जबकि ऑपरेशन रिसर्च और डेटा साइंस दोनों ही बड़ी मात्रा में विषयों और क्षेत्रों को कवर करते हैं, मैं अपने दृष्टिकोण को देने की कोशिश करूँगा कि मैं प्रत्येक के सबसे प्रतिनिधि और मुख्यधारा के हिस्सों के रूप में क्या देखता हूं।
जैसा कि दूसरों ने बताया है, ऑपरेशंस रिसर्च का बड़ा हिस्सा मुख्य रूप से निर्णय लेने से संबंधित है । जबकि निर्णय लेने के तरीके को निर्धारित करने के कई अलग-अलग तरीके हैं, या (मेरी राय में) का सबसे मुख्य भाग गणितीय प्रोग्रामिंग ढांचे में मॉडलिंग निर्णय समस्याओं पर केंद्रित है। इस प्रकार के ढांचे में, आपके पास आमतौर पर निर्णय चर का एक सेट होता है, इन चर पर बाधाओं और आपके निर्णय चर पर एक उद्देश्य फ़ंक्शन निर्भर करता है जिसे आप कम या अधिकतम करने की कोशिश कर रहे हैं। जब निर्णय चर आर में मान ले सकते हैं , तो बाधाएं आपके निर्णय चर पर रैखिक असमानताएं हैं, और उद्देश्य समारोह निर्णय चर का एक रैखिक कार्य है, तो आपके पास एक रैखिक कार्यक्रम है- पिछले साठ वर्षों से OR का मुख्य कार्यक्षेत्र है। यदि आपके पास अन्य प्रकार के उद्देश्य फ़ंक्शन या बाधाएं हैं, तो आप अपने आप को पूर्णांक प्रोग्रामिंग , द्विघात प्रोग्रामिंग , अर्ध-निश्चित प्रोग्रामिंग , आदि के दायरे में पाते हैं ...
दूसरी ओर, डेटा विज्ञान, ज्यादातर इनफ़ेक्शन बनाने से संबंधित है। यहाँ, आप आम तौर पर डेटा के एक बड़े ढेर से शुरू कर रहे हैं और आप अपने बड़े ढेर में अभी तक देखे गए डेटा के बारे में कुछ नहीं जानना चाहेंगे। आपके द्वारा यहां देखी जाने वाली विशिष्ट प्रकार की चीजें हैं: 1) डेटा का बड़ा ढेर दो अलग-अलग विकल्पों के पिछले परिणामों का प्रतिनिधित्व करता है और आप जानना चाहते हैं कि कौन सा विकल्प सबसे अच्छा परिणाम देगा, 2) डेटा का बड़ा ढेर एक समय का प्रतिनिधित्व करता है श्रृंखला और आप यह जानना चाहते हैं कि उस समय श्रृंखला भविष्य में कैसे विस्तारित होगी, 3) डेटा का बड़ा ढेर टिप्पणियों के एक लेबल सेट का प्रतिनिधित्व करता है और आप नए, अप्रकाशित टिप्पणियों के लिए अवर लेबल पसंद करेंगे। पहले दो उदाहरण क्रमशः शास्त्रीय सांख्यिकीय क्षेत्रों (परिकल्पना परीक्षण और समय-श्रृंखला पूर्वानुमान) में वर्धित रूप से आते हैं, जबकि तीसरा उदाहरण मुझे लगता है कि आधुनिक मशीन लर्निंग विषयों (वर्गीकरण) के साथ अधिक निकटता से जुड़ा हुआ है।
इसलिए, मेरी राय में, ऑपरेशन्स रिसर्च एंड डेटा साइंस ज्यादातर ऑर्थोगोनल विषयों हैं, हालांकि कुछ ओवरलैप हैं। विशेष रूप से, मुझे लगता है कि OR में एक गैर-तुच्छ राशि में समय-श्रृंखला पूर्वानुमान दिखाई देता है; यह OR के अधिक महत्वपूर्ण, गैर-गणित प्रोग्रामिंग-आधारित भागों में से एक है। संचालन अनुसंधान वह जगह है जहां आप इनपुट और आउटपुट के बीच एक ज्ञात संबंध रखते हैं; यदि आप उस संबंध (इनपुट और आउटपुट की कुछ परिभाषा के लिए) को निर्धारित करने का प्रयास कर रहे हैं तो डेटा साइंस वह जगह है जहां आप जाते हैं।