概述
随着近年来的技术进步，特别是自千禧年之后，数据科学已经成为一个独立于计算机科学，更紧密地与统计学相关的学科。它在数据科学家致力于解决依赖于数据的访问、处理和最终解释的业务问题方面开辟了自己的一席之地。
这需要特定的技能，比如对编程语言（例如Python和R）的深入理解，以帮助简化访问大型不同数据集所需的分析工作流程。数据科学家的技能集与经济学家的技能结合起来，为那些希望区别于群体并掌握现代经济学的人提供了一种胜利的公式。
事实与数据
上述发现得到了事实的支持，即备受尊敬的伦敦经济学院[1]近年来扩展了其课程，包括一个名为“BSc数据科学与商业分析”的本科学位，其宣传语承诺学习者“学会分析数据以解决现实世界问题”，这些问题自然是基于经济和商业关系。
另一个积极的指标是世界银行的前首席经济学家[2]和2018年诺贝尔经济学奖的联合获奖者保罗·罗默是Jupyter Notebook的支持者，Jupyter Notebook是一个开源的Web应用程序，允许用户创建和共享包括实时代码、方程式和可视化的文档，从而支持跨多种编程语言进行交互计算。这一最后的评论是Jupyter的核心，Jupyter的名字是Julia、Python和R的首字母缩写，这三种语言都是编程语言。
对于经济学的重要人物来说，成为数据科学工具的积极倡导者是非常有说服力的，这清楚地表明了发展的方向。正如罗默在2018年的一篇博文中所指出的：“Jupyter看重透明度；Mathematica强调隐藏。Jupyter鼓励个人诚信；Mathematica让个人藏匿在公司的回避之后。”[3]在这里，他将Jupyter与竞争平台Mathematica进行了比较，然而如果…