
Содержание
В этой статье я представлю некоторые различия между концепцией бизнес-аналитики и Data Science ( науки о данных) и их основные отличительные черты.
Концепция
Бизнес-аналитика: Работа с аналитическими платформами данных в конкретной компании/организации. Можно сказать, что специалисты по анализу данных специализируются на анализе данных и его инструментах больше, чем специалисты по data science (науке о данных), выполняющие эти задачи.
Наука о данных: Помимо знания и работы с аналитическими платформами данных, специалисты по данным также могут работать с различными операциями, такими как, например, машинное обучение и искусственный интеллект . Кроме того нужно отметить ,что специалист по обработке данных работает в определенной предметной области.
Сферы применения
Бизнес-аналитика: BI больше привязана к тому, что произошло в прошлом.
Наука о данных: больше привязана к тому, что произойдет в будущем, хотя также использует данные из прошлого.
Экспертиза
Бизнес-аналитика: Пользователь сосредоточен на определенной бизнес-области.
Наука о данных: Очевидно… специалист по обработке данных сосредоточен на …., ха-ха-ха!
Как используются данные?
Бизнес-аналитика: Обычно они работают со структурированными данными, которые нормализованы для обработки в хранилище данных.
Наука о данных: Используется как структурированные, так и неструктурированные данные. Обычно данные обрабатываются в режиме реального времени.
Как хранятся данные?
Бизнес-аналитика: Обычно данные хранятся в хранилище данных.
Наука о данных: Здесь обычно данные “хранятся” в кластерах в операциях реального времени.
Общие вопросы
Бизнес-аналитика: Что случилось? Почему это произошло? И так далее.
Наука о данных: Что произойдет? Если мы сделаем это, как это повлияет на результаты? И так далее.
Результат работы
Бизнес-аналитика: С помощью графических результатов помогает лицам, принимающим решения, контролировать свои процессы, помогая организациям лучше понять определенные действия и их прошлые результаты, а также, в некоторой степени, получить знания, которые могут помочь в принятии будущих решений.
Наука о данных: Основным результатом работы специалиста по данным в организации является предложение ответов и решений данной проблемы. Помимо знания и выполнения некоторых функций бизнес-аналитики, он должен уметь с помощью математического и статистического моделирования предоставлять инсайты с ориентированным на будущее видением, то есть, например… каким будет ожидаемый объем продаж продукта “x” и “y” через 6 месяцев?
Инструменты
Бизнес-аналитика: На изображении ниже вы можете найти несколько инструментов, широко используемых профессионалами в области бизнес-аналитики, среди которых мы можем выделить следующие:
- MS Excel
- Python
- R
- SQL
- SAS BI
- Power BI
- Microstrategy
- Cognos
- SAP
- Spark, и другие
Изображение от компании “Assurety Consulting & Solutions”
Наука о данных: Некоторые из основных инструментов, ориентированных на науку о данных, приведены на рисунке ниже, мы можем выделить:
- Python
- R
- SQL
- TensorFlow
- RapidMiner
- SAS
- SPSS
- Spark
Изображение – “House of Bots”
Оригинал статьи:
https://medium.com/@DanielAKeane/differences-between-business-intelligence-and-data-science-ad143a393a81