¿En qué se diferencia un científico de decisiones de un científico de datos?

Hmm, creo que esto depende más de la persona y el papel que se desempeña que el título del trabajo en sí. Usted sabe cuando se trata de tomar decisiones, cada Tom, Dick y Harry pertenece al ámbito de la toma de decisiones, pero cuando se trata de datos, especialmente los GRANDES, esa es una llamada de atención para los científicos de datos.

Entonces, siguiendo esa ilustración, no se sorprenda si me llamo a mí mismo un científico de decisiones (rme). De todos modos, los científicos de decisión no necesariamente tienen que trabajar con grandes datos, mientras que los científicos de datos simplemente adoptan todo lo que está vinculado con los datos. El primero parece ser más de análisis tradicional que construye herramientas de apoyo para permitir que los tomadores de decisiones tomen medidas (probablemente bajo una especie de protocolo centrado en la información) mientras que el segundo construye máquinas que mejoran el proceso de toma de decisiones.

Un científico de decisión forma la base de un proceso mientras que un científico de datos completa el proceso.

(También es posible que la ciencia de la decisión comience y concluya una actividad de la ciencia de datos, ya que los científicos de la decisión parecen comprender mejor las consecuencias inherentes. Sin embargo, para algunas personas, la ciencia de la información comienza donde termina la ciencia de la decisión).

Chao

Hola:

En mi opinión, existe una diferencia muy sutil entre un Científico de Decisión (Business Analytics Professional) y un Científico de Datos.

• Ambos intentan resolver problemas comerciales aprovechando el poder de las matemáticas, las estadísticas, la codificación y la tecnología.
• Ambos son muy cruciales para la toma de decisiones organizacionales.

Sin embargo, estos son pocos factores diferenciales.

Business Analytics (Decision Scientist)

• Business Analytics (Decision Science) se enfoca más en aprovechar el conocimiento del dominio (contexto comercial) junto con las habilidades destacadas anteriormente para obtener estrategias y soluciones comerciales viables.
• Los profesionales de Business Analytics necesitan tener muy buenos conocimientos de negocios y habilidades de comunicación para vender sus soluciones analíticas.
• Decision Science Analyst puede o no trabajar en Big Data
• Con mayor frecuencia, estos tipos utilizarán herramientas como Excel, SAS, R, Python,

Científico de datos

• Data Scientist son personas que aprovechan más Aprendizaje automático / Inteligencia artificial y codificación para obtener soluciones creativas a problemas analíticos.
• Están más cerca de la vanguardia de la tecnología y con mayor frecuencia utilizarán las herramientas necesarias para Big Data, como Hadoop, Spark, Pig, Hive, etc., junto con Python, R y otros lenguajes.
• Los problemas en los que trabajan son generalmente más complejos analíticamente.

Al final, me gustaría resumir que existe una superposición significativa y una polinización cruzada de personas entre las dos áreas, dependiendo de los objetivos y requisitos del negocio.

Espero que esto ayude.

¡Salud!