一些人士和组织认识到数据对未来的重要性，在数据学认知缺位的情况下，或自已臆想，或引用别人并不正确说法，滥用数据学的概念和理论。在这种情况下，知识界需要对作为科学的数据学较有严肃的认知。
进入信息社会以后，数据以自然方式增长，其产生不以人的意志为转移。数据学最重要的基础在于定义了数据自然(data nature)。数据自然是所有存入信息系统的数据总集合，包括数字、字符、音视频以及计算机程序等。与大自然一样，数据自然也有未知、复杂、多样等属性。
在数据自然的视角下，人、社会、大自然及其历史，都将转变成数据自然，人类同时生活在大自然和数据自然之中。人类将通过探索数据自然来了解大自然，了解社会和人类行为。在数据自然的视角下，数据学被定义为研究探索数据自然奥秘的理论、方法和技术，通过研究数据自然，揭示大自然和人类行为的规律。
在数据学的体系中，要在数据自然中获得收益，与在大自然中获得收益类似，需要采用一系列技术方法。
首先要对数据自然进行数据勘探，探查数据集的总体特征和数据集的结构，判断数据集的价值，为下一步开发利用该数据集提供依据。数据抽样和数据分析是数据勘探的基本方法。
完成数据勘探，与采矿、洗矿类似，可将相关数据集从数据自然中提取出来并加以清洗，称之为数据获取。数据再通过整合，使之在逻辑上相关联并使之便于访问，就可存入数据仓库。接着，可采用数据挖掘技术对数据仓库进行处理，寻找数据的内在规律并以可视化的形态展示。数据获取、数据整合、数据仓库和数据挖掘均经过多年发展，比较成熟，现在都可以归入数据学的范畴。
面对大自然，人类可以用科学实验的方法，通过有控制的干预，发现对象的新特点、新规律，从而加以利用，获得收益。例如在实验室中可以合成新的化合物，培养新的物种，再将其量产。
按数据学理论，面对数据自然，也可以采用数据实验的方法，通过干预和控制数据，发现数据自然、人类社会和大自然的新规律，新特点，并设计出将其转化为生产性活动模式。
数据实验可以模拟企业运行、政府运作、社会现象。比如，可以模拟新产品投产上市后的运行，模拟不同气候条件下流感的传播等。在数据实验中，可以输入不同参数，对数据模型调优。数据实验还可以模拟自然现象，比如极端气候，用来评估灾害。
数据实验是数据学最主要的研究方法，用来模拟大自然和人文社会，用来验证假说和规律。它比用于发现数据相关性的数据勘探和数据挖掘，在探索数据自然的深度上又前进了一大步。
近年，一些先进的企业设立了首席数据官(cdo)，招聘数据科学家，成立与it部门并立的数据部，试图在企业运营中运用数据学的方法。未来，我们可以期待数据学将像从前的it一样，对企业和人类社会产生极为深远的影响。计世传媒集团副总编 孙定