¡Hola! Gran pregunta!
Los datos pueden ser cualquier información, pero en el campo de la ciencia de datos, a menudo hablamos de información (datos) puede ser a) calificada (leída y entendida) ob) cuantificada (contada) y luego usar esta información para ayudarnos alcanzar objetivos comerciales, construir motores nuevos y más eficientes e incluso encontrar nuevas curas para enfermedades. Lo que responde a la pregunta de qué significa “datos impulsados”. Estar orientado a los datos significa exactamente eso: buscar, compilar y dar sentido a los datos que pueden ayudarnos con nuestro negocio o incluso predecir el resultado de las decisiones comerciales.
Digamos que está desarrollando una cura para una enfermedad sin nombre. Cuando desarrolla una nueva cura, a menudo pasa por cientos, si no miles de pruebas y experimentos antes de encontrar los “ingredientes” correctos en lo que se conoce como un entorno de prueba (un laboratorio, estudio de campo o ensayos clínicos), por lo tanto, los resultados de cada prueba se conoce como “datos”. ¡Es información que lo ayudará a determinar qué hacer a continuación para alcanzar el objetivo de desarrollar una cura exitosa! Eres impulsado por los datos!
- Al igual que Mathematica, ¿existen herramientas de código abierto capaces de integrar el conocimiento con nuestros datos?
- ¿Cómo es ser un científico de datos en Instagram?
- ¿En cuántas dimensiones (Vs) se define comúnmente Big Data?
- ¿Cómo podrían relacionarse dos conjuntos de datos y datos completamente diferentes para generar datos completamente nuevos y un conjunto de datos, y cómo el lenguaje de programación, las herramientas de modelado de datos y Excel me ayudan a realizar dicho análisis de datos?
- ¿Cuáles son las tecnologías subyacentes de big data?
¿Entonces digamos que estás desarrollando una nueva aplicación? Existen varios métodos de trabajo cuando se trabaja con el desarrollo de productos impulsado por datos, pero los métodos más comunes siguen una ruta heurística (prueba y error) de suposiciones (ideas)> implementación (diseño y codificación)> Configuración del entorno de prueba (por ejemplo, google analytics )> ejecutar las pruebas> ver si sus suposiciones son verdaderas y / o si su implementación fue buena o mala.
