Wat is Business-Centric Data Science? - dummies

In de bedrijfswereld dient de gegevenswetenschap hetzelfde doel als Business Intelligence doet - omzetten onbewerkte gegevens om te zetten in zakelijke inzichten die bedrijfsleiders en managers kunnen gebruiken om beslissingen te nemen die op gegevens zijn gebaseerd.

Als u grote reeksen gestructureerde en ongestructureerde gegevensbronnen hebt die al dan niet volledig zijn en u deze bronnen wilt omzetten in waardevolle inzichten voor beslissingsondersteuning binnen de onderneming, kunt u een gegevenswetenschapper inschakelen. Business-centric data science is multidisciplinair en bevat de volgende elementen:

• Kwantitatieve analyse: Kan in de vorm zijn van wiskundige modellering, multivariate statistische analyse, prognoses en / of simulaties.

  De term multivariate verwijst naar meer dan één variabele. Een multivariate statistische analyse is een gelijktijdige statistische analyse van meer dan één variabele tegelijk.

• Programmeervaardigheden: U hebt de nodige programmeervaardigheden nodig om onbewerkte gegevens te analyseren en deze gegevens toegankelijk te maken voor zakelijke gebruikers.

• Bedrijfskunde: U hebt kennis van het bedrijf en zijn omgeving nodig, zodat u de relevantie van uw bevindingen beter kunt begrijpen.

Data science is een baanbrekende discipline. Datawetenschappers gebruiken vaak de wetenschappelijke methode voor data-exploratie, hypothesevorming en hypothese-testen (door simulatie en statistische modellering). Business-centrische data scientists genereren waardevolle data-inzichten, vaak door patronen en anomalieën in bedrijfsgegevens te onderzoeken. Gegevenswetenschap in een zakelijke context bestaat gewoonlijk uit

• Interne en externe gegevenssets: Gegevenswetenschap is flexibel. U kunt vrij eenvoudig bedrijfsgegevensmashups maken van interne en externe bronnen van gestructureerde en ongestructureerde gegevens. (A gegevensmashup is een combinatie van twee of meer gegevensbronnen die vervolgens samen worden geanalyseerd om gebruikers een vollediger beeld van de situatie te geven.)

• Gereedschappen, technologieën en skillsets: Voorbeelden hiervan kunnen het gebruik van cloudgebaseerde platforms, statistische en mathematische programmering, machine learning, data-analyse met Python en R en geavanceerde datavisualisatie omvatten.

Net als bedrijfsanalisten produceren bedrijfgerichte gegevenswetenschappers beslissingsondersteunende producten voor bedrijfsmanagers en organisatorische leiders om te gebruiken. Deze producten omvatten analytische dashboards en gegevensvisualisaties, maar over het algemeen geen tabellenrapporten en tabellen.

Gegevens die nuttig zijn in bedrijfsgerichte gegevenswetenschap

U kunt gegevenswetenschap gebruiken om bedrijfsinzichten te verkrijgen uit standaardsets met gestructureerde bedrijfsgegevens (net als BI) of uit gestructureerde, semi-gestructureerde en ongestructureerde reeksen van grote gegevens.Data science-oplossingen zijn niet beperkt tot transactiegegevens die zich in een relationele database bevinden; u kunt gegevenswetenschap gebruiken om waardevolle inzichten te creëren uit alle beschikbare gegevensbronnen. Deze gegevensbronnen omvatten

• Transactionele bedrijfsgegevens: Een beproefde en ware gegevensbron; transactionele bedrijfsgegevens zijn het type gestructureerde gegevens dat wordt gebruikt in traditionele BI en omvat managementgegevens, klantenservicedata, verkoop- en marketinggegevens, operationele gegevens en gegevens over werknemersprestaties.

• Sociale gegevens met betrekking tot het merk of bedrijf: Een meer recent fenomeen, de gegevens die onder deze rubriek vallen, omvatten de ongestructureerde gegevens die zijn gegenereerd via e-mails, instant messaging en sociale netwerken zoals Twitter, Facebook, LinkedIn, Pinterest, en Instagram.

• Machinegegevens van bedrijfsoperaties: Machines genereren automatisch deze ongestructureerde gegevens, zoals SCADA-gegevens, machinegegevens of sensorgegevens.

  Het acroniem SCADA verwijst naar S leidend C ontrol en D bij A cquisitie. SCADA-systemen worden gebruikt voor het besturen van op afstand bediende mechanische systemen en apparatuur. Ze genereren gegevens die worden gebruikt om de werking van machines en apparatuur te bewaken.

• Audio-, video-, beeld- en PDF-bestandsgegevens: Deze goed gedefinieerde formaten zijn allemaal bronnen van ongestructureerde gegevens.

Technologieën en vaardigheden die handig zijn in bedrijfskundige gegevenswetenschap

Omdat de producten van gegevenswetenschap vaak worden gegenereerd op basis van big data, zijn op de cloud gebaseerde oplossingen voor gegevensplatforms gebruikelijk in het veld. Gegevens die in de gegevenswetenschap worden gebruikt, zijn vaak afgeleid van data-gemanipuleerde big data-oplossingen, zoals Hadoop, MapReduce en Massively Parallel Processing.

Datawetenschappers zijn innovatieve, vooruitstrevende denkers die vaak outside-the-box moeten denken om oplossingen te vinden voor de problemen die ze oplossen. Veel datawetenschappers neigen naar open-sourceoplossingen wanneer ze beschikbaar zijn. Vanuit kostenoogpunt komt deze aanpak ten goede aan de organisaties die deze wetenschappers in dienst hebben.

Bedrijfsgerichte data scientists kunnen technieken voor het leren van machines gebruiken om patronen te vinden in (en inzichten te verkrijgen uit) enorme datasets die gerelateerd zijn aan een branche of het bedrijf in het algemeen. Ze zijn bedreven in wiskunde, statistiek en programmeren en ze gebruiken deze vaardigheden soms om voorspellende modellen te genereren.

Ze weten meestal hoe ze moeten programmeren in Python of R. De meesten van hen weten hoe ze SQL moeten gebruiken om relevante gegevens uit gestructureerde databases te raadplegen. Ze zijn meestal goed in het communiceren van data-inzichten naar eindgebruikers - in business-centric data science zijn eindgebruikers bedrijfsmanagers en organisatieleiders. Datawetenschappers moeten bekwaam zijn in het gebruiken van verbale, orale en visuele middelen om waardevolle data-inzichten te communiceren.

Hoewel bedrijfsgeoriënteerde gegevenswetenschappers een beslissingsondersteunende rol vervullen in de onderneming, verschillen zij van de bedrijfsanalisten doordat ze doorgaans een sterke academische en professionele achtergrond hebben op het gebied van wiskunde, exacte wetenschappen, techniek of al het voorgaande. Dit gezegd hebbende, hebben bedrijfsgerichte gegevenswetenschappers ook een sterke inhoudelijke kennis van bedrijfsbeheer.