비즈니스 중심 데이터 과학은 무엇입니까? - 비즈니스 내의 인형

기업 내에서 데이터 과학은 비즈니스 인텔리전스가 수행하는 것과 동일한 목적을 수행합니다. 즉, 변환하려는 데이터 구조와 구조화되지 않은 데이터 소스가 많거나 많을 수도 있고 그렇지 않을 수도 있습니다. 원시 데이터를 비즈니스 리더 및 관리자가 데이터에 근거한 의사 결정에 사용할 수있는 비즈니스 통찰력으로 변환합니다.

구조적 및 비 구조적 데이터 소스가 많거나 많을 수도 있고 그 소스를 기업 전반의 의사 결정 지원을위한 유용한 통찰력으로 변환하려는 경우 데이터 과학자에게 문의하십시오. 비즈니스 중심의 데이터 과학은 여러 분야로 구성되며 다음과 같은 요소를 포함합니다.

정량 분석 : 수학적 모델링, 다변량 통계 분석, 예측 및 / 또는 시뮬레이션의 형태가 될 수 있습니다.

다 변수 는 하나 이상의 변수를 나타냅니다. 다 변수 통계 분석은 한 번에 둘 이상의 변수에 대한 동시 통계 분석입니다.
프로그래밍 기술: 원시 데이터를 분석하고 비즈니스 사용자가이 데이터에 액세스 할 수있게하려면 필요한 프로그래밍 기술이 필요합니다.
조사 결과의 관련성을 더 잘 이해할 수 있도록 비즈니스와 환경에 대한 지식이 필요합니다. 데이터 과학은 선구적인 분야입니다. 데이터 과학자들은 종종 데이터 탐색, 가설 형성 및 가설 테스트 (시뮬레이션 및 통계 모델링을 통해)에 과학적 방법을 사용합니다. 비즈니스 중심의 데이터 과학자들은 흔히 비즈니스 데이터의 패턴과 이상을 탐구하여 소중한 데이터 통찰력을 창출합니다. 비즈니스 컨텍스트에서의 데이터 과학은 일반적으로

내부 및 외부 데이터 세트:

데이터 과학은 유연합니다. 구조적 데이터와 구조화되지 않은 데이터의 내부 및 외부 소스로부터 비즈니스 데이터 매쉬업을 쉽게 생성 할 수 있습니다. (데이터 매쉬업 은 두 개 이상의 데이터 소스를 결합한 것으로 사용자가 상황을보다 완벽하게 파악할 수 있도록 함께 분석됩니다.) 도구, 기술 및 기술 사례: 여기에는 클라우드 기반 플랫폼, 통계 및 수학 프로그래밍, 기계 학습, Python 및 R을 사용한 데이터 분석 및 고급 데이터 시각화가 포함될 수 있습니다. 비즈니스 애널리스트와 마찬가지로 비즈니스 중심 데이터 과학자는 비즈니스 관리자와 조직 리더가 사용할 의사 결정 지원 제품을 생산합니다. 이러한 제품에는 분석 대시 보드 및 데이터 시각화가 포함되지만 일반적으로 표 형식의 데이터 보고서 및 표는 포함되지 않습니다. 비즈니스 중심의 데이터 과학에 유용한 데이터
데이터 과학을 사용하여 표준 크기의 구조화 된 비즈니스 데이터 세트 (BI와 동일) 또는 구조화 된, 반 구조화 된 및 비 구조화 된 큰 세트의 비즈니스 통찰력을 얻을 수 있습니다 데이터.데이터 과학 솔루션은 관계형 데이터베이스에있는 트랜잭션 데이터에만 국한되지 않습니다. 데이터 과학을 사용하여 사용 가능한 모든 데이터 소스에서 가치있는 통찰력을 창출 할 수 있습니다. 이 데이터 소스에는 거래용 비즈니스 데이터가 포함됩니다.

입증 된 데이터 소스 인 트랜잭션 비즈니스 데이터는 전통적인 BI에서 사용되는 구조화 된 데이터 유형으로, 관리 데이터, 고객 서비스 데이터, 영업 및 마케팅 데이터, 운영 데이터 및 직원 성과 데이터를 수집합니다.

브랜드 또는 비즈니스와 관련된 소셜 데이터:

최근의 현상으로,이 루 브릭이 다루는 데이터에는 이메일, 인스턴트 메시징 및 Twitter, Facebook, LinkedIn, Pinterest 등의 소셜 네트워크를 통해 생성 된 비정형 데이터가 포함됩니다. 및 Instagram.

비즈니스 운영의 머신 데이터: 머신은 SCADA 데이터, 머신 데이터 또는 센서 데이터와 같은 비 구조적 데이터를 자동으로 생성합니다. 두문자어 SCADA는
A9999 암시 및 999 D999 암 치료에 관한 것이다. SCADA 시스템은 원격으로 작동하는 기계 시스템 및 장비를 제어하는 데 사용됩니다. 이들은 기계 및 장비의 작동을 모니터링하는 데 사용되는 데이터를 생성합니다. 오디오, 비디오, 이미지 및 PDF 파일 데이터:
이러한 잘 정립 된 형식은 모두 비정형 데이터의 출처입니다. 비즈니스 중심 데이터 과학에 유용한 기술 및 스킬 셋

데이터 과학 제품은 대용량 데이터로 생성되기 때문에 클라우드 기반 데이터 플랫폼 솔루션이 일반적입니다. 데이터 과학에 사용되는 데이터는 종종 Hadoop, MapReduce, Massively Parallel Processing과 같은 데이터 엔지니어링 대형 데이터 솔루션에서 파생됩니다. 데이터 과학자들은 혁신적이고 진취적인 사고 방식으로 해결해야 할 문제에 대한 정확한 해결책을 찾기 위해 외부에서 생각해야하는 경우가 많습니다. 많은 데이터 과학자들은 가능한 경우 오픈 소스 솔루션을 선호합니다. 비용 측면에서 보면 이러한 접근 방식은 이러한 과학자를 고용하는 조직에 도움이됩니다. 비즈니스 중심의 데이터 과학자는 비즈니스 학습이나 대규모 비즈니스와 관련된 거대한 데이터 세트에서 패턴을 찾아 통찰력을 유도하기 위해 기계 학습 기술을 사용할 수 있습니다. 그들은 수학, 통계 및 프로그래밍에 능숙하며 때로는 이러한 기술을 사용하여 예측 모델을 생성합니다. 그들은 일반적으로 Python이나 R로 프로그래밍하는 방법을 알고 있습니다. 대부분의 사람들은 SQL을 사용하여 구조화 된 데이터베이스에서 관련 데이터를 쿼리하는 방법을 알고 있습니다. 이들은 일반적으로 최종 사용자에게 데이터 통찰력을 전달하는 데 숙련되어 있습니다. 비즈니스 중심의 데이터 과학, 최종 사용자는 비즈니스 관리자 및 조직 리더입니다. 데이터 과학자는 귀중한 데이터 통찰력을 전달하기 위해 구두, 구두 및 시각적 방법을 사용하는 데 능숙해야합니다. 비즈니스 중심의 데이터 과학자는 기업에서 의사 결정 지원 역할을하지만 비즈니스 분석가와 달리 수학, 과학, 엔지니어링 또는 그 이상의 모든 분야에서 학문적, 전문적 배경이 강하다는 점에서 다릅니다. 이것은 비즈니스 중심의 데이터 과학자들도 비즈니스 관리에 대한 강력한 실질적인 지식을 갖고 있다고 말했다.