La diferencia clave entre la ciencia de datos y la inteligencia de negocios es que la inteligencia de negocios informa principalmente sobre datos históricos (tendencias, patrones, series de tiempo, etc.) mientras que la ciencia de datos se enfoca principalmente en datos predictivos (es decir, análisis predictivo, pronóstico, y si el análisis y etc.)
Aquí hay un gran artículo (pegado a continuación) que puede ampliar su pregunta: http://www.itproportal.com/2016/…
Perspectiva
- ¿Con qué herramientas o tecnologías debería estar familiarizado para conseguir un trabajo en el análisis de datos?
- ¿Se saturará el mercado laboral para estadísticos y científicos de datos en los Estados Unidos en los próximos 5 años?
- ¿Qué habilidades necesito para construir un sitio web basado en big data?
- ¿Qué es mejor, Data Science M.Tech de IIT Hyderabad o Big Data Analytics Certification de IIM Bangalore?
- ¿Cómo es el futuro en Big Data?
Los sistemas de BI están diseñados para mirar hacia atrás en base a datos reales de eventos reales. Data Science mira hacia adelante, interpretando la información para predecir lo que podría suceder en el futuro.
Atención
BI ofrece informes detallados, KPI y tendencias, pero no le dice cómo se verán estos datos en el futuro en forma de patrones y experimentación.
Proceso
Los sistemas de BI tradicionales tienden a ser estáticos y comparativos. No ofrecen espacio para la exploración y la experimentación en términos de cómo se recopilan y gestionan los datos.
Fuentes de datos
Debido a su naturaleza estática, las fuentes de datos de BI tienden a planificarse previamente y agregarse lentamente. La ciencia de datos ofrece un enfoque mucho más flexible, ya que significa que se pueden agregar fuentes de datos sobre la marcha, según sea necesario.
Transformar
También es clave cómo los datos ofrecen una diferencia para el negocio. BI le ayuda a responder las preguntas que conoce, mientras que Data Science lo ayuda a descubrir nuevas preguntas debido a la forma en que alienta a las empresas a aplicar sus conocimientos a los nuevos datos.
Almacenamiento
Como cualquier activo comercial, los datos deben ser flexibles. Los sistemas de BI tienden a almacenarse y aislarse, lo que significa que es difícil de implementar en todo el negocio. Data Science se puede distribuir en tiempo real.
Calidad de los datos
Cualquier análisis de datos es tan bueno como la calidad de los datos capturados. BI proporciona una versión única de la verdad, mientras que la ciencia de datos ofrece precisión, nivel de confianza y probabilidades mucho más amplias con sus hallazgos.
Propiedad de TI versus propiedad de la empresa
En el pasado, los sistemas de BI a menudo eran propiedad y operados por el departamento de TI, enviando inteligencia a los analistas que la interpretaban. Con Data Science, los analistas están a cargo. Las nuevas soluciones de Big Data están diseñadas para ser propiedad de analistas, que dedican poco de su tiempo al ‘mantenimiento de TI’ y la mayor parte de su tiempo analizando datos y haciendo predicciones sobre las cuales basar las decisiones comerciales.
Análisis
Un sistema de BI retrospectivo y prescriptivo es mucho menos probable que se coloque para hacer esto que un programa de Ciencia de datos predictivos.
Valor de negocio
El análisis de datos debe informar las decisiones comerciales en el mejor interés de la empresa, lo que significa demostrar valor aquí y ahora y predecirlo en el futuro. Data Science está mucho mejor ubicado para hacer esto que BI.
Mirando lo anterior, no debería sorprendernos que las compañías estén incrementando sus inversiones en estrategias de Big Data y plataformas de entrega, impulsadas por Data Science. Sin embargo, la inversión financiera es secundaria al cambio mental que se requiere para tener verdadero éxito con Big Data. Deben presentarse puntos de prueba y casos de uso para convencer a todos los interesados clave para que cambien a la cultura basada en datos que es una base necesaria para una estrategia exitosa de Big Data Analytics, que es lo que veremos en nuestra publicación de blog final en estas series.