Q1:
數據科學 VS 商業分析

 數據科學與商業分析不同於目的與技術

定義

數據科學有許多專業領域,其中可大致分類為 數據科學商業分析。這兩種領域最大的差別在其目的與分析技術的層次。1

數據科學可以被理解成一的集合名詞,他基本上包含了所有的領域:數據工程、分析、機器學習與人工智能等。

商業分析基本上也是數據科學的一部分,但因為商業分析特別強調在「商業上的效益」,所以不論在技術與分析流程都有不同的意義。

商業中的數據分析

為了求與商業上的最大利益,許多中小型企業開始重視將資訊與數據視為一種資產,並有效的利用這種資產來提高公司的收益,進一步提升整理效能。

因為在商業上大部分的行動都講求效率與回報,數據分析的型態也就因而改變。有效的溝通與能讓人理解的數據分析手段成了商業分析的主流。

看圖說話?

商業分析主要以數據呈現為主。有效、能溝通的分析方式就是商業分析的重點,所以 可視化 (Visualisation) 就成了主流。

可視化意思是將繁瑣的數據圖像化,讓使用者能有效地透過圖形與量化的圖像快速取的資訊。市場上主要透過可視化分析數據的軟體我們之為:商業智能 (Business intelligence)。

商業智能軟體運用簡單的拖拉操作,不需編程與數學基礎,一般人就能快速地呈現似專業的數據分析。

Tableau 商業智能軟體的領導者之一

透過直覺好操作的商業智能軟體,很多中小企業就可以有效地將儲存的數據加以分析,運用分析的結果提升各種績效。

然而商業分析存在著缺點與限制。因為商業智能軟體決大部分僅限於數據分析種類中的描述性分析,分析結果僅呈現了「發生了什麼事」但相對較難解釋「為何發生」與「如何防止」等更深入的技術性分析,這時就需要複雜系統性分析的數據科學。

數據與科學

數據科學其實就是將數據科學化。透過許多不同領域的交互驗證與結合。數據科學企圖解決並解釋所有發生在數據上的變化。

數據科學涵蓋的領域有:電腦、編程、資訊、純數、演算法、統計與機率等在不同程次提供有效的分析。所有分析目的只有簡單一個,就是協助或超越人類做決策的能力。

上述我們大致了解了商業智能如何幫助企業快速地呈現數據,但其中有極大一部分是未被解釋的。

為了更精準地找到原因、預測或預防再次發生,在往上一個層次的分析就需要透過編程,更有彈性的透過不同的分析技巧,找出在大量數據中所隱藏的訊息。

開始你的旅程

OK,所以我該學商業分析還是從數據分析開始?

你並不孤單,事實上當你問了這個問題時,你已經超越了許多人,因為你已經大致的了解在數據科學中的一個重要分界:是否需要編程。

接下來我們建議您閱讀 Q2: 我需要學編程嗎? 新手入門系列第二篇,幫您理解究竟編程有多簡單或難,為何許多人都卡在這一步。

當然如果您準備好了,可以直接從以下課程開始進入數據科學領域專業課程!

註1: 我們這裡闡述病定義的「數據科學」與「商業智能」僅屬教學有效入門的區分方式,並非所有產業的絕對定義。某些產業或公司也許有全然不同理解。

數據科學 Part 1: 入門

認識數據科學