数据科学：和数据分析、BI 到底有什么区别

数据科学，到底在做什么

数据科学融合了三类知识：统计学提供建模和检验方法，计算机技术负责处理数据和运行模型，业务知识决定问题该怎么定义、结果该怎么用。三者缺一，项目就容易停在「模型准确率不错，但业务没用上」。

一个典型的数据科学项目，大致经过下面五个环节。和做一张报表最大的不同，在于最后两步：模型要先证明在新数据上可靠，再接进业务流程长期运行。

数据科学：和数据分析、BI 差在哪

业界常用四个层次来划分分析的深度：描述性（发生了什么）、诊断性（为什么发生）、预测性（将会发生什么）、规范性（应该怎么做）。越往上，对数据和方法的要求越高，离业务决策也越近。三类工作的差别，一半在覆盖到哪一层，另一半在产出方式：结论只用一次，还是变成对每条新数据持续给出判断的模型。

按这个框架，三类工作的区别可以归纳成下表。最关键的一行是「结果怎么被使用」：BI 和数据分析的结果需要人看了再决定，数据科学的结果可以直接驱动下一步动作。

需要说清的是，边界并不绝对。以 Power BI 为例，微软官方文档列出了关键影响因素、分解树、异常检测等视觉对象，能帮业务人员找出影响某个指标的主要因素，这已经属于诊断性分析。反过来，数据科学工具也能做图表。区别不在工具能不能画图或算相关性，而在它主要产出什么、结果怎么进入业务。

其中 BI 和数据分析这一对的区别，站内另有专文 BI 和数据分析的区别，按「问题是重复被问还是第一次被问」给出了判断表。可以这样衔接：一个分析结论如果需要每周都看，就沉淀进 BI；如果需要对每一条新数据都做出判断，就进入数据科学的范畴。

同一个问题，三种做法

下面用一个示例说明，不是真实项目：某财险公司发现上季度车险理赔支出明显上升，管理层想知道怎么回事、该怎么办。

三种做法都有价值，而且通常是递进的：BI 让问题被看见，数据分析解释了原因，数据科学把结论变成每一笔新案件都会自动执行的判断。欺诈识别类项目的思路，可以参考站内的 欺诈检测用例。

数据科学，能给企业带来什么

数据科学的收益来自三种机制，它们都依赖同一个前提：模型的结果真正进入了业务流程。

• 把人力集中到最需要的地方：审核、催收、质检这类工作，逐条人工处理成本高。模型先给每条记录打分，人只处理高风险部分，同样的人手可以覆盖更多业务。
• 从事后处理变成提前行动：设备故障、客户流失、库存短缺，BI 通常在发生之后才显示出来。预测模型能在发生之前给出预警，比如 预测性维护 在设备停机前安排检修。
• 在约束条件下找更好的方案：排产、补货、定价这类问题，涉及的组合远超人工能比较的范围。优化模型可以在产能、库存、预算等约束下计算可行方案，制造业需求预测 是这类问题的起点。

工具怎么对号入座

工具的分类看它主要产出什么，而不是能不能画图。下表列出常见工具，同一家企业往往两类都用。

常见的组合方式是分工：数据科学平台负责清洗数据、训练模型、生成预测结果，写回数据库；BI 负责把结果展示给业务人员。两类工具各做擅长的事，不必二选一。更完整的选型思路，见 数据科学工具选型；想先了解 KNIME 是什么，可以看 KNIME 入门指南。

什么情况下 BI 就够了

不是每家企业都需要马上做数据科学。下面几种情况，把 BI 用好通常更划算：

• 需求主要是看指标、对口径：管理层要的是准确、及时的经营数据，而不是预测。
• 决策频率低、由少数人拍板：一年几次的重大决策，专项分析加人工判断就足够。
• 历史数据不足或质量差：模型要从历史中学习规律，数据太少或口径混乱时，先把数据治理和 BI 做扎实。
• 没有人承接模型结果：如果业务流程不打算因为模型结果而改变，建模的投入很难收回。

企业在 BI 和数据分析之间先做哪个，那篇文章 的最后一节有更细的判断。反过来，当业务里存在大量需要逐笔判断的事务，比如审核、授信、质检、补货，而且判断标准能从历史结果里学到时，就值得评估数据科学了。

我们为什么走向数据科学

卓越方达 2007 年成立，2016 年起成为 Qlik 授权渠道合作伙伴，至今仍在交付 BI 项目。在此基础上，我们基于 KNIME 开源内核二次开发了数据科学平台 iModel。

这不是从 BI 转走，而是往后补上一段。我们的判断是：看板解决的是「让问题被看见」，但看见之后怎么处理，仍要靠人逐项跟进；而在审计、保险这类需要逐笔判断的业务里，真正决定效率的是「每一笔该怎么处理」，这需要建模来回答，并且要把判断过程留痕、经得起复核。这也是 iModel 选择可视化工作流形态的原因：模型的每一步都能被打开检查，而不是只交付一个结果。

如果你所在的团队已经有了 BI，接下来想回答「下一步怎么办」，可以从一个需要逐笔判断的业务问题开始评估，而不是先采购工具。

关键事实

常见问题