Βλέποντας Τι πρέπει να γνωρίζετε όταν ξεκινάτε στην Επιστήμη Δεδομένων

Μέρος της Data Science For Dummies Cheat Sheet

Παραδοσιακά, τα μεγάλα δεδομένα είναι ο όρος για δεδομένα που έχουν απίστευτο όγκο, ταχύτητα και ποικιλία. Οι παραδοσιακές τεχνολογίες βάσεων δεδομένων δεν είναι σε θέση να χειρίζονται μεγάλα δεδομένα - απαιτούνται πιο καινοτόμες λύσεις με μηχανικές μεθόδους. Για να αξιολογήσετε το σχέδιό σας για το κατά πόσο χαρακτηρίζεται ως μεγάλο έργο δεδομένων, λάβετε υπόψη τα ακόλουθα κριτήρια:

• Όγκος: Μεταξύ 1 terabyte / έτος και 10 petabytes / έτος

  ->

• Ταχύτητα: Μεταξύ 30 kilobytes / δευτερόλεπτο και 30 gigabytes / δευτερόλεπτο

• Ποικιλία: Συνδυασμένες πηγές μη δομημένων, ημιδομημένων και δομημένων δεδομένων < η μηχανική των δεδομένων δεν είναι η ίδια

Οι διαχειριστές μίσθωσης τείνουν να συγχέουν τους ρόλους του επιστήμονα δεδομένων και του μηχανικού δεδομένων. Ενώ είναι δυνατό να βρεθεί κάποιος που κάνει λίγα και από τα δύο, κάθε πεδίο είναι απίστευτα περίπλοκο. Είναι απίθανο να βρείτε κάποιον με ισχυρές δεξιότητες και εμπειρία και στις δύο περιοχές. Για το λόγο αυτό, είναι σημαντικό να μπορείτε να προσδιορίσετε τι είδους ειδικός είναι πιο κατάλληλος για να σας βοηθήσουμε να επιτύχετε τους συγκεκριμένους στόχους σας. Οι παρακάτω περιγραφές θα σας βοηθήσουν να το κάνετε αυτό.

Μηχανικοί δεδομένων:

• Οι μηχανικοί δεδομένων χρησιμοποιούν δεξιότητες στην επιστήμη των υπολογιστών και στη μηχανική λογισμικού για να σχεδιάσουν συστήματα και να επιλύσουν προβλήματα με το χειρισμό και τον χειρισμό μεγάλων συνόλων δεδομένων.

• Η επιστήμη των δεδομένων και η επιχειρησιακή ευφυΐα δεν είναι επίσης τα ίδια Οι επιστήμονες δεδομένων που ασχολούνται με τις επιχειρήσεις και οι επιχειρηματικοί αναλυτές που κάνουν επιχειρηματική ευφυΐα είναι σαν τους ξαδέλφους. Και οι δύο τύποι ειδικών δεδομένων χρήσης για την επίτευξη των ίδιων επιχειρηματικών στόχων, αλλά οι προσεγγίσεις, οι τεχνολογίες και οι λειτουργίες τους είναι διαφορετικές. Οι παρακάτω περιγραφές περιγράφουν τις διαφορές μεταξύ των δύο ρόλων.

  Business Intelligence (BI):

Οι λύσεις BI γενικά κατασκευάζονται χρησιμοποιώντας σύνολα δεδομένων που παράγονται εσωτερικά - μέσα από έναν οργανισμό και όχι από το άλλο, με άλλα λόγια. Τα κοινά εργαλεία και τεχνολογίες περιλαμβάνουν την online αναλυτική επεξεργασία, το μετασχηματισμό και το φορτίο εξαγωγής και την αποθήκευση δεδομένων. Παρόλο που η ΒΙ περιλαμβάνει μερικές φορές μεθόδους όπως η πρόβλεψη, οι μέθοδοι αυτές βασίζονται σε απλά μαθηματικά συμπεράσματα από ιστορικά ή τρέχοντα δεδομένα.

Επιστήμη δεδομένων με γνώμονα τις επιχειρήσεις:

• Οι επιχειρηματικές λύσεις για την επιστήμη δεδομένων δημιουργούνται χρησιμοποιώντας σύνολα δεδομένων που είναι εσωτερικά και εξωτερικά ενός οργανισμού. Τα κοινά εργαλεία, οι τεχνολογίες και οι ικανότητες περιλαμβάνουν τις πλατφόρμες ανάλυσης που βασίζονται σε cloud, τον στατιστικό και μαθηματικό προγραμματισμό, την εκμάθηση μηχανών, την ανάλυση δεδομένων χρησιμοποιώντας Python και R και την προηγμένη οπτικοποίηση δεδομένων. Οι επιστήμονες δεδομένων με επίκεντρο τις επιχειρήσεις χρησιμοποιούν προηγμένες μαθηματικές ή στατιστικές μεθόδους για να αναλύουν και να παράγουν προβλέψεις από τεράστια ποσά επιχειρηματικών δεδομένων.