Datavitenskap
Data science gir meningsfull informasjon basert på store mengder komplekse data eller big data. Datavitenskap, eller datadrevet vitenskap, kombinerer forskjellige arbeidsfelt innen statistikk og beregning for å tolke data til beslutningsformål.
Forstå Data Science
Data hentes fra forskjellige sektorer, kanaler og plattformer, inkludert mobiltelefoner, sosiale medier, e-handelssider, helseundersøkelser og Internett-søk. Økningen i datamengden tilgjengelig åpnet døren til et nytt studieretning basert på big data - de massive datasettene som bidrar til å skape bedre operative verktøy i alle sektorer.
Stadig økende tilgang til data er mulig på grunn av fremskritt innen teknologi og innsamlingsteknikker. Enkeltpersoner som kjøper mønstre og atferd kan overvåkes og spådommer fremsettes basert på den innsamlede informasjonen.
Imidlertid er de stadig økende dataene ustrukturerte og krever analysering for effektiv beslutningstaking. Denne prosessen er kompleks og tidkrevende for selskaper - derav fremveksten av datavitenskap.
Datavitenskap, eller datadrevet vitenskap, bruker big data og maskinlæring for å tolke data til beslutningsformål.
En kort historie om datavitenskap
Begrepet data science har eksistert i den bedre delen av de siste 30 årene og ble opprinnelig brukt som erstatning for "informatikk" i 1960. Cirka 15 år senere ble begrepet brukt for å definere kartleggingen av databehandlingsmetoder som ble brukt i forskjellige applikasjoner. I 2001 ble datavitenskap introdusert som en uavhengig disiplin. Harvard Business Review publiserte i 2012 en artikkel som beskrev dataforskerens rolle som den "mest sexy jobben i det 21. århundre."
Viktige takeaways
- Fremskritt innen teknologi, Internett, sosiale medier og bruk av teknologi har alle økt tilgangen til big data.
- Datavitenskap bruker teknikker som maskinlæring og kunstig intelligens for å hente ut meningsfull informasjon og for å forutsi fremtidige mønstre og atferd.
- Datavitenskapens felt vokser etter hvert som teknologien utvikler seg og innsamling og analyseteknikk av data blir mer sofistikert.
Hvordan datavitenskap brukes
Datavitenskap inneholder verktøy fra flere fagfelt for å samle et datasett, prosessere og utlede innsikt fra datasettet, trekke ut betydningsfulle data fra settet og tolke det til beslutningsformål. Fagområdene som utgjør datavitenskapfeltet inkluderer gruvedrift, statistikk, maskinlæring, analyse og programmering.
Data mining bruker algoritmer til det komplekse datasettet for å avsløre mønstre som deretter brukes til å trekke ut nyttige og relevante data fra settet. Statistiske mål eller prediktiv analyse bruker disse ekstraherte dataene for å måle hendelser som sannsynligvis vil skje i fremtiden basert på hva dataene viser skjedd i fortiden.
Maskinlæring er et kunstig intelligensverktøy som behandler massemengder data som et menneske ikke ville kunne behandle i løpet av livet. Maskinlæring perfeksjonerer beslutningsmodellen som presenteres under prediktiv analyse ved å matche sannsynligheten for at en hendelse skal skje med det som faktisk skjedde på et forutsagt tidspunkt.
Ved hjelp av analyser samler inn og behandler dataanalytikeren de strukturerte dataene fra maskinlæringstrinnet ved hjelp av algoritmer. Analytikeren tolker, konverterer og oppsummerer dataene til et sammenhengende språk som beslutningsteamet kan forstå. Datavitenskap brukes i praktisk talt alle sammenhenger, og etter hvert som dataforskerens rolle utvikler seg vil feltet utvides til å omfatte dataarkitektur, datateknikk og datadministrasjon.
Rask fakta
I følge IBM forventes etterspørselen etter dataforskere å øke med 28% innen 2020.
Datavitenskapelig definert
En dataforsker samler inn, analyserer og tolker store datamengder, i mange tilfeller, for å forbedre selskapets virksomhet. Dataforskere utvikler statistiske modeller som analyserer data og oppdager mønstre, trender og sammenhenger i datasett. Denne informasjonen kan brukes til å forutsi forbrukeratferd eller til å identifisere forretnings- og operasjonelle risikoer. Datavitenskapsmannen er ofte en historieforteller som presenterer datainnsikt for beslutningstakere på en måte som er forståelig og anvendelig for problemløsing.
Data Science i dag
Bedrifter bruker big data og data science på hverdagslige aktiviteter for å gi forbrukere verdi. Bankinstitusjoner utnytter store data for å forbedre suksessoppdagelsen. Forvaltningsforetak bruker big data for å forutsi sannsynligheten for at en sikkerhets pris flytter seg opp eller ned på et angitt tidspunkt.
Selskaper som Netflix utvinner big data for å finne ut hvilke produkter de skal levere til brukerne. Netflix bruker også algoritmer for å lage tilpassede anbefalinger for brukere basert på visningshistorikken deres. Datavitenskap utvikler seg raskt, og applikasjonene vil fortsette å endre liv inn i fremtiden.
Sammenlign Navn på leverandør av investeringskontoer Beskrivelse Annonsørens avsløring × Tilbudene som vises i denne tabellen er fra partnerskap som Investopedia mottar kompensasjon fra.