请说明数据科学的定义，并阐述它和数据分析之间在目标、方法及产出上存在哪些差异？

回答思路

1. 【回答框架 1】数据科学是一门交叉学科，融合统计学、计算机科学和领域知识，通过数据采集、清洗、建模、分析等手段，从数据中提取有价值的信息和洞见，并支撑决策或构建智能化产品。其核心特征是以数据驱动，强调全流程处理。
2. 【回答框架 2】数据分析更侧重于对已有数据进行描述性、诊断性分析，通过可视化、统计汇总等方式揭示规律或异常，主要回答发生了什么以及为什么发生。其范围相对聚焦于分析环节，输出多为报告或图表，用于支持人类决策。
3. 【回答框架 3】两者的区别主要在于范围：数据分析是数据科学流程中的一个环节；数据科学更广泛，涵盖数据工程、机器学习建模、预测与优化等。目标上，数据分析重在解释过去，数据科学还强调预测未来并指导行动。技术栈上，数据科学常涉及编程、ML框架，数据分析则更依赖SQL、BI工具和统计方法。
4. 【回答框架 4】在实际工作中，两者边界并非截然分明，常由岗位职责具体区分。回答时建议从定义、范围、流程、目标、技术工具等维度作对比，并结合项目举例说明，体现理解的深度。
5. 【关键点 1】数据科学是涵盖数据处理、统计建模、机器学习的综合性学科。
6. 【关键点 2】数据分析偏重描述和诊断，数据科学还包括预测与决策支持。
7. 【关键点 3】数据分析属于数据科学流程的一部分，范围更窄。
8. 【关键点 4】两者技术栈和产出形式有差异，但目标都是数据驱动价值。
9. 【易错点 1】将数据科学与数据分析完全等同，忽略数据科学的更广外延。
10. 【易错点 2】只谈定义不加对比，缺乏结构化回答。
11. 【易错点 3】过度强调编程或算法，忽视领域知识和业务理解的重要性。