Data Science
Data science biedt zinvolle informatie op basis van grote hoeveelheden complexe data of big data. Data science, of data-driven science, combineert verschillende werkvelden in statistiek en berekening om data te interpreteren voor besluitvormingsdoeleinden.
Data Science begrijpen
Gegevens zijn afkomstig uit verschillende sectoren, kanalen en platforms, waaronder mobiele telefoons, sociale media, e-commercesites, enquêtes in de gezondheidszorg en zoekopdrachten op internet. De toename van de hoeveelheid beschikbare gegevens opende de deur naar een nieuw studiegebied op basis van big data - de enorme datasets die bijdragen aan het creëren van betere operationele tools in alle sectoren.
De continu toenemende toegang tot gegevens is mogelijk vanwege de vooruitgang in technologie en verzameltechnieken. Individuele kooppatronen en gedrag kunnen worden gevolgd en voorspellingen worden gedaan op basis van de verzamelde informatie.
De steeds toenemende gegevens zijn echter ongestructureerd en vereisen parsing voor effectieve besluitvorming. Dit proces is complex en tijdrovend voor bedrijven - vandaar de opkomst van data science.
Data science, of data-driven science, gebruikt big data en machine learning om data te interpreteren voor besluitvormingsdoeleinden.
Een korte geschiedenis van data science
De term data science bestaat al bijna 30 jaar en werd oorspronkelijk gebruikt als vervanging voor "computer science" in 1960. Ongeveer 15 jaar later werd de term gebruikt om het overzicht te definiëren van gegevensverwerkingsmethoden die in verschillende toepassingen. In 2001 werd data science geïntroduceerd als een onafhankelijke discipline. De Harvard Business Review publiceerde in 2012 een artikel waarin de rol van de datawetenschapper wordt beschreven als de "meest sexy baan van de 21ste eeuw."
Belangrijkste leerpunten
- Vooruitgang op het gebied van technologie, internet, sociale media en het gebruik van technologie hebben allemaal de toegang tot big data verbeterd.
- Data science maakt gebruik van technieken zoals machine learning en kunstmatige intelligentie om betekenisvolle informatie te extraheren en toekomstige patronen en gedragingen te voorspellen.
- Het veld van data science groeit naarmate de technologie vordert en technieken voor het verzamelen en analyseren van big data steeds geavanceerder worden.
Hoe Data Science wordt toegepast
Data science omvat tools uit meerdere disciplines om een dataset te verzamelen, te verwerken en inzichten uit de dataset te halen, zinvolle data uit de set te extraheren en te interpreteren voor besluitvormingsdoeleinden. De disciplinaire gebieden die deel uitmaken van het vakgebied data science zijn mining, statistiek, machine learning, analytics en programmeren.
Datamining past algoritmen toe op de complexe dataset om patronen te onthullen die vervolgens worden gebruikt om nuttige en relevante gegevens uit de set te extraheren. Statistische metingen of voorspellende analyses gebruiken deze geëxtraheerde gegevens om gebeurtenissen te meten die waarschijnlijk in de toekomst zullen plaatsvinden op basis van wat de gegevens in het verleden hebben laten zien.
Machine learning is een hulpmiddel voor kunstmatige intelligentie dat enorme hoeveelheden gegevens verwerkt die een mens gedurende een leven niet zou kunnen verwerken. Machine learning vervolmaakt het beslissingsmodel dat wordt gepresenteerd onder voorspellende analyse door de waarschijnlijkheid van een gebeurtenis af te stemmen op wat er daadwerkelijk op een voorspeld tijdstip is gebeurd.
Met behulp van analytics verzamelt en verwerkt de data-analist de gestructureerde data uit de machine learning-fase met behulp van algoritmen. De analist interpreteert, converteert en vat de gegevens samen in een samenhangende taal die het besluitvormingsteam kan begrijpen. Data science wordt toegepast op praktisch alle contexten en, naarmate de rol van de data scientist evolueert, zal het veld zich uitbreiden tot data-architectuur, data-engineering en data-administratie.
Snelle feit
Volgens IBM zal de vraag naar datawetenschappers tegen 2020 naar verwachting met 28% toenemen.
De datawetenschapper gedefinieerd
Een datawetenschapper verzamelt, analyseert en interpreteert grote hoeveelheden data, in veel gevallen, om de bedrijfsvoering te verbeteren. Professionals in gegevenswetenschap ontwikkelen statistische modellen die gegevens analyseren en patronen, trends en relaties in gegevenssets detecteren. Deze informatie kan worden gebruikt om consumentengedrag te voorspellen of om bedrijfs- en operationele risico's te identificeren. De datawetenschapper is vaak een verteller die gegevensinzichten aan besluitvormers presenteert op een manier die begrijpelijk en toepasbaar is bij het oplossen van problemen.
Data Science vandaag
Bedrijven passen big data en data science toe op dagelijkse activiteiten om waarde voor de consument te creëren. Bankinstellingen profiteren van big data om hun fraudedetectiesuccessen te verbeteren. Activabeheerbedrijven gebruiken big data om de kans te voorspellen dat de prijs van een effect op een bepaald tijdstip omhoog of omlaag gaat.
Bedrijven zoals Netflix verzamelen big data om te bepalen welke producten aan hun gebruikers moeten worden geleverd. Netflix gebruikt ook algoritmen om gepersonaliseerde aanbevelingen voor gebruikers te maken op basis van hun kijkgeschiedenis. Data science evolueert razendsnel en de toepassingen ervan zullen levens in de toekomst blijven veranderen.
Vergelijk beleggingsrekeningen Aanbieder Naam Beschrijving Adverteerder Openbaarmaking × De aanbiedingen die in deze tabel worden weergegeven, zijn afkomstig van samenwerkingsverbanden waarvan Investopedia een vergoeding ontvangt.