EMC 调查区分 BI 和数据科学

上周发布了一项针对名自称为数据科学家或商业智能专业人士的决策者（加上名参加数据科学家峰会和/或竞赛的受邀者）的调查结果。上周发布了一项针对名自称为数据科学家或商业智能专业人士的决策者（加上 35 名参加数据科学家峰会和/或竞赛的受邀者）的调查结果。博客（其中数据科学家被称为“新摇滚明星”）对结论进行了很好的总结，您还可以在找到相关文章。以下是我从该报告中得到的一些要点以及它们与语言的关系：世界需要更多的数据科学家，统计调查显示的数据科学专业人士认为，未来5年数据科学人才将供不应求。更重要的是，大多数人认为新的数据科学家将从毕业班中找到。是大学统计教学的事实上的标准（许多学术机构不再负担或许可，更多的机构正在采用免费统计软件进行教学和研究），并且全球有超过万用户可能会使用语言。

新的数据科学家将接受 R 培训

根据我们客户的经验，这是企业越来越多地采用的关键因素。将会有更多的数据——以及更多的分析数据的动力。来自移动传感器、社交媒体、监控、医学成像的数据与传统的客户和交易数据相结合，创造了从数据中产生价值和见解的机会爆炸式增长。但调查显示，只有1/3的企业能够有效利用新数 卢森堡手机号码列表 据来辅助决策。这正是 R 语言的闪光点——让数据科学家可以自由地探索和组合不同的数据集，并想出新的方法来制作所有这些数据——数据公司正在投入巨资来收集和存储——最终得到回报。由于数据如此之多，能够使用语言应用大数据分析使成为此过程中的基本工具。数据科学和商业智能不是一回事。对我来说，这项调查最有趣的方面之一是它如何强调数据科学和商业智能之间的差异，因为调查参与者将自己定位为其中之一。

这尤其体现在 BI 专业人士

数据科学家对数据分析工具的选择上如下图更多阅读机器翻译翻译人工智能学习说全球语言人工智能改善营销策略的 4 种方式使用人工智能为消费者打造定制的电子商务体验人工智能带来强大的新型电子商务欺诈检测软件使用实现个性化学习 电话号码 MX 体验数据科学自称为商业智能专业人士的人这样做，这并不令人意外，这说明了和数据科学之间的关键区别。顺便说一句，我很惊讶不是数据分析和数据管理的选择 — 我希望专业人员在该用例中看到类似的使用水平。虽然数据科学是关于探索和学习数据是一个灵活性有限的流程，只能回答相当狭窄的问题范围。但是，随着企业开始受益于数据科学家从大数据中提取更复杂问题的答毫无疑问将需要将这些模预测和可视化交到商业智能受众手中而他们不会这样做。