Data Science és una eina per abordar Big Data i després extreure'n informació. Primer els Data Scientist reuneixen conjunts de dades de múltiples disciplines i les compila. Després d'això, apliquen machine learning i anàlisi predictiva. Després s'accentuen en un punt on se'n pugui derivar alguna cosa. Finalment, se n'extreu la informació útil.
Data Science és un camp que inclou la neteja, la preparació i l'anàlisi de dades: és un terme general on s'apliquen molts mètodes científics. Per exemple, les matemàtiques, les estadístiques i moltes altres eines que els científics apliquen a conjunts de dades. El científic aplica les eines per extreure'n coneixement de les dades.
El Data Science entén i analitza les dades des del punt de vista comercial. La seva feina és proporcionar la predicció més precisa. Un Data Science s’encarrega de donar les seves prediccions.
Dissenyar i fer el desplegament d'arquitectura d'entorns Big Data (modelat d'algorismes predictius), amb l’objectiu d’extreure coneixement a partir de les dades per poder respondre les preguntes que se li formulen i transformar les dades en brut en informació útil, permetent a cada equip analitzar el rendiment i millorar els seus resultats finals.
-
Encarregar-se del desenvolupament i el manteniment de solucions basades en tècniques de Machine Learning.
-
Mantenir tots els processos de dades reals per garantir que la informació sigui correcta i sigui útil.
-
Dissenyar experiments àgils i rigorosos per mesurar l'eficàcia de models, eines i programes.
-
Treballar estretament amb les parts interessades de l’entitat per donar suport a les seves necessitats de dades per tal de donar-los visibilitat de la situació.
-
Explorar i analitzar dades de múltiples fonts, sovint immenses (conegudes com a Big Data), i que poden tenir formats molt diferents.
-
Extreure les dades, independentment de la seva font (webs, csv, logs, apis, etc.) i del seu volum (Big Data o Small Data).
-
Netejar les dades, per eliminar allò que distorsiona les mateixes.
-
Processar les dades usant diferents mètodes estadístics (inferència estadística, models de regressió, proves d'hipòtesis, etc.).
-
Dissenyar nous testos o experiments en cas necessari.
-
Visualitzar i presentar gràficament les dades.
-
Realitzar anàlisis estadístiques i crear solucions d'aprenentatge automàtic per donar suport a les necessitats del producte i del negoci.