Python vervangt Excel om zakelijke beslissingen op te schalen
Python en andere open-source programmeertalen zoals R vervangen in hoog tempo Excel, dat niet schaalbaar is voor de behoeften van moderne bedrijven. Excel is jarenlang de de facto beslissingsmachine voor bedrijven geweest. Maar het is gebouwd voor een wereld waarin datasets klein waren, realtime informatie niet nodig was en samenwerking minder belangrijk was. Open-source programmeertalen kunnen bedrijven helpen om beter gebruik te maken van hun data, en voor veel functies is nu programmeerkennis nodig om datavaardig te zijn.
Een van onze data scientists, Chris Cardillo, zegt: “Als iemand meer dan vier uur per dag in Excel werkt, zal die ongetwijfeld profiteren van het leren van Python/R.” Je personeelsbestand langs deze meetlat leggen is nuttig—het vergelijkt de behoefte aan programmeren met een patroon dat op de werkvloer makkelijk te herkennen is. Sterker nog, de mogelijkheid om werkresultaten drastisch te verbeteren met open-source code is precies waarom Chris data scientist is geworden.
Bron: xkcdHoe is Python nuttig voor business analytics?
BI en dashboards (Descriptive analytics)
Een van de primaire doelen van business analytics is beschrijven wat er is gebeurd om trends te begrijpen en statistieken door de tijd heen te evalueren. Dit vakgebied heet descriptive analytics en wordt meestal uitgevoerd door data-analisten.
Data-analisten gebruiken vaak Python om de data die er nu is te beschrijven en te categoriseren. Ze doen verkennende data-analyse, waaronder het profileren van de data, het visualiseren van resultaten en het formuleren van observaties om de volgende stappen in de analyse te bepalen. Python kan worden gebruikt om data te bewerken (met bibliotheken zoals pandas), workflows te stroomlijnen en visualisaties te maken (met Matplotlib).
Machine learning (Predictive analytics)
Een ander doel van business analytics is je op de toekomst voorbereiden door te voorspellen wat er gaat gebeuren. Dit vakgebied heet predictive analytics. Machine learning is de tak van predictive analytics die gestroomlijnde statistische algoritmes gebruikt om de toekomst te voorspellen op basis van bestaande informatie en om verbanden en inzichten te identificeren—denk aan de aanbevelingsmachine van Netflix.
Python wordt snel de standaardtaal voor machine learning en wordt gebruikt om modellen te maken voor Bayesiaanse netwerken, beslisbomen en nog veel meer. TensorFlow van Google is een populaire Python-bibliotheek die veel data scientists gebruiken om snel toegang te krijgen tot veel supervised en unsupervised machinelearning-algoritmes.
Decision science (Prescriptive analytics)
Prescriptive analytics, ook wel decision science genoemd, is de laatste fase van business analytics die voorspelt wat, wanneer en waarom bepaalde uitkomsten zullen plaatsvinden—en bepaalt wat je met die informatie moet doen. Het past data toe op het besluitvormingsproces. In onze DataFramed-podcast legt Cassie Kozyrkov, Chief Data Scientist bij Google Cloud, het verband uit tussen decision intelligence en data science.
Decision scientists plaatsen hun data-analyse in de context van bedrijfsproblemen en gebruiken veel van dezelfde technieken en tools als data scientists. Hun doel is om inzichten bruikbaar te maken, dus hun modellen en visualisaties moeten zo worden opgebouwd dat die inzichten goed overkomen. Python wordt vaak gebruikt om prescriptive-analyticstools te maken via deep learning, dat kunstmatige neurale netwerken gebruikt om uitkomsten te optimaliseren.
Python democratiseren voor business analytics
DataCamp heeft een uitgebreid Python-curriculum dat continu groeit. Weet je niet waar je moet beginnen? We raden aspirant-data scientists aan om ons carrièrertraject Data Scientist with Python te volgen voor een zorgvuldig samengestelde selectie cursussen.
Voor bedrijven die waarde hechten aan continu leren, maakt DataCamp for Business het mogelijk voor medewerkers om hun skills up-to-date te houden in alle gebieden van business analytics.
Klik hier om een demo van ons platform in te plannen.
