业务分析和数据科学之间有什么区别?


回答 1:

业务分析和数据科学都涉及到数据的获取,例如数据采集,数据建模和信息收集。

两者之间的主要区别在于:

顾名思义,业务分析专用于与业务相关的问题,例如利润等,而数据科学则回答诸如客户行为对业务的影响之类的问题。

数据科学将数据的力量与算法构建和技术相结合,可以回答一系列问题。 最近,机器学习和人工智能已经开始研究,并准备将数据科学推向新的高度。 另一方面,业务分析是利用统计概念对公司数据进行分析,以获得解决方案和见解。

想要成为数据科学家?

让我们看一下两者之间的一些基本区别:

数据科学行业排行榜:

  • 科技金融电子商务学术

业务分析领域的热门行业:-

  • 金融技术市场营销零售

数据科学领域涉及将传统分析实践与良好的编程知识相结合,而业务分析则不需要太多的编码。

更重要的是,我们还讨论每个领域中的各种挑战:

数据科学:

有时,数据科学家很难获得正确的数据以得出正确的业务见解,即使他们获得了数据,数据清理也要占用数据科学家80%的流程,对数据进行建模需要20%的剩余时间。

因此,不可用或难以访问数据是数据科学家面临的主要挑战!

然后,领域理解是提出正确问题的非常重要的标准。 当数据科学家遇到业务问题时,只有当他向业务用户提出正确的问题然后对他们进行工作时,他才能得出有用的见解。 但是,如果他对域没有正确的了解,他将无法做到这一点。

同样,在业务分析中,缺乏领域专家的投入也是一个重大挑战。 在这些领域中,如果有数据的可用性和可访问性,则工作将更加流畅和快捷。

数据科学与业务分析之间的主要区别:

·数据科学同时使用结构化和非结构化数据,而业务分析主要使用结构化数据。

·在数据科学上的投资成本很高,而业务分析的成本很低。

·数据科学是使用统计,算法和技术进行数据研究的科学,而业务分析是对业务数据的统计研究。

但是,数据科学和业务分析都为员工提供了很多学习和提高自己的能力。

有兴趣学习数据科学吗?

观看以下视频以了解并开始学习:

  1. 使用Python进行数据科学:

2.带有R的数据科学:

要了解有关机器学习的更多信息并获得专门知识,请查看我们的Simplilearn的机器学习认证培训


回答 2:

数据科学本质上是在尝试查看数据,并试图最好地理解我们可以从给定的数据中提取什么样的属性,以及如何重新组合自身。 牢记一个特定的目标,达到目标的最佳方法是什么? 因此,在数据科学中,该方法将与问题无关。 可能,人们可以尝试将大量数据分组或进行预测,所有这些都将落入数据科学领域。

Business Analytics [1]将所有这些算法转换为决策规则,最终Business Analytics涉及做出决策[2],并且决策参数应基于非常简单的事物。 我们不能使决策参数非常复杂。

例如,数据科学将拥有一百万个信用卡客户的记录,您可能正在尝试开发一个模型,以从信用贷款的坏客户中找出好的客户。 业务分析旨在为它制定决策规则。 业务分析师将查看所有这些数据,并得出一个简单的规则,即如果客户的信用评分高于特定百分比(比如说95%)或收入高于10 LAcs并且受抚养人的数量较少,则客户就可以成为好客户比3。否则,客户不利于信用贷款。 因此,在应用业务分析时要牢记非常具体的目标。 在数据科学中,您仅关注准确性,而业务分析与准确性无关。 它是关于可以实现的或对客户有用的。 因此,只要模型提供可以采取行动的洞察力,业务分析通常就会在准确性上有所妥协。 为了理解结果,业务分析将需要大量的投入和直觉。

如果候选人真的想进行分析是因为可以做很多有趣的事情,以及如何理解数据并做好事,那么他们应该进行数据科学研究,但是如果候选人正在尝试解决现实世界问题(甚至可能是用英语提出的问题),那么业务分析中的事情就容易多了。这就是为什么我们拥有可满足这两个群体的程序PGP-BABI和PGP-BDML。

脚注

[1]什么是业务分析? -很棒的学习

[2]什么是深度学习? -很棒的学习


回答 3:

业务分析师-分配给业务分析师的任务包括评估组织有关其运营和职能的要求。 他们收集所有需要隐含的信息,并因此要求开发人员进行开发。 这也包括验收标准。

示例-让我们以Microsoft PowerPoint为产品,产品经理想要添加一个新功能,其中要包括表情符号。 因此,BA将在这里写一个故事,他将在非常详细的级别上解释确切需要完成的操作,例如应该在哪个菜单下,其快捷按钮在哪里等。 开发人员需要实现同样的功能。

数据分析师-数据分析师的主要任务是收集,处理和分析数据。 他们准备报告,这些报告可以采用可视化的形式,例如图形,图表和仪表板,详细说明他们得出的重要结果。

示例-让我们以EBay为例,组织要求就像他们想知道没有人直接通过广告或区域特定网站访问该网站。 因此,这里的数据分析师将进行一些挖掘,并给出报告说,这些人正直接点击这些人,而通过广告访问该网站的人数却是零头。 因此,通过这种方式,组织将做出决定并做有需要的事情。 就像他们需要在哪个区域集中精力等等。

数据科学家-数据科学家是从业务角度理解数据的专业人员。 他负责做出预测,以帮助企业做出准确的决策。 他们比数据分析师领先一步。

编辑1:数据科学家和数据分析师之间的区别