Aslida, Data science (ma’lumotlar fani) va Data analitika (ma’lumotlar tahlili) tushunchalarining qat’iy belgilangan chegaralari yo‘q. Turli kompaniyalar va sohalar bu atamalardan turlicha foydalanishi mumkin. Biroq, bu ikki yo‘nalish o‘rtasida farqlar bor. Agar siz ushbu yo‘nalishlardan birini kasbiy faoliyatingiz uchun tanlamoqchi bo‘lsangiz, Data analitik va Data science mutaxassisi o‘rtasidagi asosiy farqlarni tushunishingiz muhim. 

Data analitik aniq savollarga javob beradi, Data science mutaxassisi esa aniq savollarni topadi

Umuman olganda, Data analitik (ko‘pincha “biznes tahlilchisi” deb ham yuritiladi) aniq vazifalarni bajaradi. Data analitika bo‘yicha asosiy vazifalar quyidagilardan iborat:

• Veb-sayt trafikining keskin kamayish sabablarini aniqlash

• Reklamalar qaysi joylarda samaraliroq ishlaganini tahlil qilish

• Qaysi yangi mahsulotlar turli bozorlarda trendga aylanganini aniqlash

• Budjetlash jarayonida kompaniyaning daromad va xarajatlar tendensiyalarini o‘rganish

• Risklarni boshqarish maqsadida noxush hodisalarning ehtimoliyligi va ulardan kelib chiqadigan xarajatlarni baholash
  
  

Data analitik odatda oldindan belgilangan muammolarni hal qiladi va mavjud ma’lumotlardan foydalanib, aniq tavsiyalar ishlab chiqadi. Data science mutaxassisi’lar esa chuqur tadqiqot yo‘nalishida ishlaydi. Ular hali ma’lumotlar bazasida mavjud bo‘lmagan yangi ma’lumotlarni yig‘ish va tuzish bilan shug‘ullanadi. Data science mutaxassislari kutilmagan o‘zaro bog‘liqliklarni aniqlashi va ilgari hech kim o‘ylamagan savollarni keltirib chiqarishi mumkin. Masalan, Data science mutaxassisi ma’lum kasalliklarning asl sabablarini qayta ko‘rib chiqishi yoki mijozlarni turli toifalarga ajratib, ularning har biri uchun maxsus marketing strategiyalarini ishlab chiqishi mumkin. 

Bu farq mutlaq emas. Masalan, Data analitik ham “eksplorativ ma’lumotlar tahlili” (exploratory Data analysis) bilan shug‘ullanishi mumkin. Ammo odatda ular allaqachon yaratilgan metrikalar va dashboard’larni boshqarish bilan shug‘ullanadi. Shu bilan birga, Data science mutaxassisi ham Data analitik singari ma’lumotlarni tahlil qilish vazifasini bajara oladi.

Data analitik tarixiy ma’lumotlarni o‘rganadi, Data science mutaxassisi esa yangi ma’lumotlarni topadi

Data analitika sohasi odatda o‘tgan davrga oid ma’lumotlarni tahlil qilishga yo‘naltirilgan. Data analitik asosiy e’tiborni oldindan ma’lum va vaqt o‘tishi bilan shakllangan biznes ko‘rsatkichlariga qaratadi. Ular ma’lumotlarni olish va tahlil qilish uchun ko‘pincha SQL (Structured Query Language) yordamida so‘rovlar yaratadi, ma’lumotlarni vizuallashtiradi va ular asosida qarorlar qabul qilishga yordam beradi.

Data science esa yanada keng qamrovli sohadir. Data science mutaxassislari turli manbalardan katta hajmdagi ma’lumotlarni to‘plashi mumkin. Masalan, ular server jurnal ma’lumotlari, turli joylarga o‘rnatilgan sensorlar yoki millionlab foydalanuvchilarning telefon va brauzerlaridan olingan ma’lumotlarni yig‘ib, tahlil qilishlari mumkin. Data science mutaxassislari ma’lumotlarga tartib kiritib, kerakli ma’lumotlarni ajratib oladi va ular asosida tahliliy modellar tayyorlaydi. 

Shunga qaramay, ushbu farqlar ham mutlaq emas. Masalan, Amazon Web Services (AWS) ekotizimida tuzilmagan katta hajmdagi ma’lumotlarni yig‘ish va qayta ishlash sohasi Data analitika deb ataladi, Data science emas. Ammo bu ishni aniqroq qilib “Data engineering” deb atash ham mumkin.

Xulosa qilib aytganda, ma’lum bir Data sohasi bo‘yicha ish o‘rnini tushunish uchun faqat ish nomiga emas, balki uning tavsifiga ham e’tibor qaratish lozim. Chunki “Data analitik” va “Data science mutaxassisi” lavozimlari turli tashkilotlarda turlicha talqin qilinishi mumkin.

Ba’zan Data analitika tarixiy ma’lumotlarga e’tibor qaratadi, Data science esa kelajakdagi ma’lumotlar bo‘yicha bashorat qilish bilan shug‘ullanadi, deb aytiladi. Data science mutaxassisi mashinani o‘rganish (machine learning) algoritmlaridan foydalanganligi sababli, bashorat qilish uchun yanada rivojlangan vositalarga ega bo‘ladi.

Biroq, Data analitik ham o‘tgan davr ma’lumotlariga asoslangan tendensiyalarni aniqlash va rejalashtirish uchun regressiya usullarini qo‘llashi mumkin. Masalan, ular grafikga to‘g‘ri chiziq moslashtirish orqali (linear regression) ma’lumotlar orasidagi bog‘liqlikni aniqlashi va kelajakda kutilayotgan natijalarni prognoz qilishi mumkin. Data analitik bunday oldinga yo‘naltirilgan tahlilni “predictive analitika” (bashoratli tahlil) deb atashi mumkin. Data science mutaxassisi esa bundan murakkabroq bashorat mexanizmlarini o‘z ichiga oluvchi “predictive model” (bashoratli model) atamasidan foydalanadi. Ushbu farq Data analitik va Data science mutaxassisi yondashuvlari orasidagi chuqurroq tushuncha va bashorat qilish usullaridagi farqni aks ettiradi.

Data analitik yuqori darajadagi vositalardan foydalanadi, Data science mutaxassisi esa (ko‘pincha) kod yozadi

Data analitika sohasi odatda SQL dan foydalanib katta ma’lumotlar bazalari bilan ishlash hamda Power BI, Excel, Tableau, Looker, SiSense, SAP kabi biznes intellekt vositalaridan foydalanishni o‘z ichiga oladi. Ushbu vositalar ma’lumotlarni so‘rash (query), vizuallashtirish va ulardagi tendensiyalarni tezda aniqlash imkonini beradi. Bu esa biznes qarorlarini eng yaxshi tarzda qabul qilishga yordam beradi.

Data science esa yanada murakkabroq va xilma-xil vositalardan foydalanadi. Masalan, klasterlash (clustering), o‘lchamlarni kamaytirish (dimensionality reduction) va mashinani o‘rganish (machine learning) algoritmlari qo‘llanilishi mumkin. Umuman olganda, bu jarayon Python dasturlash tilida kod yozishni talab qiladi. Bundan tashqari, Data science mutaxassisi ko‘pincha qayta ishlanmagan, tartiblanmagan ma’lumotlar bilan shug‘ullanadi, shuning uchun modellashtirishdan oldin ularni tozalash, tuzilishga keltirish va tayyorlash uchun qo‘shimcha kod yozish talab qilinadi.

Shunga qaramay, bu qat’iy qoida emas. Data analitiklar ham odatda Python yoki R kabi dasturlash tillari bo‘yicha tushunchaga ega bo‘lishi kutiladi. Aslida, SQL ham dasturlash tili hisoblanadi. Agar Data science mutaxassisi keng miqyosdagi kod yozish va ishlab chiqarish darajasidagi (production-grade) tizimlar ustida ishlashga o‘tsa, u mashinani o‘rganish muhandisi (machine learning engineer) sifatida faoliyat yuritishi ham mumkin.

 

Ko‘p so‘raladigan savollar

❔ Data analitik Data science mutaxassisi bo‘la oladimi?

Ha, Data science mutaxassisi bo‘lish uchun zarur bo‘lgan ko‘nikmalar Data analitik ko‘nikmalarini ham o‘z ichiga oladi. Data analitikdan Data science mutaxassisiga o‘tish tabiiy bosqich hisoblanadi. Buning uchun kompyuter fanlari, Python dasturlash, mashinani o‘rganish, tarqoq tizimlar (distributed systems) va katta hajmdagi tuzilmagan ma’lumotlar bilan ishlashni o‘rganish talab etiladi.

❔ Data science’ni o‘rganishdan oldin Data analitika’ni o‘rganish kerakmi?

Data analitikaning ayrim jihatlari, masalan, SQL, boshlang‘ich Python dasturlash, biznes kommunikatsiya ko‘nikmalari va asosiy statistika bilimlari Data science’ni o‘rganish uchun mustahkam asos bo‘lib xizmat qiladi. 

Xulosa qilib aytganda, Data sohasida karyera qilib, professional mutaxassis bo‘lishni istasangiz, uni chuqur o‘rganishingiz kerak bo‘ladi. Agar siz ushbu sohaga qiziqsangiz Najot Ta'lim markazida 5 oy ichida Data analitika sohasini o‘rganib, yaxshi daromadli kasb egasi bo‘lishingiz mumkin. O‘zbekistonda ushbu soha vakillari $400-$1000 gacha daromad qilishadi va keyingi yillarda talab ortib bormoqda. Batafsil ma'lumot uchun hoziroq ro‘yxatdan o‘ting.

👉🏻 Ro‘yxatdan o‘tish

78-888-9-888
Administratsiyaga bog'lanish