Business Intelligence (BI) is voor veel bedrijven niets nieuws, maar er zijn ook steeds meer bedrijven die aan de slag willen met Data Science. Maar wat is Data Science nu precies? In deze blog legt Annemijn van der Vaart uit wat Data Science is en wat de verschillen tussen Data Science en BI zijn.

Zijn BI en Data Science hetzelfde?

De termen Business Intelligence en Data Science worden vaak samen genoemd of zelfs door elkaar gehaald. Zowel bij BI als bij Data Science gaat het over het slim gebruik maken van data. Het is dan ook niet zo gek dat het verschil tussen beide begrippen niet altijd even duidelijk is. Maar er zijn wel degelijk verschillen. In het kort gezegd wordt data bij Business Intelligence gebruikt om trends te herkennen en bij Data Science om de toekomst te voorspellen.

Data Science verlengstuk van Business Intelligence

Wanneer je grote hoeveelheden data bezit is Business Intelligence een logische eerste stap om inzicht te verkrijgen in deze data. Door data te analyseren kun je trends in data herkennen. Data Science wordt daarentegen gebruikt om een diepgaandere analyse op deze trends uit te voeren.

Data Science is eigenlijk het verlengstuk van BI. Je creëert de meeste waarde door zowel Business Intelligence als Data Science toe te passen.

Verschillen BI en Data Science

Met behulp van Business Intelligence kan gemeten worden of de doelstellingen van een bedrijf behaald worden. Een hulpmiddel bij het meten van deze doelstellingen zijn Key Performance Indicators (KPI’s). Wanneer een KPI ‘in het rood’ staat wordt er veelal geanalyseerd welke bedrijfsonderdelen of producten bijvoorbeeld veroorzaken dat een doelstelling niet gehaald wordt Daarnaast wordt vaak geanalyseerd of hier een trend in te ontdekken valt. Wanneer je stopt met het analyseren van data na het maken van een dashboard laat je waarde liggen. Als je ook de dieperliggende verklarende variabelen onderzoekt krijgt de data nog meer waarde.

Bij Data Science wordt gebruik gemaakt van statistische modellen. De Data Scientisten voeren hiermee experimenten uit om verklaringen te vinden van hetgeen dat met Business Intelligence gesignaleerd is. In plaats van het maken van dashboards die laten zien wat er is gebeurd, graaft een Data Scientist dieper en verklaart waarom deze dingen zijn gebeurd.

Voorbeeld BI en Data Science

Een voorbeeld… De Business Intelligence-consultant analyseert de verkoopcijfers van bedrijf X en signaleert dat de verkoopcijfers in een bepaalde periode onder de maat zijn. De Data Scientist gaat met deze data aan de slag om te ontdekken welke variabelen zorgen voor de slechte verkoopcijfers. Maar de Data Scientist kan ook voorspellen hoe de verkoopcijfers er de komende maand uit gaan zien.

Wil je weten wat er nog meer onder Data Science valt? Houd onze blog dan in de gaten. Net als BI is Data Science een breed begrip