¿Cuál es la diferencia entre el análisis empresarial y la ciencia de datos?

Analista de negocios: las tareas asignadas a los analistas de negocios incluyen evaluar los requisitos de la organización con respecto a sus operaciones y funciones. Reúnen toda la información que necesita ser implementada y, en consecuencia, les pide a los desarrolladores que desarrollen. Esto también incluye los criterios de aceptación.

Ejemplo : tomemos Microsoft PowerPoint como nuestro producto y los gerentes de producto desean agregar una nueva función en la que quiera incluir emoji. Entonces, aquí BA escribirá una historia en la que explicará qué es exactamente lo que se debe hacer, en qué menú debe estar, dónde debe estar su botón de acceso directo, etc. a nivel de detalle. Y lo mismo que los desarrolladores deben implementar.

Analista de datos: las tareas principales de los analistas de datos son recopilar, manipular y analizar datos. Preparan informes, que pueden ser en forma de visualizaciones como gráficos, cuadros y tableros, que detallan los resultados significativos que dedujeron.

Ejemplo: tomemos un ejemplo de EBay, y el requisito de la organización es que quieren saber el número de personas que acceden a su sitio web directamente y a través de anuncios, específicamente en la región. Así que aquí un analista de datos investigará un poco y dará un informe diciendo que estas personas están atacando directamente, estas son las personas que no llegan al sitio web a través de publicidad. De esta manera, la organización tomará la decisión y hará lo necesario. Como en qué región necesitan concentrarse más y etc.

Científico de datos: un científico de datos es un profesional que comprende los datos desde un punto de vista comercial. Está a cargo de hacer predicciones para ayudar a las empresas a tomar decisiones precisas. Están un paso por delante del analista de datos.

Edición 1: Diferencia entre el científico de datos y el analista de datos

La ciencia de datos está esencialmente tratando de ver los datos y tratando de comprender lo mejor sobre qué tipo de propiedades podemos extraer de los datos proporcionados, y cómo puede reagruparse. Teniendo en cuenta un objetivo particular, ¿cuál es la mejor manera de llegar allí? Entonces, en ciencia de datos, el enfoque sería independiente del problema. Probablemente, uno puede tratar de dividir una gran cantidad de datos en grupos o predecir algo, todo esto caería en el grupo de ciencia de datos.

Business Analytics está convirtiendo todo este algoritmo en una regla de decisión, finalmente, el análisis empresarial implica tomar una decisión y el parámetro de decisión debe basarse en cosas muy simples. No podemos hacer que el parámetro de decisión sea muy complejo.

Por ejemplo, la ciencia de datos tendría un millón de registros de un cliente para tarjetas de crédito y usted podría estar tratando de desarrollar un modelo que determine los buenos clientes de los malos para un préstamo de crédito. Business Analytics se trata de ponerle una regla de decisión. Un analista de negocios analizará todos estos datos y llegará a la simple regla de que el cliente es bueno si su puntaje de crédito está por encima de un porcentaje particular (digamos 95%) o sus ingresos están por encima de 10 LAcs y la cantidad de dependientes de él es menor de 3. De lo contrario, un cliente es malo para préstamos de crédito. Entonces, Business Analytics se aplica con un objetivo muy específico en mente.

En ciencia de datos, solo se enfoca en la precisión, pero el análisis empresarial no se trata de precisión. Se trata de lo que se puede implementar o lo que puede ser útil para el cliente. Por lo tanto, el análisis empresarial a menudo compromete la precisión un poco, siempre que el modelo proporcione información sobre la que se pueda actuar. La analítica empresarial requerirá mucha información e intuición para comprender cuáles son los resultados.

Si un candidato realmente quiere realizar análisis porque hay muchas cosas interesantes que se pueden hacer, y cómo entender los datos y hacerlo bien, debe optar por la ciencia de datos, pero si el candidato está tratando de resolver un mundo real problema (incluso puede ser una pregunta que se plantea en inglés) usando datos, entonces las cosas en análisis de negocios serían mucho más fáciles. Es por eso que tenemos programas PGP-BABI y PGP-BDML que se adaptan a ambos grupos.

Ciencia de los datos

La ciencia de datos es básicamente la intersección de estadísticas, programación y análisis de datos para comprender y analizar fenómenos con datos. La ciencia de datos es un gran paraguas que cubre todos y cada uno de los aspectos del procesamiento de datos y no solo los aspectos estadísticos o algorítmicos. Por mencionar, la ciencia de datos incluye

• Visualización de datos
• integración de datos
• tableros y BI
• arquitectura distribuida
• decisiones automatizadas basadas en datos
• automatizar el aprendizaje automático
• despliegue en modo de producción
• ingeniería de datos

Científico de datos

• Realizar investigaciones no dirigidas y formular preguntas abiertas a la industria
• Extrae grandes volúmenes de datos de múltiples fuentes internas y externas.
• Emplee sofisticados programas de análisis, aprendizaje automático y métodos estadísticos para preparar datos para su uso en modelos predictivos y prescriptivos.
• Limpie y pode a fondo los datos para descartar información irrelevante
• Explore y examine datos desde una variedad de ángulos para determinar las debilidades, tendencias y / u oportunidades ocultas.
• Forme soluciones basadas en datos para los desafíos más apremiantes
• Inventar nuevos algoritmos para resolver problemas y crear nuevas herramientas para automatizar el trabajo.
• Comunique predicciones y hallazgos a los departamentos de administración y TI a través de visualizaciones e informes efectivos
• Recomendar cambios rentables en los procedimientos y estrategias existentes.

Análisis de negocio

Business Analytics es el proceso de obtener información de los datos mediante el uso de una combinación de tecnologías, habilidades y mejores prácticas de la industria para determinar la planificación comercial futura. Con cantidades cada vez mayores de datos, las organizaciones están adoptando análisis de negocios para formar estrategias basadas en datos para el crecimiento del negocio y aprovechar la ventaja competitiva.

Si profundizamos en el análisis empresarial, se divide ampliamente en categorías: inteligencia empresarial y análisis estadístico. Business Intelligence está analizando datos pasados ​​para juzgar cómo se ha desempeñado un departamento en particular o un empleado con el tiempo. El análisis estadístico va mucho más profundo. Está obteniendo información de los datos históricos mediante el uso de algoritmos estadísticos y pronosticando el rendimiento futuro de un producto o servicio. Implica el uso de análisis predictivo, análisis de clúster, etc.

Descargo de responsabilidad: soy cofundador de @GreyAtom y ayudo a talentos de ingeniería a encontrar carreras sostenibles en tecnologías emergentes.

Algunos enlaces rápidos

• Programa – http://www.greyatom.com/full-sta …
• Chatee con un consejero académico: le invitamos a compartir todas sus dudas e inseguridades, a las que haremos todo lo posible para guiarlo hacia su camino profesional hacia el éxito. https://calendly.com/greyatom/co …

Este campo ha evolucionado del análisis de minería de datos a análisis y ciencia de datos. En estos días, todo lo que escuchará es un zumbido sobre Big Data, aprendizaje automático y aprendizaje profundo. Los términos siguen cambiando y hay una gran cantidad de expertos que han respondido tan bien a esto. Consulte ¿Cuál es la diferencia entre Análisis de datos, Análisis de datos, Minería de datos, Ciencia de datos, Aprendizaje automático y Big Data?

Mi punto es que el impacto en el negocio es más importante que estas clasificaciones.

1. Las técnicas estadísticas básicas para obtener información a partir de los datos siguen siendo las mismas, con variaciones para la tecnología (está bien, por lo que ML y el aprendizaje profundo son de primera clase)
2. Las necesidades comerciales son las mismas: aumento de los ingresos, mayor satisfacción del cliente, menor tiempo de entrega, cadena de suministro más eficiente, etc.

La gente necesita comenzar desde lo más básico de la minería de datos y el análisis fundamental y luego más sobre las técnicas de la nueva era. Ninguna técnica por sí sola es mejor o peor que otra. Se trata de qué se ajusta a las necesidades de los clientes y hace las cosas en un tiempo y costo mínimos.

Según tengo entendido, la ciencia de datos está recopilando los datos correctos y es capaz de manipularlos para mostrar patrones en forma gráfica para ayudar a los equipos o las empresas a responder preguntas. La analítica empresarial toma esos gráficos y patrones y crea la información para responder preguntas clave y proporcionar elementos de acción para mejorar o continuar esos patrones. Los analistas de negocios también tienen que considerar el panorama completo, no solo los números que se están diseccionando. Esto significa que están utilizando los presupuestos, recursos y gastos de sus ecuaciones, incluso cuando solo están mirando las cifras de ingresos.

A los científicos de datos les gusta tratar con datos sin procesar y, a veces, usan Excel, R, Python u otro lenguaje para hacer sus estadísticas. No quieren aprender sobre el negocio en su conjunto ni proporcionar información comercial basada en los datos.

Es una pregunta muy interesante y, para ser sincero, los términos son intercambiables hasta cierto punto.

Así es como pienso en los dos (solo una perspectiva):

1) Análisis de negocios:

• Más genérico
• Interactúa con el negocio un poco más de lo que lo haría un equipo de “Ciencia de datos”
• Pueden ser profesionales del lado comercial o tecnológico.
• Analiza los problemas desde el punto de vista empresarial.
• Puede conocer y trabajar con herramientas de tablero como Tableau, Spotfire, etc.
• Puede ser parte de un equipo de informes que diseña, crea y genera informes regulares para la alta gerencia, básicamente puede trabajar en problemas repetitivos
• Cuando se consideran estudios superiores, estos tipos buscan hacer un MS o un MBA y con menos frecuencia un doctorado

2) Ciencia de datos:

• Más datos específicos: los datos y las estadísticas son su pan de cada día. Ahora se debate si la ciencia de datos es el nuevo nombre de Estadísticas. ¿De dónde más vino R?
• Generalmente son profesionales que son muy técnicos y conocen muy bien un lenguaje de codificación (R / Python)
• Más centrado en los datos y las matemáticas / estadísticas de un problema: puede que no (a veces puede) prestar mucha atención a las implicaciones comerciales (aquí es donde entran en juego las reglas y restricciones comerciales)
• Los informes estándar no son su taza de té
• Estas personas tienden a evitar hacer MBA, pero hay excepciones. MS y / o doctorado es la forma en que van por ellos

“Si no puedes medirlo, no puedes mejorarlo …”

La analítica de negocios y la ciencia de datos es el término utilizado cuando usamos datos y concertamos una información con el uso de métodos y herramientas de especialización. En los negocios, este término se utiliza para recopilar datos, recopilar resúmenes, matemáticos y estadísticas. Todos estos tipos de utilizados para tomar alguna decisión comercial o planificación.

Análisis de negocio

Investigue y extraiga información valiosa de fuentes estructuradas y no estructuradas para explicar el desempeño comercial histórico, actual y futuro. Determine los mejores modelos y enfoques analíticos para presentar y explicar soluciones a los usuarios comerciales.

Echa un vistazo a los mejores cursos de certificación de análisis empresarial que ofrece Dygitech.

Ciencia de los datos

Diseñe y desarrolle algoritmos a través de programación estadística que respalde la herramienta y los métodos de toma de decisiones empresariales. Crea visualizaciones para ayudar en la comprensión.