登录 / 注册
IT168大数据频道
IT168首页 > 大数据 > 大数据资讯 > 正文

数据科学的5个常见误解,看完想走弯路都难

2017-12-29 15:33    it168网站 原创  作者: 编译|三文鱼 编辑: 单文彦

  【IT168 资讯】尽管大数据、机器学习和预测分析带来了巨大的好处,但数据科学对于各种规模的企业来说,仍然是一个的敏感话题。很多人不仅不愿意采用相关的系统和硬件,而且在转型时,在收集信息这一步上就落后了其他人。

  美国的企业、组织和政府的混乱数据每年为美国经济带来高达3.1万亿美元的负担。更糟糕的是,14.9%的营销人员声称他们根本不知道什么是大数据。数据显示群众对大数据和数据科学方面知识匮乏。学习如何使用这些数据是这个行业的一部分,似乎同时也成了一个巨大的障碍。

数据科学的5个常见误解,看完想走弯路都难

  你可能会问:关于数据科学的错误概念是什么?项目管理人员和业务经理需要注意什么?让我们一起仔细探讨一下。

  1. 数据量决定准确性

  如果打算开始收集大量信息,然后使用现代化的系统和工具来分析这些信息,那么这个观点这是需要马上消除的一个误解。大量的数据并不一定意味着高精度,也不意味着能从数据中获得更多的价值,某些数据本身就毫无价值。

  在收集数据之后,应该通过一系列步骤对数据进行筛选。

  1. 了解你需要分析哪些数据集,以及如何才能最完美的完成任务。

  2. 从数据中提取有用的信息或可操作的见解。

  3. 运用这些见解来完善流程。

  4. 微调以上的流程,创建一个流畅的数字数据机器。

  以上每一个步骤不仅需要您了解相关数据,并且需要了解如何使用这些数据,没有任何一个步骤与数据量有关。数据量不重要。重要的是如何利用数据,以及如何正确应用到您的业务中去。

  2. 数据科学就是商业智能

  商业智能和数据科学经常被混淆,那些不那么熟悉这个行业的人更是感到迷茫。它们并不是同义词。商业智能涉及数据,但更多的是关于组织的运营等。这个过程你需要回答诸如what、when、who和how等问题。数据科学是与预测分析相关。目标是收集足够的信息,以建立可识别的模式和见解。此外,数据科学更多的是与数据挖掘、统计和定量分析有关,对于预测建模、多变量测试和流程计划有着非常关键的作用。不要把数据科学和商业智能这两个概念混淆。

  3.数据量决定一切

  许多中小型企业认为大数据技术就一定需要大量的数据。事实并非如此,批量数据是目标,但是也不是说需要数百万的客户来提取见解。

  IBM将数据科学定义为由四个基本的“V”组成 --- 数量、速度、品种和准确性。如果您可以把您的数据结构化到这些类别或概念中,对大数据分析很有价值。除了数量之外,当前数据的真实性,多样性和传入数据的速度都是有差别的。

  4. 资质王牌人才和经验

  深入观察任何一个职位董事会,会看到许多企业对统计学、机器学习甚至数学博士学位的数据科学家的渴求。

  数据科学领域,人才和经验同样重要。实际上,拥有多年从事经验的人可能会比刚毕业的高学历学生有更高的声望。我们并不是在引导您如何选择员工,在数据行业,通过优先考虑人才和经验,能为企业抓更多的机会。

  5. 数据科学家会写代码

  虽然有很多数据科学家也了解编程,知道如何编写和使用计算机语言。景观如此,这并不意味着他们就是编程方面的专家。本质上他们只关注一两种技能,其中最相关的就是数据科学和分析,编码可能只是他们的附加技能。

  数据科学并不神奇

  很多外界人士都神话了数据科学,或者至少是在一些方面盲目崇拜这种形式的科学。数学、统计和分析工具这些都是必备的,但是数据科学更多的是一门艺术。提取现代企业和组织需要的有用信息,这既需要技巧,也需要人才,更需要经验。虽然机器学习和预测工具可以替代这些,但不能根本解决底层的需求。仍然需要实际的数据科学家来完成大量的工作。

  在实际实施之前谨记这些提示,才能确保进行您的研究是有意义的。

  • IT168企业级IT168企业级
  • IT168文库IT168文库

扫一扫关注

  • 推荐文章
  • 推荐产品
行车视线文章推荐
首页 评论 返回顶部