¿Cuáles son las diferencias entre la ciencia de datos y la ciencia de la decisión?

El enfoque de la ciencia de datos es “Datos” y esto puede dar lugar a una decisión o, en la mayoría de los casos, a obtener ideas interesantes, la confirmación de muchas cosas que sabemos, interesantes debates intelectuales o simplemente arrojarlos a la basura. El enfoque de las ciencias de decisión es “tomar mejores decisiones” utilizando datos.

El científico de datos es típicamente un nerd de matemáticas / estadísticas y está bien versado en diversas técnicas y también está bien versado en estadísticas. Los aplica a los datos para comprender mejor los patrones de datos para llegar a hallazgos e ideas interesantes.

El científico de decisiones, por otro lado, utiliza los conocimientos empresariales, el análisis estadístico, los modelos matemáticos, los paneles de BI y las pruebas / experimentos para definir / estructurar un problema, convertirlo en una construcción matemática y utilizar el resultado del modelo para influir en las decisiones comerciales.

Una variante del científico de datos es un ingeniero de datos. Alguien que está más enfocado en big data y tecnología y trabaja para simplificar la vida de un científico de datos al ayudar a obtener más datos, prepararlos, hacerlos más estructurados y prepararlos para el análisis / modelado.

Como otros han mencionado antes que yo, los roles se superponen bastante y las personas cambian de un rol a otro durante el curso de su carrera o incluso a través de proyectos (especialmente dentro de pequeñas startups).

Es cierto que ambos son campos amplios y eso hace que sea un poco difícil definirlos. Mi mejor comprensión es que la ciencia de datos está, como su nombre lo indica, muy centrada en los datos: extracción, visualización, etc.

Las ciencias de la decisión, por otro lado, se trata más de comprender la toma de decisiones individual. Por supuesto, muchos campos afirman estudiar eso, y los departamentos / escuelas de ciencias de la decisión tienden a ser lugares que enfatizan un enfoque interdisciplinario, por ejemplo, combinando economía, psicología, ciencia política, teoría de la probabilidad.

Pensando en términos de un diagrama de Venn, ambos campos se cruzan pero ninguno es un subconjunto del otro. Puede estudiar datos sobre toneladas de cosas, incluida la toma de decisiones, y puede estudiar la toma de decisiones utilizando big data pero también otras herramientas como modelos matemáticos o experimentos.

Mientras que las ciencias de datos se refieren esencialmente a la aplicación de las matemáticas y la tecnología en los datos para extraer información sobre los problemas, que están muy claramente definidos. Sin embargo, en el mundo real, no todos los problemas comerciales están claramente definidos. Muchos de estos problemas comienzan embarrados. Para ayudar a resolverlos, uno debe comprender y apreciar el contexto empresarial. Requiere un enfoque interdisciplinario que consta de varias habilidades diferentes: negocios, matemáticas aplicadas, tecnología y ciencias del comportamiento. Es importante que las organizaciones atraviesen este viaje desde la ingeniería de datos y las ciencias de datos hasta las ciencias de decisión. Si se detiene a mitad de camino en este viaje, evitará que se den cuenta de todo el potencial de la toma de decisiones basada en datos.

“Científico de datos” es un término de uso común. Nunca antes había oído hablar de un “Científico de la Decisión” … aunque es una disciplina académica de más de 45 años: el Instituto de Ciencias de la Decisión.

Me hace pensar en Bing llamándose a sí mismo un “motor de decisión” en lugar de un “motor de búsqueda”, o George W. Bush se autodenomina “el decisivo”. Ninguna connotación es muy buena.

He trabajado en grupos con el apodo “apoyo a la decisión”, que es un nombre antiguo para lo que ahora llamaríamos ciencia de datos. Solo terminología. No hay diferencia más que un nuevo nombre.

Data Science parte de los datos para inferir la mejor decisión. Se enfoca en el pasado.
La ciencia de la decisión parte de los valores para inferir la mejor decisión. Se centra en lo que la gente quiere en el futuro.