10. There’s More Than One Kind of Data Scientist
Data Businesspeople
Data Creatives
Data Developers
Data Researchers
11. There’s More Than One Kind of Data Scientist
Source:
Analyzing the Analyzers: An Introspective Survey of Data Scientists
and their Work
12. There’s More Than One Kind of Data Scientist
Source:
Doing Data Science
13. BI vs Data Science
BUSINESS INTELLIGENCE
Rozumowanie dedukcyjne
Tworzenie przekrojów i kostek danych
Przechowywanie danych
Analizowanie przeszłości
Tworzenie raportów
DATA SCIENCE
Rozumowanie indukcyjne i dedukcyjne
Interakcja z danymi
Dane również Real Time
Prognozowanie
Produkty opartych na analizie danych
Odpowiedzi na pytania i tworzenie nowych
14. Do czego Data Science można wykorzystać?
Do badań i odkryć
15. Do czego Data Science można wykorzystać?
Do badań i odkryć
(analizy przyczyn, wykrywania oszustw)
16. Do czego Data Science można wykorzystać?
Do badań i odkryć
prognozowania
(analizy przyczyn, wykrywania oszustw)
(sprzedaży, trendy i prognozy finansowe, pogoda)
17. Do czego Data Science można wykorzystać?
Do badań i odkryć
prognozowania
znajdowania wzorców
(analizy przyczyn, wykrywania oszustw)
(sprzedaży, trendy i prognozy finansowe, pogoda)
(zachowania klientów, giełda, wykrywania oszustw)
18. Do czego Data Science można wykorzystać?
Do badań i odkryć
prognozowania
znajdowania wzorców
do optymalizacji decyzji i procesów
(analizy przyczyn, wykrywania oszustw)
(sprzedaży, trendy i prognozy finansowe, pogoda)
(zachowania klientów, giełda, wykrywania oszustw)
(badania działań operacyjnych)
19. Do czego Data Science można wykorzystać?
Do badań i odkryć
prognozowania
znajdowania wzorców
do optymalizacji decyzji i procesów
zapewnienia jakości
(analizy przyczyn, wykrywania oszustw)
(sprzedaży, trendy i prognozy finansowe, pogoda)
(zachowania klientów, giełda, wykrywania oszustw)
(badania działań operacyjnych)
(badanie logów, przewidywanie awarii)
20. Do czego Data Science można wykorzystać?
Do badań i odkryć
prognozowania
znajdowania wzorców
do optymalizacji decyzji i procesów
zapewnienia jakości
komunikacja machine-to-machine
(analizy przyczyn, wykrywania oszustw)
(sprzedaży, trendy i prognozy finansowe, pogoda)
(zachowania klientów, giełda, wykrywania oszustw)
(badania działań operacyjnych)
(badanie logów, przewidywanie awarii)
(zautomatyzowane systemy przetargowe, kierowanie pojazdami bez udziału człowieka)
24. Przykład
T - Mobile USA zmniejszył wysokość odejść o 50% w ciągu jednego kwartału
25. Przykład
analiza płatności
analiza połączeń
analiza nastrojów
T - Mobile USA zmniejszył wysokość odejść o 50% w ciągu jednego kwartału
26. Przykład
The tasks are computed using a massive parallel processing system with multiple low-cost microprocessors, giving it
20 to 30 times more computing power than a traditional data warehouse.
Hybrydowy BI Aurora Health Care
27. Przykład
This allows Aurora to look differently at the data, as well as to change the analytics from looking at individual patients to groups of patients who have the same diseases, such as diabetes or heart failure.
Hybrydowy BI Aurora Health Care
28. Przykład
Using all available data and near real-time data analytics, Aurora can predict and improve patient treatments and outcomes. Using the different data streams, Aurora has decreased patient readmissions by 10 percent, which translates into a total saving of $ 6 million.
Hybrydowy BI Aurora Health Care
29. How to become a Data Scientist
Source: blog.datacamp.com
30. How to become a Data Scientist
Source: blog.datacamp.com
31. How to become a Data Scientist
Source: blog.datacamp.com
32. How to become a Data Scientist
Source: blog.datacamp.com
33. How to become a Data Scientist
Source: blog.datacamp.com
34. How to become a Data Scientist
Source: blog.datacamp.com
35. How to become a Data Scientist
Source: blog.datacamp.com
36. How to become a Data Scientist
http://www.kdnuggets.com/webcasts/index.html
41. Przydatne źródła
Prezentacja o
Technologiach Semantycznych:
http://www.cognitum.eu/offers/semtechen.aspx http://www.cognitum.eu/offers/SemTechPL.aspx