Data Science ist das Fach, das aus Daten Erkenntnisse gewinnt, und zwar mit Statistik, Programmierung und Fachwissen über den Gegenstand. Maschinelles Lernen ist eines seiner Werkzeuge und nicht sein Inhalt.
- Data Science
Das Fach, das aus Daten Erkenntnisse gewinnt, mit Statistik, Programmierung und Fachwissen.
Beispiel: „Die Data Science im Projekt bestand zu vier Fünfteln aus Fragenstellen und Aufräumen.“Der übliche Ablauf: Frage klären, Daten beschaffen, bereinigen, ansehen, Zusammenhänge prüfen, gegebenenfalls ein Modell bauen, Ergebnis darstellen und einordnen.
Verhältnis zum Machine Learning: Das ist eine Methode für Vorhersagen. Data Science umfasst auch die Fälle, in denen am Ende eine Tabelle und eine Erklärung stehen und kein Modell.
Warum der wichtigste Teil nicht das Modell ist
Weil die Frage den Wert bestimmt. Eine saubere Auswertung auf eine gut gestellte Frage verändert Entscheidungen; ein beeindruckendes Modell auf eine schlecht gestellte Frage verändert nichts. In unserer Arbeit war der nützlichste Beitrag mehrfach eine Tabelle mit fünf Zeilen, die eine Annahme widerlegte.
Was den Unterschied zur Berichtsauswertung macht
Die Richtung der Frage. Eine Auswertung beantwortet, was war; Data Science fragt zusätzlich, warum und was folgt. Dafür braucht es Methoden für Zusammenhänge, eine Vorstellung von Zufall und die Bereitschaft, eine Vermutung zu verwerfen. Werkzeuge allein leisten das nicht.
Welche Fehler am häufigsten vorkommen
Zusammenhang für Ursache nehmen, an derselben Stichprobe mehrfach testen und Zahlen ohne Streuung berichten. Alle drei führen zu Aussagen, die solide klingen und bei der nächsten Erhebung verschwinden. Eine saubere Trennung von Daten und eine Angabe des Unsicherheitsbereichs wären jeweils die Gegenmaßnahme.
Wofür es im Webgeschäft steht
Für die Auswertung dessen, was Besucher tatsächlich tun. Welche Wege zur Anfrage führen, wo abgebrochen wird, welche Inhalte wiederkehrende Besucher bringen: Dafür liegen in jedem Projekt Daten vor, und sie werden selten ausgewertet. Das ist ein größerer Hebel als die meisten Vorhaben, die unter dem Wort KI laufen.