Analityka aka Decision Sciences

Analityk klasy Decision Science pracuje nad matematycznymi modelami problemów biznesowe oraz ich algorytmicznymi rozwiązania. Praca zaczyna się od precyzji definicji badanego problemu. Równolegle praca nad szacowaniem dobrych profitów z problemu.

Analityk klasy Data Science 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 Science skupia się na procesach decyzyjnych. Również wykorzystuje dane i analitykę, aby wspierać trafność decyzji. Analityk tej klasy pracuje nad problemami biznesowymi, do rozwiązania których stosuje matematykę i informatykę.

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.