علم داده چیست؟#

علم داده ترکیبی از سه مهارت است: آمار و ریاضی، برنامه‌نویسی (معمولاً پایتون یا R) و شناخت حوزه‌ی کاری. هدف این است که از داده‌ی خام، دانشی قابل استفاده بیرون بکشیم؛ مثلاً اینکه کدام مشتری احتمال دارد ترک کند یا فروش ماه بعد چقدر خواهد بود.

مراحل معمول یک پروژه#

  1. تعریف مسئله‌ی کسب‌وکاری
  2. جمع‌آوری داده
  3. پاک‌سازی و آماده‌سازی
  4. تحلیل و مدل‌سازی (گاهی با یادگیری ماشین)
  5. ارائه‌ی نتیجه و پیاده‌سازی

بخش بزرگی از وقت، حدود نیمی یا بیشتر، صرف مرحله‌ی تمیز کردن داده می‌شود.

مثال#

یک فروشگاه آنلاین تاریخچه‌ی خرید مشتری‌ها را دارد. دانشمند داده مدلی می‌سازد که پیش‌بینی می‌کند چه محصولی را بعداً می‌خرند و ایمیل پیشنهاد هدفمند می‌فرستد.

تفاوت با تحلیل داده#

تحلیل داده معمولاً به «چه اتفاقی افتاد و چرا» پاسخ می‌دهد. علم داده یک قدم جلوتر می‌رود و به «چه خواهد شد» و «چه کاری انجام دهیم» هم می‌پردازد.

مسیر یادگیری#

SQL، پایتون، آمار پایه، مصورسازی و بعد یادگیری ماشین. نیازی نیست از ریاضی سنگین شروع کنید؛ کار با داده‌های واقعی بهترین معلم است.