Business Intelligence en Data Science: 1 pot nat?

businesswoman analysing statistics

Data Science als discipline relatief nieuw. Desalniettemin zijn er beslist zelfverklaarde data scientists die zullen beweren al meer dan dertig jaar in het vak te zitten. De term werd echter pas voor het eerst in 2001 gebruikt, in een paper van Bell Labs. De functie ‘Data Scientist’ kreeg vorm tijdens het afgelopen decennium, toen talrijke bedrijven in Silicon Valley (zoals Facebook) worstelden met de uitdaging om inzicht te krijgen uit hun gigantische berg data.

Begrijp ons niet verkeerd, er waren al tig mensen met een gelijkaardige analytische rol nog voor iemand ooit gewag had gemaakt van Data Science. Destijds werden die disciplines taakgegevensanalyse of bedrijfsanalyse genoemd. Later werden analisten samengevoegd onder Business Intelligence (BI), een discipline dat tot doel heeft inzichten te krijgen uit de (meestal eigen) bedrijfsgegevens.

Dat klinkt een beetje zoals de definitie die doorgaans gehanteerd wordt voor Data Science (‘corporate onderzoek naar bedrijfsdata’). Maar wat is dan precies het verschil tussen Data Science en Business Intelligence (BI)?

Waarvoor wordt Business Intelligence gebruikt?

Business Intelligence wordt weleens de voorloper van Data Science genoemd.

De eerste stap naar elke vorm van Business Intelligence bestaat uit het verzamelen van onbewerkte gegevens. Zodra de gegevens zijn verzameld, gebruiken gegevensingenieurs een ETL-tool (Extract Transform Load) om de gegevens in een gestructureerde database te manipuleren, transformeren en classificeren.

In essentie zullen Business Intelligence professionals gegevens verzamelen, om ze vervolgens onder te brengen in een database en via een ETL-tool (Extract Transform Load) te manipuleren, transformeren en classificeren. De data wordt meestal samengevat via visuele dashboards, waardoor de informatie weer een stukje toegankelijker wordt voor Jan Modaal.

Deze gestructureerde databases worden data warehouses genoemd. Deze data warehouses worden gewoonlijk gebruikt om ondernemers en decision-makers te ondersteunen bij strategische beslissingen. Dankzij deze data is het mogelijk om eerdere prestaties te analyseren en koers te veranderen indien nodig. Zo kan de data bijvoorbeeld een antwoord bieden op onder meer vragen rond salesprestaties en ROI (return on investment) van advertentie-investeringen.

Business Intelligence wordt ook gebruikt voor bedrijfsrapportering en het berekenen van KPI’s. Die worden op hun beurt dan weer gebruikt om de bedrijfsstrategie kracht bij te zetten, performance reviews uit te voeren en/of resultaten te leveren aan aandeelhouders en investeerders. Hoe dan ook: Business Intelligence is enorme factor voor het succes van een bedrijf—of het falen ervan.

En… Wat doen data scientists dan?

Waar Business Intelligence eerder terugkijkt in de tijd, probeert Data Science op basis van die data uit het verleden voorspellingen te doen en algoritmes te ontwikkelen die de operationele prestaties van de organisatie optimaliseren. In essentie is Business Intelligence dus een analytisch discipline, terwijl onderzoeken vanuit Data Science een meer empirische inslag hebben.

Ook de tools die gebruikt worden voor Data Science verschillen heel erg van BI-tools. Traditionele BI-systemen zijn statisch—de data zit vaak verzuild in data warehouses. Door de expansie van het internet en de enorme berg data die daarbij kwam kijken ontstond er een nood aan meer dynamische datatools die in staat zijn niet-gestructureerde data en grotere hoeveelheden data te verwerken. Zo verschenen er al snel meer geavanceerde tools op het toneel, zoals NoSQL-databases en cloud computing, die realtime data kunnen verwerken.  

Conclusie

Met andere woorden, beide disciplines zijn heel informatie- en datagericht. Het verschil zit ‘m vooral in hoe die data precies wordt geaggregeerd, hoe de data gebruikt wordt en welke tools er worden toegepast.

Samengevat kan je Data Science gerust beschouwen als een soort evolutie van Business Intelligence: Business Intelligence beantwoordt de vragen die je reeds kent, en Data Science helpt je nieuwe vragen ontdekken.

 

半導体

Wat is de impact van het Chiptekort op de voedselindustrie

08 apr 2022

We hebben nu al sinds halverwege 2020 te maken met een ernstig chiptekort dat ook de voedselindustrie raakt. Maar hoe groot is die impact en wat is het effect op lange termijn?

Teveel keuze - Tips om te kiezen tussen twee banen

26 okt 2022

Op het eerste gezicht lijkt het alleen maar een luxeprobleem, maar door het nijpende tekort aan geschoolde arbeidskrachten kan het vaak voorkomen dat je moet kiezen tussen twee banen. Hoe maak je dan de juiste beslissing? Lees snel verder voor enkele praktische tips.

Van start gaan als freelance engineer

14 dec 2022

Heb je ook interesse om van start te gaan als freelance engineer maar ben je benieuwd welke vaardigheden nodig zijn? En hoe krijg je snel en gemakkelijk toegang tot vacatures? Lees snel verder, we leggen het uit!

Tags: ENGINEERING

Kunstmatige intelligentie - Wat kunnen we in de toekomst van AI verwachten

24 aug 2022

Al meer dan 60 jaar houdt AI zich bezig met de vraag hoe robots en computers ons kunnen ondersteunen op verschillende terreinen van de industrie en in het dagelijks leven. In dit artikel bespreken we op welke gebieden AI nu enorme stappen maakt, hoe de toekomst van onze banen eruit ziet en hoe Nederland er voor staat op dit gebied. Lees snel verder!

Tags: HIGH TECH