Diferencia entre Data Science y Data Analytics ⬇️

En muchas ocasiones me he encontrado con clientes y organizaciones que me preguntan cual es la diferencia entre hacer un análisis de datos, data science y machine Learning si igual todo lleva datos y me ayudan a tomar decisiones 

Pero no es así de siemple y con este gráfico quise explicarlo un poco mejor con dos puntos en este caso ejes muy importantes

  1. La complejidad del análisis 
  2. El valor que aporta este análisis a la organización o negocio 
analitica evolucion

Cada paso requiere de un análisis de datos específicos

  • Descriptivo, ese que me responde que ha pasado
  • Diagnostico, que me responde porque ha pasado 

Estos dos son los que usamos en el análisis de datos normalmente, nos respondemos preguntas sencillas a través de los datos que nos ayudan a tomar decisiones con ellos y hacer cambios de gran importancia 

  • Analítica predictiva, me responde que va ha pasar
  • Analítica prescriptiva me responde que acciones debo tomar para hacer que pase

Estas últimas se definen las acciones que se toman al hacer data science y machine Learning, con estos métodos intentamos predecir acciones basados en datos pero sobretodo sabemos que medidas específicas debemos hacer para que se cumpla lo que mi modelo está prediciendo

Cada análisis como vemos en el gráfico requiere de una complejidad específica según lo que queramos lograr  (complejidad) pero igualmente según aumenta la complejidad le brinda mayor valor al negocio (valor para la organización) Así que todo va directamente correlacionado, a mayor complejidad mayor valor de aporte. 

Diferencia entre Data Science y Data Analytics

Data Science vs Data Analytics: parecidos, pero no iguales - Think ...
https://empresas.blogthinkbig.com/data-science-vs-data-analitycs/

Un ejemplo sobre data science en marketing digital aquí