Al estar en un departamento de BI, comenzando un equipo de ciencia de datos, esta pregunta me parece encantadora. Aquí está mi opinión:
BI se enfoca en negocios en crecimiento. Técnicamente hablando, BI se trata mucho de la agregación y el informe de datos que están directamente relacionados con los ingresos. No hay muchas preguntas abiertas y hay muchas estadísticas descriptivas y correlaciones en curso. Como ejemplo, mi equipo mantiene muchas bases de datos y visualizaciones de métricas de rendimiento.
Data Science se enfoca en responder preguntas. Técnicamente hablando, DS tiene mucho que ver con probar hipótesis, probar causalidad a través de ensayos aleatorios. Gran parte de lo que hacemos es identificar áreas de mejora muchas veces relacionadas indirectamente con los ingresos, a menudo a través de análisis. Como ejemplo, respondemos (o al menos tratamos de responder) preguntas como “¿Por qué los jugadores abandonan el juego?” o “¿Esta nueva característica del juego mejorará el valor de por vida sin afectar la retención del día 30?”
- ¿Cuál es la diferencia entre datos sin procesar y procesados?
- ¿Alguien está haciendo capacitación en Big Data y Hadoop en DataFlair? ¿Es una buena idea hacer el curso?
- Cómo verificar que no haya sesgo en su muestra al hacer una prueba A / B
- ¿Cuáles son los diferentes métodos de aprendizaje automático que se pueden aplicar a los problemas de ventas y marketing?
- ¿Hay revistas revisadas por pares para análisis de datos y BI? ¿Dónde puedo encontrar la información o la inspiración sobre cuáles son los conocimientos de los datos de ventas que suelen ser útiles para las empresas?
¡Espero que esto ayude!