Data Science volgens Ensior: de wetenschap achter inzicht. Of het nu gaat om het voorspellen van uw omzet of machine uitval, of het herkennen van patronen in het enorme volume van inkomende telefoongesprekken voor een call center. Data Science kan gezien worden als de kers op de taart in uw datalandschap. We kneden uw data om deze bruikbaar te maken voor statistische modellen. Of juist om deze als basis te laten dienen voor modelselectie. Verschillende methoden worden gehanteerd om modellen te implementeren, bijvoorbeeld de voorspelmodellen binnen Power BI met exponential smoothing, maar ookLineaire Regressie, Extreme Gradient Boosting, SARIMA, ETS m.b.v. Python. Maak een afspraak voor nieuwe inzichten!

Lees ook meer over de inzet van Power BI voor uw voorspelmodellen in onze blog.

Power BI incorporated a nice preview visual in its February 2019 release, namely the Key Influencers Visual containing Artificial Intelligence. This visual can predict buying behavior of customers, amongst others. You will only need Power BI Desktop, which is free, and a data set. Can we now say a definite goodbye to the Data Mining functionality in Microsoft SQL Server Analysis Services? As this became “deprecated” in SQL Server 2017 and will not be available in follow up versions. Next to that, will Azure Machine Learning Studio also become obsolete due to Power BI? Let’s compare the lot.

In de Februari 2019 release van Microsoft Power BI is een leuke preview visual opgenomen. Het gaat om de Key Influencers Visual waarin Artificial Intelligence is gestopt. Daarmee kan Power BI o.a. voor je bepalen welke klanteigenschappen van invloed zijn op koopgedrag. Enkel een dataset en het gratis te downloaden Power BI Desktop zijn hiervoor nodig. Kunnen we hierdoor definitief afscheid nemen van de uitgebreide Data Mining functionaliteit in Microsoft SQL Server Analysis Services? Die is namelijk in SQL Server 2017 in “deprecated” status gekomen en zal in opvolgende versies niet meer beschikbaar zijn. Daarnaast is het de vraag of Azure Machine Learning Studio inmiddels ook alweer achterhaald is. Laten we de middelen eens vergelijken.

We have come to a point with Data Science tools where you can just slam in a bunch of data, and the wizardry of the tool engine tells you which model works best for your data. Then simply run it against a dataset for some predictions like next year’s sales. Ergo, no need for Data Scientists, as you can self-service your quest for hidden gold, right? I mean, why having to know about the difference between Naïve Bayes and such, when an engine said it wins with 99,6% against 94,2%...

Met Data Science tools zijn we op een punt aangekomen dat je een dataset erin kunt rammen en de tovenarij van de tool vertelt welk model het beste werkt voor uw data. Voer het dan simpelweg uit tegen een dataset om bijvoorbeeld de verkoop van volgend jaar te voorspellen. Oftewel, wat is de toegevoegde waarde van Data Scientists nog in de zoektocht naar verborgen goud? Want waarom zou je het verschil tussen Naïve Bayes en dergelijke moeten bevatten, als de tool engine zegt dat het wint met 99,6% versus 94,2%...

Business Intelligence wordt niet altijd in één adem genoemd met Data Science. Terwijl er veel meer overeenkomsten zijn dan in eerste instantie voor mogelijk wordt gehouden. Beide gaan namelijk om het verkrijgen van inzicht uit uw data.