Diferencias entre Business Intelligence y Data Science
En el siguiente artículo va a ser presentado algunas diferencias entre el concepto de Business Intelligence y Data Science y sus características distintivas.
Imagen por “Henry Harvin”
Concepto
Business Intelligence: Trabaja con plataformas de análisis de datos en una empresa u organización determinada. Podemos decir que los profesionales del análisis de datos son más especializados en el análisis de datos y con sus herramientas que los científicos de datos que también tienen conocimientos y realizan estas tareas.
Data Science: Además de conocer y trabajar con plataformas de análisis de datos, los científicos de datos también pueden trabajar con diversas operaciones como el aprendizaje de máquinas y la inteligencia artificial, por ejemplo. Además del hecho de que un científico de datos trabaja en un área de dominio determinada.
En cuanto a la orientación
Business Intelligence: BI está más apegado a lo que pasó en el pasado.
Data Science: está más apegada a lo que sucederá en el futuro aunque también se utilizan datos del pasado.
Expertise
Business Intelligence: El usuario se centra en el área de negocios.
Data Science: Obviamente... un científico de datos jajaja!
¿Cómo se utiliza los datos?
Business Intelligence: Normalmente trabajan con datos estructurados. Los datos son almacenados.
Data Science: El uso de datos estructurados y no estructurados. Normalmente los datos se manejan para su uso en tiempo real.
¿Cómo se almacenan los datos?
Business Intelligence: Normalmente los datos se almacenan en un almacén de datos.
Data Science: Aquí es común que los datos se "almacenen" en clusters en operaciones en tiempo real.
Preguntas comunes
Business Intelligence: ¿Qué pasó? ¿Por qué sucedió? Y así sucesivamente.
Data Science: ¿Qué pasará? Si hacemos esto, ¿cómo afectará a los resultados? Y así sucesivamente.
Outputs
Business Intelligence: Mediante resultados gráficos, ayuda a los responsables de la toma de decisiones a controlar sus procesos, ayudando a las organizaciones a comprender mejor ciertas acciones y sus resultados pasados y, en cierta medida, los conocimientos adquiridos pueden ayudar a la toma de decisiones futuras.
Data Science: El principal resultado de un científico de datos en una organización es proporcionar respuestas y soluciones a un problema determinado. Además de conocer y realizar algunas funciones de inteligencia comercial, debe ser capaz, mediante la modelización matemática y estadística, de proporcionar una visión orientada al futuro, es decir, ¿cómo serán las ventas esperadas del producto "x" e "y" dentro de 6 meses?
Herramientas utilizadas
Business Intelligence: En la siguiente imagen se pueden encontrar varias herramientas ampliamente utilizadas por los profesionales de la Inteligencia de Negocios, entre ellas podemos destacar:
- MS Excel
- Python
- R
- SQL
- SAS BI
- Power BI
- Microestrategy
- Cognos
- SAP
- Spark, y otros.
Imagen por “Assurety Consulting & Solutions
Data Science: Algunas de las principales herramientas centradas en la ciencia de los datos se encuentran en la siguiente figura, que podemos destacar:
- Python
- R
- SQL
- TensorFlow
- RapidMiner
- SAS
- SPSS
- Spark.
Imagen por “House of Bots”