LA DIFFERENZA TRA DECISION SCIENCE

E DATA SCIENCE

La differenza tra Data Science e Decision Science non è sempre così netta.

Data Science è un termine utilizzato sempre più spesso per identificare un campo ampio e interdisciplinare. Tuttavia la Data Science non deve essere confusa con la Decision Science.

Il Data Scientist è una figura professionale specializzata nello studio approfondito dei dati, dopo che questi sono stati raccolti, elaborati e strutturati dal data engineer.

Per il Decision Scientist, invece, i dati rappresentano uno strumento a supporto delle decisioni da prendere, anche nell’ottica di risolvere i comuni problemi aziendali.

La Data Science è un campo interdisciplinare che attraverso il ricorso ad algoritmi, tecniche e metodi scientifici estrae informazioni preziose dai dati.

Lo scopo principale della Data Science è quello di intuire dai dati informazioni da applicare a vantaggio di altri settori.

La Decision Science, invece, è l’insieme di tecniche quantitative utilizzate per supportare il processo decisionale. Le tecniche includono:

 

  • decision analysis
  • risk analysis
  • cost-benefit and cost-effectiveness analysis
  • constrained optimization
  • simulation modelling
  • operations research
  • management control

Quindi lo scopo della Decision Science è utilizzare i dati per guidare le intuizioni per prendere decisioni migliori.

Si evince che i dati sono ugualmente importanti per entrambe le discipline, ma i meccanismi sono abbastanza diversi.

La Data Science trova applicazione in diversi settori come la vendita al dettaglio, i beni di largo consumo, l’intrattenimento, i media, la sanità, le telecomunicazioni, la finanza, i viaggi, le produzione, l’agricoltura, ecc.

La Decision Science riguarda invece aree più teoriche del business e del management, che vanno dal diritto all’istruzione, come anche l’ambiente, la scienza militare, la salute pubblica e la politica.

Entrambe le aree oggetto d’analisi presentano criticità specifiche che contribuiscono a rimarcarne le differenze. La pulizia dei dati, i problemi legati alla sicurezza e le difficoltà nell’approvvigionamento di sviluppo, sono sfide critiche che la Data Science conosce e affronta da sempre. La Decision Science, invece, affronta le difficoltà legate alla mancanza di dati affidabili, le difficoltà causate dal maneggiare grandi quantità di dati e la complessità delle tecniche applicate.

 

I Decision Scientists devono necessariamente possedere conoscenze in matematica, finanza e analisi per prendere la decisione giusta partendo dai dati.

Quali sono le tendenze future che possono farci ipotizzare ulteriori sviluppi e prospettive della Data Science e della Decision Science?

Probabilmente la Data Science seguirà sempre di più la sua strada verso l’automazione, l’uso estensivo di chatbot e assistenti virtuali, con un utilizzo diffuso di elementi di realtà aumentata e robotizzazione delle industrie. Al contrario, la Decision Science continuerà a spingerci verso il processo decisionale automatizzato e l’empowerment dei dati, con un’importanza vitale e un’ampia applicazione in diversi settori che favoriranno la richiesta crescente di figure professionali specializzate.

In conclusione, anche se spesso gli imprenditori fanno affidamento esclusivamente sulla Data Science come soluzione dei problemi aziendali, quest’ultima da sola non è sufficiente. La nostra esperienza ci suggerisce che l’approccio più giusto si colloca a metà tra Data Science e Decision Science, con i Dati come unità di partenza minima di un più ampio processo decisionale.