Trường hợp sử dụng phổ biến nhất dường như là các hệ thống đề xuất các loại khác nhau (như đề xuất các mặt hàng mua sắm, người dùng trong các mạng xã hội, v.v.).
Nhưng các ứng dụng khoa học dữ liệu điển hình khác, có thể được sử dụng trong một ngành dọc khác nhau là gì?
Ví dụ: dự đoán khuấy đảo khách hàng với học máy, đánh giá giá trị trọn đời của khách hàng, dự báo doanh số.
Câu trả lời:
Ngoài ra, dường như có một danh sách rất đầy đủ các trường hợp sử dụng khoa học dữ liệu theo chức năng và theo chiều dọc trên Kaggle - "Các trường hợp sử dụng khoa học dữ liệu"
Sự hài lòng là một điều rất lớn mà tôi gặp phải rất nhiều. Rất lớn đề cập đến tầm quan trọng / khó khăn / phức tạp.
Điểm mấu chốt là đối với các dịch vụ rất lớn (công cụ tìm kiếm, facebook, Linkedin, v.v ...) người dùng của bạn chỉ đơn giản là một bộ sưu tập các dòng nhật ký. Bạn có rất ít khả năng để thu hút phản hồi từ họ (không nhất thiết phải là một quy tắc khó và nhanh). Vì vậy, bạn phải suy luận phản hồi tích cực hoặc tiêu cực của họ hầu hết thời gian.
Điều này có nghĩa là tìm cách, thậm chí bên ngoài mô hình dự đoán, để thực sự biết, từ một bộ sưu tập các dòng nhật ký, cho dù có ai đó thực sự thích thứ gì đó họ trải nghiệm hay không. Hành động đơn giản này thậm chí còn cơ bản hơn (theo ý kiến thiên vị của tôi) so với thử nghiệm a / b vì bạn đang nói về số liệu cuối cùng bạn sẽ theo dõi trên phiếu ghi điểm kiểm tra.
Khi bạn đã xử lý các số liệu SAT tốt thì bạn có thể bắt đầu thực hiện các mô hình dự đoán và thử nghiệm. Nhưng ngay cả việc quyết định phần nào của công cụ ghi nhật ký có thể cho bạn biết về SAT là không tầm thường (và thường thay đổi).
Tất nhiên, nó phụ thuộc vào trọng tâm của công ty: thương mại, dịch vụ, v.v. Để phù hợp với các trường hợp sử dụng mà bạn đề xuất, một số trường hợp sử dụng khác sẽ là: