Framework for Systematization of Data Science Methods

Abstract

The rapid development of data science has led to the accumulation of many models, methods, and techniques that had been successfully applied. As the analysis of publications has shown, the systematization of data science methods and techniques is an urgent task. However, in most cases, the results are relevant to applications in a particular problem domain. The paper develops the

framework for the systematization of data science methods, neither domain-oriented nor task-oriented. The metamodel-method- technique hierarchy organizes the relationships between existing methods and techniques and reduces the complexity of their under- standing. The first level of the hierarchy consists of metamodels of data preprocessing, data modeling, and data visualization. The

second level comprises methods corresponded to metamodels. The third level collects the main techniques grouped according to methods. The authors describe the guiding principles of the framework use. It provides a possibility to define the typical process of problem-solving with data science methods. A case study is used to verify the framework’s appropriateness. Four cases of applying data science methods to solve practical problems described in publications are examined. It is shown that the described solutions are entirely agreed with the proposed framework. The recommended directions for applying the framework are defined. The constraint of the framework applying is structured or semi-structured data that should be analyzed. Finally, the ways of further research are given.

Бурхливий розвиток науки про дані призвів до накопичення великої кількості моделей, методів і технік, які показали доцільність свого застосування. Як показав аналіз публікацій, систематизація методів і технік науки про дані є актуальною

задачею, але в більшості результати релевантні до вирішення конкретної прикладної задачі. В роботі розроблено не орієнто- ваний на конкретну предметну область та задачу фреймворк для систематизації методів науки про дані. Трирівнева ієрархія

метамодель-метод-техніка впорядковує залежності між існуючими методами та техніками та знижує складність їх розумін- ня. Перший рівень структури складають три метамоделі: препроцесингу, моделювання та візуалізації даних. На другому

рівні розташовані методи, які відповідають метамоделям. На третьому рівні зібрані основні техніки, згруповані відповідно до методів. Також описано принципи використання ієрархії. Для цього формально визначено типовий процес вирішення завдання з залученням методів науки про дані та сформульовано алгоритм використання фреймворку. Метод ситуаційного аналізу застосовано для того, щоб пересвідчитися в працездатності фреймворку. Розглянуто чотири кейси застосування

методів науки про дані для вирішення практичних завдань, які описані в сучасних публікаціях. Показано, що описані рі- шення повністю узгоджуються з запропонованою ієрархією методів фреймворку. Визначено рекомендовані напрямки засто- сування фреймворку та його обмеження: об’єкти обраної галузі повинні бути описані лише структурованими або напівстру- ктурованими ознаками. На завершення наведено шляхи подальших досліджень.