数据分析的三大时间轴：过去、现在和未来

很多人用不同的定义解释“数据科学”，貌似都很合理，对数据科学这个问题的思考可以联想到与之相关的其他领域，例如业务分析、数据分析、商业智能、高级分析、机器学习，还有人工智能。

数据科学的“绝对定义”需要大量的“数据科学”背景才能被理解，这是一个递归的问题……可以说，统计学家或程序员理解什么是数据科学要容易得多，就像历史学家或语言学家所说的那样，前者已经以一种或另一种形式暴露于数据科学之中。这使我们想到，数据科学的相对定义可能更有用，以下是相关看法。

这是一个描绘所有上述领域的欧拉图。每个颜色代表一个不同的字段(混合的颜色表示交集)，图上还有一个时间轴和使用案例。

 

 

(矩形的位置、大小和颜色表现出概念上的相似性和差异，而不是复杂性)

下面就来分析具体的概念。

一、商业

为了避免过度简化这个问题，这里认为“商业”这个词没有任何定义，而融合商业的一些应用案例则更有意思，例如商业案例研究、定性分析、初步数据报告、视觉报告、创建仪表板、销售预测。

 

 

二、数据

考虑到最初的选择，我们可以在业务和数据的交叉点中移动最近的四个术语，目前在图片中表示为紫色区域。这是因为“初步数据报告”，“视觉报告”，“创建仪表板”和“销售预测”属于数据驱动的商业活动。外部可以基于过去的知识、经验和行为反对存在商业活动范围内的“商业案例研究’和‘定性分析’，但你很快就会看到——这不是真正的数据科学。

 

 

分析(Analysis)是指将你的问题分割成容易消化的区块的过程，你可以单独研究它们之间是如何相互关联的。另一方面，分析(Analytics)是将逻辑和计算推理应用于分析中获得的组件部分。在这样做的过程中，人们在寻找模式，并经常探索人与分析能力的结合。因此，与业务，数据相反的是，我们应该要更好地使用Business Analytics和Data Analytics。

三、时间

在进一步讨论之前，让我们先介绍一个时间轴，因为这对于后续的分割是至关重要的。我们将分析三个时态——过去、现在和未来。会有一条线分割图表，指出任何分析问题的当前时刻。左边的分析指数代表过去，右边的所有这些都可以进行预测分析。

 

 

“销售预测”移到了右边，因为它的名字暗示着一个前瞻性的分析过程。广义的“定性分析”就是利用你的直觉和经验来规划你的下一步——从而寓意着未来。

数据科学是一个不能没有数据的领域。因此，它完全属于Data Analytics(数据分析)的范畴。它与Business Analytics(业务分析)的关系如何?嗯，事实证明，如果属于Data Analytics和Business Analytics范畴内的，同时也的确属于Data Science范畴。

 

 

不过，需要说明的是，存在不直接和即时业务分析但属于数据分析的数据科学流程。例如，“优化钻井业务”需要数据科学工具和技术。数据科学家很可能每天都这样做。但是，虽然在“石油业务”领域，我们不能真正说它与Business Analytics直接相关。

在“相对定义”的概念上，要更好地说明这些点，“数字信号处理”就是数据分析的一部分，但不是Data Science，也不是Business Analytics。数据、编程和数学开始发挥作用，但并不像我们在Data Science中使用它们一样。为了一致性，让我们用时间轴来完成这件事——数据科学既是左边的，也是右边的线(如同其他的)。这就给我们带来了一个问题：是不是所有的领域都具有“过去属性”?

四、商业智能

商业智能(BI)是分析和总结历史数据的过程。

 

 

商业智能(BI)是否就一定意味着过去?不一定，但它没有涉及到预测分析。如图所示，回归、分类以及其他所有典型的预测方法都属于Data Science的一部分，但不是BI。而且，商业智能完全是数据科学的分支，因此，当一个人在处理过去事件时，用到描述性统计、报告或可视化时，这说明是在做BI和数据科学。

五、机器学习和人工智能

人工智能(AI)是由机器展示的任何形式的智能，它类似自然(人类)智能，例如规划、自适应学习、解决问题等。

机器学习(ML)是不被编程的情况下，机器预测结果的能力。

当然，机器学习是人工智能的一种方法，但这两种方法常常被混淆，不可否认地是，人类目前探索的阶段处于深度学习阶段，这实际上也是抵达人工智能唯一可行的路径，因此，当我们在谈论AI所使用的人工智能的真实应用时，我们实际上是指的是深度学习。

在我们的图表中，两个术语符合以下方式。

 

 

可以看出，机器学习完全包含在Data Analytics(数据分析)内，如果没有数据，它将不能执行，此外，它还与Data Science重叠，因为它是数据科学家兵库里最好的工具之一。此外，它还是BI的一部分，只是不涉及预测分析。

“数据科学”中的机器学习实例是“客户端保留”、“欺诈预防”和“创建实时仪表板”(也是BI的一部分)，其中突出的应用包括“语音识别”和“图像识别”。这两者也被认为属于数据科学范畴，这就是为什么我们把它们放在边界上。

为了阐述其中的关系，总体来说，机器学习完全属于AI的一部分，但AI本身也存在一些与业务和数据分析无关的子领域，例如“符号推理”。

六、高级分析

我们分析的最后一个领域是Advanced Analytics，它不是一个数据科学名词，而是一个营销的名词。它用于描述“不那么容易处理的”分析。从本质上来说，对于一个初学者来说，这个图表中的所有内容都是先进的。虽然不是最好的术语，但肯定我们在整个条款中使用的所有“适当”术语都是有用的。

 

 

排除AI并加入Advanced Analytics(高级分析)，相信这将是极富价值的收获。

标签： 数据分析

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点！
本站所提供的图片等素材，版权归原作者所有，如需使用，请与原作者联系。