Data Science en Business Intelligence. Wat is het verschil nu eigenlijk?

business-meeting-office-documents-account-managers-crew-working-with-new-startup-project-idea-presentation-analyze-marketing-plans_1423-858

Wat is data science?

Data science is een vrij nieuwe term binnen bedrijven, opleidingen en instituten. Het werk van een data scientist bestaat echter al best lang. De moderne data scientist is pas de afgelopen 10 tot 15 jaar ontstaan door bedrijven als Google en Facebook. Er was noodzaak om inzicht te krijgen uit de enorme data hoeveelheid die beschikbaar werd.

Voorzichtig beginnen zowel grote als kleine bedrijven in te zien dat er wat gedaan moet worden met de overvloed aan data die nu aanwezig is. De meeste bedrijven hebben daarvoor dus nu data- en business analisten in dienst. De rol van een data analist is vaak het analyseren en verkrijgen van inzichten gebaseerd op eigen data. Deze uitleg heeft veel weg van een zowel data science als business intelligence (BI). Wat is het verschil dan precies?

Naast verschillen zijn er ook veel overlappingen tussen data science en BI. Ook is het een extensie van het ander in veel opzichten. Om te beginnen een paar overeenkomsten:

 

1. Zowel data science als BI zijn analytisch van aard en gebaseerd op data

2. Er wordt gebruik gemaakt van statistische modellen en het verkrijgen van inzichten

3. Visualisatie van data is voor beide een belangrijk onderdeel

 

Het grote verschil heeft te maken met de aanpak van zowel data science als BI. BI is veel meer gerelateerd aan databases, die gestructureerde informatie van bijvoorbeeld bedrijven of organisaties bevatten. Vaak worden deze databases gemaakt door een business analist om bepaalde vraagstukken te beantwoorden. Dit zijn vragen zoals: wat is er afgelopen tijd gebeurd en wat kunnen wij hiervan leren? Bepaalde vraagstukken kunnen te maken hebben met bijvoorbeeld sales data.

In data science wordt veel meer gebruik gemaakt van wetenschappelijke methodes met data. Daarbij hoeft data niet zozeer gestructureerd te zijn, wat vaak wel bij BI het geval zijn. Data science wordt vaak gebruikt bij een mix van allerlei soorten data (text, nummers, afbeeldingen, geluid, etc) om nieuwe inzichten te krijgen. De scope van data science is in dat opzicht veel breder dan BI. Vanuit inzichten kunnen nieuwe tools gemaakt worden die direct impact hebben op een bedrijfsvoering. Deze tools kunnen variëren van het detecteren van bepaalde gegevens, tot aan het voorspellen van data.  Ook is de focus veel meer gericht op het maken algoritmes die processen meteen verbeteren.

In BI, wordt data vaak geïnterpoleerd en geëxtrapoleerd om tot bepaalde predicties te komen. Denk bijvoorbeeld aan het voorspellen van bepaalde prijzen van auto’s nadat ze verkocht zijn. In data science, wordt data op een wetenschappelijke manier getraind en getest om een zo accuraat mogelijke predictie te maken. Deze manier van voorspellen is vaak veel accurater en meer statistisch onderbouwd.

 

 

Conclusie

Om samen te vatten, is data science is in veel opzichten een verlengde van BI. Veel aspecten komen in zowel data science als BI voor. De aanpak is echter anders, wat ook vaak tot andere resultaten en toepassingen leidt.

Mocht je dit artikel leuk vinden, kijk dan ook even naar onze andere artikelen!

DataCrunch V.O.F.