将这种结构表示为反事实，更不用说反事实了。

如果要关联，只需分析统计数据即可。 今天很多数据科学都在处理关联。 干预比较麻烦。

因为当我吃根的时候，我真的不知道将来感冒会不会好起来（因为它还没有发生）。 如果吃了班兰的根，那么免疫力会增加，以后感冒也会好。 但是如果你现在吃根，一段时间后你的免疫力会提高吗？

我不知道。 因此，今天的数据科学并不擅长在干预层面处理因果推理。 （当然，干预的效果可以根据历史数据推断出来，然后通过一些实验来验证，所以只是它不擅长，而不是解决不了。 ）

数据科学更关注事物的相关性，这导致一些人得出结论，认为它是伪科学，而另一些人则认为它只是科学的一种基本形式。 事实上，恰恰相反，人们没有收集、存储和处理大量数据的能力，只能通过有限的实验，加上一些假设和数学计算来研究客观事物，并提出一些理论或公式（如牛顿力学、爱因斯坦相对论、量子力学等），然后人们得出结论，这些理论勾勒出事物的因果关系， 并认为这是科学。现在是人类通过收集、存储和处理大量数据来测试这些科学理论的时候了，因为人类已经有能力这样做。

数据科学，也就是目前颇为流行的所谓大数据，首先是由于人类数据采集、存储和处理技术的巨大发展。 这不仅将从根本上改变人类社会的发展，而且将改变人类自身的思维方式，包括科学的思维方式。

事实上，事物的本质是事物的相关性，而不是因果关系，而事物的本质是由事物的复杂性决定的。 因此，恰恰是那些能以因果关系的形式来表述为完美公式、函数、方程式等的科学，不能完美地表达或反映事物的本质。 恰恰是被怀疑是伪科学的数据科学及其思维方法，才是科学的未来。

这不再是一个哲学判断，而是已经得到了大量应用的证实，从各个学科的大量实验数据处理，到云计算，甚至到最佳量化投资，等等。 可以得出结论，像爱因斯坦或量子力学先驱那样，通过有限的实验，加上天才的假设和推论来发展和发现新的科学理论的时代早已一去不复返了，如果没有大数据处理技术的支持和验证，新的科学理论就无法产生并被普遍接受。

数据的科学性可以从以下几个方面来讨论：

2.数据的质量是指数据的数量：科学数据要高质量，包括数据的准确性、完整性、一致性、可靠性等方面，同时需要经过清洗和处理，以保证数据的质量。

3.数据分析方法：科学的数据分析方法应以科学的理论和方法为基础，遵循科学的分析流程和规范，避免主观假设和误导性分析结论。

4.数据的应用价值：科学数据应具有实际应用价值，能为决策和问题解决提供科学依据和指导，需要考虑数据的信效度。

综上所述，数据的科学性需要从数据质量、分析方法和应用价值等方面进行综合评价和讨论。