Data Science integriert Data Mining, statistische Analyse und maschinelles Lernen mit Datenintegration und kombiniert Datenmodellierungsfunktionen, um Vorhersagemodelle zu erstellen und Dateninhaltsmuster zu untersuchen.

1) Große Datenmenge (Volume)

2) Schnelle Datenaktualisierung (Velocity)

3) Vielfalt/Variabilität von Datentypen

4) Daten sind stark klebrig (Viskosität)

5) Datenvolatilität (Volatilität)

6) Geringe Datengenauigkeit (Veracity)

Ein Data Lake ist eine Umgebung, die unterschiedliche Arten und riesige Datenmengen extrahieren, speichern, auswerten und analysieren kann und in verschiedenen Szenarien eingesetzt werden kann.

Algorithmustyp

Verwenden Sie die Verarbeitung natürlicher Sprache (NLP), um Phrasen oder Sätze zu analysieren, Emotionen semantisch zu erkennen und Veränderungen in Emotionen aufzudecken, um mögliche Szenarien vorherzusagen.

Prescriptive Analytics geht einen Schritt weiter als Predictive Analytics, indem es Aktionen definiert, die sich auf Ergebnisse auswirken, anstatt Ergebnisse nur auf der Grundlage bereits durchgeführter Aktionen vorherzusagen.

Unstrukturierte Datenanalyse kombiniert Text Mining, Assoziationsanalyse, Clusteranalyse und andere unbeaufsichtigte Lerntechniken, um große Datensätze zu verarbeiten.

Operational Analytics wird auch Operational BI oder Streaming-Analyse genannt. Sein Konzept basiert auf der Integration betrieblicher Prozesse und Echtzeitanalysen.

Visualisierung ist der Prozess der Erklärung von Konzepten, Ideen und Fakten mithilfe von Bildern oder grafischen Darstellungen.

Daten-Mashups kombinieren Daten und Dienste, um Erkenntnisse oder Analyseergebnisse visuell darzustellen.