La ciencia de datos está evolucionando como una rama académica separada y está ganando una gran tracción, principalmente debido a los nuevos avances tecnológicos en el campo del almacenamiento, procesamiento e interpretación de datos.
** La ciencia de datos es diferente de la inteligencia empresarial. El diferenciador está en sus aplicaciones **.
Las soluciones de Business Intelligence son aplicadas principalmente por grandes organizaciones que han crecido significativamente, hasta el punto de que no es posible mantener el control de su negocio sin administrar sus datos de manera efectiva. Por lo general, construyen grandes almacenes de datos empresariales para garantizar que sus datos estén bien integrados y sean confiables. Esto implica el trabajo complejo de consolidar datos de varios sistemas de TI que se crearon para facilitar los negocios, incluidos muchos sistemas heredados antiguos que se crearon en tiempo extra para almacenar y procesar datos.
- ¿Cómo se utilizan los grandes datos en la industria del petróleo y el gas? La industria del petróleo y el gas ya contaba con sistemas de adquisición de datos e informes implementados para la producción y el mantenimiento. ¿Qué nivel adicional de gestión de datos proporciona Big Data?
- ¿Scikit-learn es adecuado para ser utilizado en un entorno industrial?
- ¿Cuáles son las principales aplicaciones (de la vida real) de la minería de datos y la ciencia de datos utilizadas en el mundo práctico de hoy?
- Si pudiera contratar a 4/5 científicos / ingenieros para un equipo de análisis de big data centrado en elegir y responder preguntas comerciales concretas (por ejemplo, predecir una solicitud de producto), ¿cómo lo construiría?
- ¿Cómo deberían funcionar mejor la ciencia y la ingeniería de datos?
Las aplicaciones de las tecnologías de la ciencia de datos pueden ser muy diferentes. Por ejemplo, identificar un correo electrónico no deseado es una aplicación de ciencia de datos y no tiene nada que ver con la inteligencia empresarial. Un automóvil autónomo utiliza tecnologías de ciencia de datos para procesar grandes cantidades de datos y algoritmos de aprendizaje automático, pero no tiene nada que ver con la inteligencia empresarial.
Un área de ligera superposición es en torno a la minería de datos, donde los casos de uso son algo similares. Aquí, las tecnologías de ciencia de datos se utilizan generalmente para identificar casos de uso relacionados con datos en un entorno de ‘laboratorios de datos’, y luego se entregan a los equipos de inteligencia de negocios para construir soluciones de ingeniería adecuadas para monitorearlos de manera continua.