知识卡片
商业智能与数据科学的分野
两条时间轴 商业智能面向过去与现在:报表、仪表板、查询,回答季初到现在收入多少、季度目标完成率、某产品某季度销量。问题多是预设、可预期的,用于解释“何时”“何地”。
数据科学面向未来:用时间序列、场景优化、分类等方法预测销售与收入,处理开放式问题,回答“如何”“为何”。这种预测比简单外推趋势线更精准。
数据要求不同 商业智能依赖按行列组织的高度结构化数据,否则报表不准;数据科学可以吃多源、大型、非常规数据,包括文本与非结构化数据。
不是替代关系 选择取决于目标:要固定报表、仪表盘、简单可视化,商业智能更快更稳;要做预测、分类、场景比较,才需要数据科学。把两者对立会误导——成熟组织往往让商业智能守住经营监控,让数据科学处理开放问题,并用同一套数据治理衔接。真正的判断问题是:这次决策需要回顾既成事实,还是在不确定中比较几种未来。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第1章 大数据分析介绍 · 查看原书依据
商业智能主要是提供一些事后见解和观点,一般用于解释事件发生的“时间”和“地点”。 相比之下,数据科学(Data Science)主要是用更有前瞻性和探索性的方式来使用分类数据,着重分析当前的情况,为未来的决策提供数据参考。
参考来源
- 位置:《数据科学与大数据分析 数据的发现 分析 可视化与表示》第1章 大数据分析介绍(源文件:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0011_split_002.html)
- 结论依据:1.2.1 节从时间范围、方法类型、数据要求和适用目标对比商业智能与数据科学,并给出按目标选择项目的建议。
- 原始内容:商业智能主要是提供一些事后见解和观点,一般用于解释事件发生的“时间”和“地点”。 相比之下,数据科学(Data Science)主要是用更有前瞻性和探索性的方式来使用分类数据,着重分析当前的情况,为未来的决策提供数据参考。