CRM significa gestión de la relación con el cliente, se asocia principalmente con Business Intelligence (ERP, comercio electrónico) y más tarde después de la introducción de estadísticas, ya que Business Analytics CRM se hizo más efectivo cuando se asocia con Analytics. Para hacer MS en Data Science, uno no necesita una experiencia laboral específicamente solo para un componente. Incluso con experiencia en software relevante, uno puede seguir MS en Data Science. Y a veces no se necesita experiencia laboral, ya que uno tiene que aclarar la aptitud cuantitativa, el razonamiento lógico, el razonamiento analítico, la interpretación de datos y la aptitud verbal y no verbal. Tenía experiencia en software y tenía poca experiencia en análisis de negocios antes de hacer una maestría en ciencia de datos. La prueba contenía todas esas aptitudes que mencioné y otra prueba que prueba tu propio dominio donde trabajaste, generalmente preguntas básicas y fundamentales de programación.
Ahora que llegamos a Data Science, a menudo se confunde con muchas cosas. Algunos piensan que Data Science es una versión mejorada de Business Intelligence con el uso de Business Statistics. Entonces sucedió lo mismo cuando llegó Business Analytics. Muchas personas hasta hoy piensan que Data Science es una versión actualizada de Business Analyfics o cualquier Analytics. Lo peor es que algunas personas piensan que Analytics y Data Science son lo mismo.
Ahora la verdad es que solo Data Analytics puede considerarse más cercano a Data Science, pero en realidad Data Analytics es solo una parte de Data Science al igual que Big Data Analytics.
Data Science es un área muy amplia que incluye minería de datos y almacenamiento de datos, aprendizaje automático y estadísticas puras. El aprendizaje automático y las estadísticas juntas en realidad significa ciencia de datos. El tema de aprendizaje automático en sí mismo es difícil y también lo son las estadísticas puras.
- De ANU y Uni de Queensland, ¿cuál es una mejor universidad para un Máster?
- Al cursar una maestría en Harvard Extension, ¿recomendaría elegir una tesis o un capstone?
- ¿Debo estudiar para una Maestría en Trabajo Social o una Maestría en Terapia Ocupacional?
- ¿Es preferible solicitar una maestría en sistemas de información en los Estados Unidos sin ninguna experiencia previa en el campo relacionado?
- ¿Cuál es la diferencia entre universidad y universidad de ciencias aplicadas en Finlandia? ¿Cuál es mejor para hacer una maestría en finanzas de Finlandia?
Análisis de datos, minería de datos y almacenamiento de datos, estadísticas, aprendizaje automático, procesamiento de imágenes, inteligencia artificial, aprendizaje profundo, inteligencia de negocios, análisis de negocios, lenguajes de programación como R, Python, Scala, bases de datos no relacionales, computación distribuida, computación en la nube, lenguaje natural procesamiento, Big Data Analytics usando Hadoop, Spark, Hive son solo una parte de Data Science, es un tema enorme donde hay mucho que aprender y aprender nuevas habilidades para mantenerse siempre actualizado sobre lo que está haciendo.