Mitä datatiede on?

Tietotiede on ala, joka yhdistää tietojenkäsittelytieteen, tilastotieteen ja toimialuekohtaisen tiedon elementtejä saadakseen tiedosta oivalluksia ja tietoa. Datatieteen tavoitteena on käyttää dataa vastaamaan tiettyä organisaatiota tai yhteisöä kiinnostaviin kysymyksiin tai ratkaisemaan ongelmia.

Käytännössä datatieteeseen kuuluu monenlaisia toimintoja, mukaan lukien:

* Datan kiistelu: puhdistaminen, muuntaminen ja valmistelu data analysointia varten* Datan tutkiminen: tietojen visualisointi ja yhteenveto kuvioiden ja trendien ymmärtämiseksi* Mallintaminen: tilastollisten tai koneoppimistekniikoiden käyttö tulosten ennustamiseen tai ilmiöiden selittämiseen* Viestintä: havaintojen ja suositusten esittäminen sidosryhmille selkeällä ja tehokkaalla tavalla.

Joitakin yleisiä sovelluksia Tietotieteeseen kuuluvat:

* Ennakoiva ylläpito: anturitietojen avulla ennustaa, milloin laite todennäköisesti epäonnistuu* Asiakkaiden segmentointi: demografisten ja käyttäytymistietojen käyttö asiakkaiden ryhmittelyyn erillisiin segmentteihin* Petosten havaitseminen: koneoppimisalgoritmien käyttö vilpillisten tapahtumien tunnistamiseen* Suositus järjestelmät: käyttäjien käyttäytymistietojen avulla ehdotetaan tuotteita tai palveluita, jotka todennäköisesti kiinnostavat.

Tietotiede on nopeasti kehittyvä ala, jolla kehitetään jatkuvasti uusia tekniikoita ja työkaluja. Joitakin datatieteessä käytettyjä keskeisiä teknologioita ovat:

* Python: suosittu ohjelmointikieli tietojen analysointiin ja koneoppimiseen
* R: tilastollinen ohjelmointikieli, jota käytetään laajalti korkeakouluissa ja teollisuudessa
* SQL: vakiokieli relaatiotietokantojen hallintaan
* Hadoop : avoimen lähdekoodin kehys hajautettua tietojenkäsittelyä ja ison datan tallennusta varten.