Diferencias entre Data Science y Business Intelligence

Hasta hace muy poco la Business Intelligence era considerada como un elemento de lujo que sólo las grandes empresas se podían permitir.

Pero los datos se están convirtiendo en algo habitual y accesible. Su enorme variedad y cantidad permite a las empresas trascender de sus propios datos y adquirir nuevos conocimientos.

Se empieza a utilizar la Ciencia de los Datos como algo esencial, como un administrativo o un gerente.

Esta nueva ciencia permite a las empresas salir de la retrospectiva y el análisis de sus propios datos y empezar a ser predictivo, pro-activo y empírico.

Moverse desde el BI tradicional hacia la Ciencia de los Datos es un gran esfuerzo necesario para convertirse en una empresa dirigida por los datos, el famoso data-driven.

Las 10 grandes diferencias entre ambas tecnologías son:

  1. Perspectiva

    Los sistemas de BI están diseñados para mirar hacia atrás basados ​​en datos reales de eventos reales. La ciencia de los datos mira hacia adelante, interpretando la información para predecir lo que podría suceder en el futuro.

    Perspectiva según Escher

  2. Foco

    BI ofrece informes detallados, KPIs y tendencias, pero no indica cómo serán estos datos en el futuro. La Ciencia de los Datos lo hace en forma de patrones y mediante la experimentación.

    Foco

  3. Proceso

    Los sistemas tradicionales de BI tienden a ser estáticos y comparativos. No ofrecen espacio para la exploración y experimentación en términos de cómo se recogen y administran los datos.

    Proceso

  4. Fuentes de datos

    Debido a su naturaleza estática, las fuentes de datos BI tienden a ser pre-planificadas y agregadas lentamente. La ciencia de datos ofrece un enfoque mucho más flexible, ya que significa que las fuentes de datos se pueden agregar en el camino según sea necesario.

    Fuente

  5. Transformar

    La forma en que los datos ofrece una diferencia para el negocio es clave también. BI le ayuda a responder a las preguntas que sabe, mientras que la ciencia de datos le ayuda a descubrir nuevas preguntas debido a la forma en que anima a las empresas a aplicar conocimientos sobre nuevos datos.

    Transformación

  6. Almacenamiento

    Al igual que cualquier activo comercial, los datos deben ser flexibles. Los sistemas de BI tienden a ser almacenados y apilados, lo que significa que es difícil de implementar soluciones basados en ellos en el negocio. Los datos de la Data Science se puede distribuir en tiempo real.

    Almacenaje

  7. Calidad de los datos

    Cualquier análisis de datos es tan bueno como la calidad de los datos que utiliza. BI proporciona una versión única de la verdad, mientras que la ciencia de datos ofrece precisión, nivel de confianza y probabilidades mucho más amplias con sus hallazgos.

     

    Calidad

  8. Propiedad de IT versus propiedad de negocios

    En el pasado, los sistemas de BI a menudo eran propiedad y operados por el departamento de IT, enviando la información a los analistas que la interpretaban. Con la Ciencia de los Datos, los analistas están al mando. Las nuevas soluciones Big Data están diseñadas para ser producidas por el analista, que pasan muy poco de su tiempo en recoger y almacenar los datos y la mayoría del tiempo analizando datos y haciendo predicciones sobre las cuales basar las decisiones de negocios.

    Propiedad IT

  9. Análisis

    Es mucho menos probable que un sistema retrospectivo y prescriptivo de BI sea colocado para hacer esto que un programa predictivo de ciencias de datos.

    Análisis

  10. Valor de negocio

    El análisis de los datos debe informar las decisiones empresariales en el mejor interés de la empresa, lo que significa demostrar valor en el aquí y ahora y predecir en el futuro. La ciencia de los datos está mucho mejor ubicada para hacer esto que BI.

    Valor de negocio

 

En vista de lo anterior, no debería sorprendernos que las empresas están impulsando sus inversiones en las estrategias de Big Data y plataformas de entrega, impulsado por Data Science.

Sin embargo, la inversión financiera es secundaria al cambio mental que se requiere para tener éxito realmente con los datos grandes. Las comprobaciones y los casos de uso deben ser introducidos para convencer a todos los interesados ​ a cambiar a la verdadera cultura basada en datos que es una base necesaria para una exitosa estrategia de Big Data Analytics.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *