敏捷数据科学是一种将数据科学与敏捷方法一起用于Web应用程序开发的方法。它关注于适合于组织变革的数据科学过程的输出。数据科学包括构建应用程序，这些应用程序通过分析，交互式可视化以及现在应用的机器学习来描述研究过程。

敏捷数据科学的主要目标是-

记录并指导解释性数据分析，以发现并遵循引人注目的产品的关键路径。

敏捷数据科学的组织遵循以下原则-

连续迭代

此过程涉及使用创建表，图表，报告和预测进行连续迭代。建立预测模型将需要特征工程的许多迭代，包括提取和产生洞察力。

中间输出

这是生成的输出的跟踪列表。甚至有人说失败的实验也有结果。跟踪每个迭代的输出将有助于在下一个迭代中创建更好的输出。

原型实验

原型实验涉及根据实验分配任务并生成输出。在给定的任务中，我们必须进行迭代以获取洞察力，而这些迭代可以最好地解释为实验。

数据整合

软件开发生命周期包括不同阶段，其数据对于-

• 顾客

• 开发人员，以及

• 这生意

数据集成为更好的前景和产出铺平了道路。

金字塔数据值

上面的金字塔值描述了“敏捷数据科学”开发所需的层次。它从根据需求收集记录开始，然后收集各个记录。图表是在清理和汇总数据后创建的。汇总的数据可用于数据可视化。使用适当的结构，元数据和数据标签生成报告。从顶部开始的金字塔的第二层包括预测分析。预测层是在其中创造更多价值的地方，但有助于创建专注于要素工程的良好预测。

最顶层涉及有效驱动数据价值的操作。这种实现方式的最好例证是“人工智能”。