# 1.1 Analytics आणि Science: data तोच, प्रश्न वेगळे

Source: https://ravindrabagale.com/mr/datascience/ch01-data-science-vs-data-analytics/1-1-analytics-and-science-same-data-different.html
Language: mr (Marathi with English technical terms)

Data analytics मध्ये काय झालं आणि असं का झालं हे summaries, filters आणि charts वापरून समजून घेतो. Industry मध्ये Data Science म्हटलं की coding, पुन्हा run करता येणारे notebooks आणि कधीकधी prediction यांचाही समावेश होतो. या course मध्ये Python, pandas आणि visualization वापरून सखोल analytics करणार आहोत: data clean करा → explore करा → visualise करा → निष्कर्ष समजावून सांगा. इथे machine learning models train करणार नाही.

 | भाग | नेहमीचा प्रश्न | ओळखीचं tool | या course मधलं tool

 | Analytics | दिवाळीत कोणत्या city चा GMV सर्वात जास्त होता? | Excel Pivot / Power BI | groupby + bar chart

 | Analytics | मागच्या आठवड्यात Nashik मध्ये cancellations का वाढल्या? | Filters + charts | pandas filter + EDA

 | Science — पुढच्या course मध्ये | ही order cancel होईल का? | — | ML course; या course मध्ये नाही

उदाहरणातून समजून घेऊ

या काल्पनिक उदाहरणात Pune city manager Ravindra Bagale म्हणतात, “गणेशोत्सवाच्या आठवड्यात city नुसार Delivered GMV दाखवा.” हे analytics आहे. “आज रात्रीच्या orders पैकी कोणत्या cancel होतील?” असा prediction चा प्रश्न ML मध्ये येतो आणि या course च्या बाहेर आहे.

आता तुम्ही करून पाहा

भविष्यातल्या job मध्ये quick-commerce orders बद्दल विचारले जातील असे तीन प्रश्न लिहा. प्रत्येकाला analytics — काय/का — किंवा prediction — ML — अशी खूण करा. या course साठी analytics चे प्रश्न निवडा.

रवींद्र बागले यांची tip

Data Science म्हणजे फक्त ML models असं समजू नका. आधी clean data, EDA आणि निष्कर्ष नीट सांगता येणं हा पाया मजबूत करा. Interview मध्येही हा पाया उपयोगी पडतो.