Was ist Datenwissenschaft? Anwendungen und Ansätze

Sehen Sie sich hier alle On-Demand-Sitzungen des Smart Security Summit an.

Inhalt Data Science im weiteren Sinne Welche Funktion hat Data Science in einem größeren Datendienst? Wie gehen einige der großen Unternehmen mit Data Science um? Wie gehen Startups und Herausforderer mit Data Science um? Gibt es etwas, was Data Science nicht kann?

Data Science ist die Anwendung wissenschaftlicher und mathematischer Techniken auf die Entscheidungsfindung in Unternehmen. Insbesondere ist es für Data Mining, maschinelles Lernen (ML) und Verfahren der künstlichen Intelligenz (KI) bekannt geworden, die zunehmend auf sehr große ("große") und oft heterogene Datensätze, halbstrukturierte und unstrukturierte Datensätze angewendet werden.

Der Begriff wurde erstmals in den 1970er Jahren als Synonym für "Informatik" vorgeschlagen, dann in den 1980er Jahren als alternativer Begriff für "Statistik". Schließlich begann sich in den 1990er Jahren ein Konsens darüber zu bilden, dass Data Science eine interdisziplinäre Praxis ist, die Datenerhebung, computergestützte Verarbeitung und Analyse kombiniert. Es wird als "wissenschaftlich" angesehen, weil es systematische Analysen auf beobachtbare Daten aus der realen Welt anwendet.

Seitdem hat es diesen vollen Umfang, von der Aggregation von Quelldaten bis zu ihrer Anwendung in der Entscheidungsfindung und in technischen und geschäftlichen Prozessen, verstanden.

Aber es ist auch enger mit der spezialisierten Rolle und Funktion von "Datenwissenschaftlern" in den wachsenden Datenabteilungen verbunden, die in modernen Unternehmen immer mehr Daten verarbeiten.

Vorfall

Smart Security Summit auf Abruf

Erfahren Sie mehr über die wesentliche Rolle von KI und ML in der Cybersicherheit und branchenspezifische Fallstudien. Sehen Sie sich noch heute die On-Demand-Sitzungen an.

Schau hier Data Science im weiteren Sinne

Im weiteren Sinne kann man sich Data Science als die Anwendung wissenschaftlicher und mathematischer Techniken auf die Entscheidungsfindung in Unternehmen vorstellen. Diese Arbeit kann in drei große Bereiche unterteilt werden:

Sammlung: Allein das Sammeln von Informationen aus unterschiedlichen IT-Systemen kann eine Herausforderung für sich sein. Die Daten liegen häufig in unterschiedlichen Formaten vor und können verfälschte oder unvollständige Aufzeichnungen enthalten. Wenn Daten bereinigt und standardisiert werden, müssen sie gespeichert werden, damit Data-Science-Algorithmen in Zukunft immer wieder verwendet werden können. Analyse: Um Muster zu finden und sich ändernde Anforderungen in jeder Phase des Unternehmens zu verstehen, ist eine Mischung aus statistischer Analyse und künstlicher Intelligenz erforderlich. Berichte: Berichte können Aktivitäten zusammenfassen, abnormales Verhalten kennzeichnen und Trends und Möglichkeiten vorhersagen. Tabellen, Grafiken, Visualisierungen und animierte Summen...