Business Analytics, Data Analytics, and Data Science: An Introduction

Istruttore: Ok, è arrivato il momento di creare un diagramma che faccia luce sulle discipline più diffuse nel campo della scienza dei dati e su come si intrecciano tra loro. Come sapete, non è tutto particolarmente chiaro, ma il diagramma che segue vi aiuterà a districare la confusione delle attività nel campo della scienza dei dati e del business. Tenetevi stretti i vostri cappelli. Iniziamo con un elenco di termini che coprono alcuni aspetti della sfera aziendale, studi di casi aziendali, analisi qualitativa, rapporto preliminare sui dati, report con immagini, creazione di dashboard e test AB. Niente panico, vi spieghiamo subito il significato di ciascuno di questi termini. Prima, però, prendetevi un momento per pensare a cosa hanno in comune. Proprio così. Fanno tutti parte del mondo degli affari. Bene. Pensiamo ora a quanto segue. Quanti di questi termini riguardano il lavoro con i dati? Se disegnassimo un altro rettangolo e vi inserissimo le attività per le quali è essenziale avere a disposizione i dati, quali, se ci sono, si sovrapporrebbero al rettangolo aziendale? La risposta è: alcuni. Questo perché alcune attività aziendali sono basate sui dati, mentre altre sono soggettive o basate sull'esperienza. Naturalmente, ci sono discipline che si sovrappongono. Le posizioneremo nell'area comune dei due rettangoli. Quindi vediamo. Quale dei sottocampi del nostro elenco rappresenta un'attività commerciale che coinvolge i dati? I dati vi serviranno per creare un rapporto preliminare, una rappresentazione visiva delle prestazioni della vostra azienda nell'ultimo anno, un cruscotto aziendale e, come vedrete tra poco, per effettuare test AB e scegliere le migliori versioni successive del vostro prodotto. Quindi queste quattro etichette possono stare comodamente nell'area di sovrapposizione. Gli altri due termini, business case studies e qualitative analytics, vengono lasciati in disparte perché appartengono solo alla sfera del business. Non sono legati al lavoro con i dati, intesi come dati quantitativi. Analizziamo il perché. I casi di studio aziendali sono esperienze reali di come uomini d'affari e aziende hanno successo o falliscono. Non è necessario un set di dati per imparare dai casi aziendali. Semplice, no? Lo stesso si può dire per l'analisi qualitativa. Come accennato nel video precedente, si tratta di utilizzare il proprio intuito e la conoscenza del mercato per aiutare il processo di pianificazione futura. Le cose stanno già diventando più chiare. Questo è il momento perfetto per introdurre una linea temporale nel nostro grafico. Il motivo è che alcuni dei termini che vedete si riferiscono ad attività che mirano a spiegare il comportamento passato, mentre altri si riferiscono ad attività utilizzate per prevedere il comportamento futuro. Tagliamo l'immagine all'incirca al centro. Questa linea rappresenterà il presente. Ok. Pertanto, tutti i termini che si trovano a destra di questa linea riguarderanno l'analisi, la pianificazione e la previsione del futuro, mentre quelli che si trovano a sinistra della linea saranno legati all'analisi di eventi o dati passati. Perfettamente, i casi di studio aziendali esaminano eventi già accaduti. Per esempio, si potrebbe imparare da loro e cercare di evitare di commettere un errore simile in futuro, giusto? Di conseguenza, potremmo dire che lo studio dei casi aziendali fa parte della vostra analisi, quindi questa attività si riferisce al passato. Pertanto, deve trovarsi a sinistra della linea verticale del nostro grafico. Lo sposteremo leggermente in alto per poterlo contrapporre all'altro termine commerciale, l'analisi qualitativa. Questo include il lavoro con strumenti che aiutano a prevedere il comportamento futuro, quindi devono essere collocati a destra. In sostanza, ciò che abbiamo ora è l'analisi qualitativa, che appartiene all'area della business analytics. Mentre l'apprendimento da casi di studio aziendali fa parte della vostra analisi aziendale. Tuttavia, questo non è ciò che molti professionisti direbbero in pratica, l'analitica è diventata un termine che comprende sia l'analisi che l'analitica. Sebbene ciò sia in contrasto con quanto spiegato in precedenza, permetteteci di accettare il gergo del settore e di lasciare la business analytics come etichetta per l'intero insieme di processi aziendali che vedete nel grafico. Può sembrare che stiamo facendo confusione, ma alla lunga le cose saranno più semplici. Bene, speriamo di aver iniziato a capire molti di questi termini e la loro corrispondenza con gli altri. E il resto dei termini che vedete nel diagramma? La preparazione di un report o di un dashboard riflette sempre i dati passati, quindi questi termini rimarranno inalterati. Sebbene i test AB comportino l'analisi di dati passati, si tratta di un'attività orientata al futuro che mira a prevedere i risultati futuri. Si tratta di ipotizzare quale delle due potenziali versioni di prodotto o trattamento o politica, A e B, sarebbe più sensato implementare successivamente, in modo da poter spostare i test AB a destra della linea tratteggiata in grassetto, assicurandosi che rimangano all'interno dell'intersezione tra business analytics e dati. Anche in questo caso, è prassi comune utilizzare il termine comprensivo di data analytics per riferirsi sia alle analisi che alle analisi. Anche se ormai conosciamo il significato di questi termini, per semplificare le cose è bene seguire gli standard degli altri professionisti del settore. Ok, bene. Continuiamo con l'aggiunta di un altro termine. Il più scintillante di tutti. Scienza dei dati. La scienza dei dati è una disciplina che si basa sulla disponibilità di dati, soprattutto quantitativi, mentre la business analytics non si basa completamente sui dati. Tuttavia, la scienza dei dati e la parte aziendale dell'analisi dei dati, soprattutto quella che utilizza complessi strumenti matematici, statistici e di programmazione. Di conseguenza, il rettangolo verde che rappresenta la scienza dei dati nel nostro diagramma non si sovrapporrà completamente alla data analytics, ma raggiungerà un punto oltre l'area della business analytics. Ok, bene. Questo significa che i rapporti preliminari sui dati con le visualizzazioni, la creazione di dashboard e i test AB sono di interesse per un data scientist? Sì, assolutamente. Speriamo che il diagramma vi aiuti a visualizzare come si incastrano tutti i pezzi, perché non abbiamo ancora finito. Continueremo con alcune delle restanti discipline legate al mondo del business e della scienza dei dati nel nostro prossimo video. Ci vediamo lì.