Data Science
Datavetenskap ger meningsfull information baserad på stora mängder komplexa data eller big data. Datavetenskap, eller datadriven vetenskap, kombinerar olika arbetsområden inom statistik och beräkning för att tolka data för beslutsändamål.
Förstå datavetenskap
Data hämtas från olika sektorer, kanaler och plattformar inklusive mobiltelefoner, sociala medier, e-handelswebbplatser, hälsoundersökningar och internetsökningar. Ökningen i mängden tillgängliga data öppnade dörren till ett nytt studieområde baserat på big data - de enorma datamängderna som bidrar till att skapa bättre operativa verktyg inom alla sektorer.
Den ständigt ökande tillgången till data är möjlig på grund av framsteg inom teknik och insamlingstekniker. Individer som köper mönster och beteende kan övervakas och förutsägelser göras baserat på den insamlade informationen.
De ständigt ökande uppgifterna är emellertid ostrukturerade och kräver analysering för effektiv beslutsfattande. Denna process är komplex och tidskrävande för företag - därmed uppkomsten av datavetenskap.
Datavetenskap, eller datadriven vetenskap, använder big data och maskininlärning för att tolka data för beslutsändamål.
En kort historik för datavetenskap
Termen datavetenskap har funnits under större delen av de senaste 30 åren och användes ursprungligen som en ersättning för "datavetenskap" 1960. Cirka 15 år senare användes termen för att definiera undersökningen av databehandlingsmetoder som användes i olika tillämpningar. 2001 introducerades datavetenskap som en oberoende disciplin. Harvard Business Review publicerade en artikel 2012 som beskrev datavetenskapens roll som det "sexigaste jobbet på 2000-talet."
Key Takeaways
- Framstegen inom teknik, Internet, sociala medier och användning av teknik har alla ökat tillgången till big data.
- Datavetenskap använder tekniker som maskininlärning och konstgjord intelligens för att extrahera meningsfull information och för att förutsäga framtida mönster och beteenden.
- Datavetenskapens område växer i takt med att teknologin utvecklas och insamling och analys av teknik för big data blir mer sofistikerad.
Hur datavetenskap tillämpas
Datavetenskap innehåller verktyg från flera discipliner för att samla in en datauppsättning, bearbeta och härleda insikter från datauppsättningen, utvinna meningsfulla data från uppsättningen och tolka dem för beslutsändamål. De disciplinära områden som utgör datavetenskapsområdet inkluderar gruvdrift, statistik, maskininlärning, analys och programmering.
Data mining tillämpar algoritmer på den komplexa datauppsättningen för att avslöja mönster som sedan används för att extrahera användbar och relevant data från uppsättningen. Statistiska mätningar eller prediktiv analys använder dessa extraherade data för att mäta händelser som sannolikt kommer att hända i framtiden baserat på vad data visar hänt tidigare.
Maskininlärning är ett konstgjord intelligensverktyg som bearbetar massmängder data som en människa inte skulle kunna bearbeta under en livstid. Maskininlärning kompletterar beslutsmodellen som presenteras under prediktiv analys genom att matcha sannolikheten för att en händelse händer med vad som faktiskt hände vid en förutsedd tid.
Med hjälp av analys samlar och bearbetar dataanalytikern strukturerade data från maskininlärningssteget med hjälp av algoritmer. Analytiker tolkar, konverterar och sammanfattar data till ett sammanhängande språk som beslutsfattande team kan förstå. Datavetenskap tillämpas i praktiskt taget alla sammanhang och när datavetenskapens roll utvecklas kommer fältet att utvidgas till att omfatta dataarkitektur, datateknik och datadministration.
Snabb fakta
Enligt IBM förväntas efterfrågan på datavetare öka med 28% fram till 2020.
Datavetenskapsmannen definierade
En datavetare samlar in, analyserar och tolkar stora mängder data, i många fall för att förbättra företagets verksamhet. Dataforskare utvecklar statistiska modeller som analyserar data och upptäcker mönster, trender och förhållanden i datamängder. Denna information kan användas för att förutsäga konsumentbeteende eller för att identifiera affärs- och operativa risker. Datavetenskapsmannen är ofta en berättare som presenterar datainsikt för beslutsfattare på ett sätt som är förståeligt och tillämpligt för problemlösning.
Datavetenskap idag
Företag tillämpar big data och datavetenskap på vardagliga aktiviteter för att skapa värde för konsumenterna. Bankinstituten drar nytta av big data för att förbättra deras framgångar för bedrägeri. Kapitalförvaltningsföretag använder big data för att förutsäga sannolikheten för att ett värdepappers pris går upp eller ner vid en angiven tidpunkt.
Företag som Netflix bryter stora data för att avgöra vilka produkter de ska leverera till sina användare. Netflix använder också algoritmer för att skapa personliga rekommendationer för användare baserat på deras visningshistorik. Datavetenskapen utvecklas snabbt och dess tillämpningar kommer att fortsätta att förändra liv in i framtiden.
Jämför investeringskonton Leverantörs namn Beskrivning Annonsörens upplysning × Erbjudandena som visas i denna tabell kommer från partnerskap från vilka Investopedia erhåller ersättning.