(Big) Data (Science)

Ik weet wat bedoeld wordt, ik gebruik (veel van) dezelfde technieken, en gebruik deze termen liever niet. Op deze pagina leg ik uit wat ik wel doe. Daar leest u meer over de verwerking van (grote hoeveelheden) gegevens tot inzicht in verborgen kansen en risico’s, kennis voor meer efficiëntie van uw processen en kwaliteit van uw producten.

  • Data = gegevens. Het klinkt dan ineens saaier, daar kan ik ook niets aan doen.
  • Big data = veel gegevens. Elke statisticus en gegevensanalist weet al heel lang:
    meer gegevens betekent meer zekerheid. Automatisering levert veel gegevens op (met sensoren in het systeem; ‘inline’), die weer gebruikt kan worden voor processturing, bijvoorbeeld met technieken als machine learning (Wikipedia), zelflerende systemen en kunstmatige intelligentie (artificial intelligence, AI, zie Wikipedia). Schitterende technieken voor automatisering, niet om te begrijpen hoe bedrijfsprocessen in elkaar zitten. Voor sturing van de meeste bedrijfsprocessen en productkwaliteit is inzicht en kennis nodig. De opbouw daarvan vergt andere gegevensanalyses, maar nog controle op onzingegevens. Op deze pagina leest u hier meer over, onder meer over zwangere mannen.
  • Data science = gegevenswetenschap?
    Het klinkt een stuk interessanter dan gegevensanalyse, maar veel meer is het meestal niet, behalve als je echt nieuwe methoden ontwikkelt die een combinatie vormen van gegevensverkenning (data mining), computertechniek, informatica en wiskunde (statistiek). De meeste ‘data scientists’ doen dit niet en zijn net als ik gegevensanalist. Handig en bruikbaar, maar geen wetenschappers als in ‘data science’. Meer over ‘gegevenswetenschap‘ op deze pagina, of op Wikipedia.

Het gebruik van Engelse termen betekent niet dat het resultaat beter wordt.