Различия между ,бизнес-аналитикой(BI) и наукой о данных (data science)

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