Analityka to dane i matma w realnych problemach. To modelowanie rzeczywistości naukowymi metodami. Modele matematyczne i algorytmika do rozwiązywania problemów. To kalkulacje do rekomendacji dla trafnych decyzji. Automatyczna kalkulacja, żeby minimalizować czas obliczeń. Algorytmiczna decyzyjność, aby maksymalizować powtarzalność.
Analityk klasy Decision Scientist pracuje nad matematycznymi modelami problemów biznesowe oraz ich algorytmicznymi rozwiązania dla trafnych decyzji. Praca zaczyna się od dobrej definicji trafności decyzji. Równolegle praca nad jak najlepszym szacunkiem profitów z rozwiązania problemu.
Analityk klasy Data Scientist przede wszystkim pracuje z dużymi i złożonymi zbiorami danych, by wyciągnąć z nich wzorce i wiedze. Potrzebuje kompetencji w analizie statystycznej, uczeniu maszynowym oraz programowaniu ekstrakcji, transformacji oraz interpretacji danych. Jego cel to odkrywać wzorce, trendy i korelacje w danych i robić modele predykcyjne. Data Science odpowiada na pytania "Co się dzieje?"
Z kolei Decision Scientist skupia się na procesach decyzyjnych. Również wykorzystują dane i analitykę, aby wspierać trafność decyzji. Analityk tej klasy pracuje nad problemami biznesowymi, do rozwiązania których stosuje matematykę i informatykę. Decision Science
Obu analityków obowiązuje etyka analityka: przejrzystość, odpowiedzialność oraz integralność w gromadzeniu, wykorzystywaniu i interpretowaniu danych. Przejrzystość to pełna dokumentacja sposobów ekstrakcji i transformacji danych oraz rekomendacji decyzji (ETL/ETR). Odpowiedzialność to zapewnienie audytu modeli pod względem błędów i inklinacji decyzji. Integralność to gwarancja dokładności danych oraz braku manipulacji, a dokładnie maksimum obiektywizmu.
Analityk danych pracuje nad projektami analitycznymi, natomiast analityk biznesu pracuje nad problemami biznesowymi. Dokładne zrozumienie problemu biznesowego wymaga dobrego rozumienia danych. Obie klasy analityków pracuje z decyzjami na danych. Często analityk danych pracuje na dużych zbiorach danych, szczególnie w projektach uczenia maszynowego. Natomiast wartość pracy analityka klasy Decision Science w decyzyjności to stosowanie matematycznych modeli i algorytmów dla trafnych decyzji. Wartością dodaną, i zawsze obowiązkowym początkiem pracy Decision Scientist nad badanym problemem biznesowym, jest szacunek profitów.