Dữ liệu và kỹ năng thống kê nào hiện đang có nhu cầu cao và họ có nhu cầu cao ở đâu?

Tôi có một công việc làm phân tích dữ liệu trong tài chính. Công việc hiện tại của tôi là tôi không tiếp xúc nhiều với những điều xảy ra trong phần còn lại của ngành hoặc các ngành khác. Tôi có một lượng kiến ​​thức khá lớn về thống kê Bayes.

Tôi muốn giữ cho mình có thể tiếp thị, vì vậy tôi tò mò không biết kỹ năng thống kê và dữ liệu nào đang có nhu cầu cao và ở đâu. Thế giới phần mềm tràn ngập dữ liệu, vì vậy tôi mong họ sẽ cần các nhà thống kê thực sự tồi tệ, nhưng ấn tượng của tôi là họ không có nhu cầu cao.

Một người bạn của tôi đã gợi ý rằng ngành công nghiệp phần mềm chủ yếu cần các kỹ năng "dữ liệu lớn", chứ không phải các kỹ năng thống kê.

Dữ liệu và kỹ năng thống kê nào hiện đang có nhu cầu cao và họ có nhu cầu cao ở đâu?

Một người bạn của tôi đã gợi ý rằng ngành công nghiệp phần mềm chủ yếu cần các kỹ năng "dữ liệu lớn", chứ không phải các kỹ năng thống kê.

Mặc dù đồng ý một phần với nhận xét của bạn bè, tôi muốn chỉ ra rằng trong bất kỳ ngành nào, các công cụ dữ liệu lớn đều được chọn, chỉ khi tất cả các V đều hài lòng.

Tôi làm trưởng phòng khoa học dữ liệu tại một công ty hỗ trợ khách hàng hàng đầu. Ở đây, tôi thực hiện hack dữ liệu cho cả sản phẩm và cho sự phát triển của công ty.

Tôi chủ yếu sử dụng các kỹ thuật phân tích chuỗi thời gian để dự đoán và phân tích doanh số. Điều này cũng bao gồm phân tích hành vi của khách hàng, cạnh tranh và ngành công nghiệp.

Về phía sản phẩm, chúng tôi sử dụng một loạt các kỹ thuật bắt đầu từ phân tích tình cảm bằng LSTM, thuật toán đề xuất, v.v.

Nhưng trọng tâm cốt lõi nằm ở phân tích chuỗi thời gian. Quy trình công việc chung sẽ là:

1. Làm sạch và đúc dữ liệu.
2. các phân tích thăm dò và giải thích liên quan đến việc xác định tính thời vụ, xu hướng và chu kỳ. Vì vậy, người ta cần khám phá các mối tương quan, tương quan tự động và một số thống kê đơn biến và bivariate; cùng với âm mưu bao quát bao gồm các đường cong phân tán, AFC, PAFC.
3. Bây giờ đến phần dự báo, trong đó các mô hình khác nhau được thử nghiệm lẫn nhau, thực hiện bước 2 - xem xét nghiêm túc.

Công cụ được tôi sử dụng: R, Python và Excel đôi khi.

Và ngay cả sự pha trộn giữa khoa học dữ liệu và hack tăng trưởng đã được chứng minh là làm nên điều kỳ diệu trong lĩnh vực tiếp thị. Vì vậy, nhu cầu cho các nhà thống kê và mọt sách toán học sẽ vẫn như cũ; và sẽ không từ chối bất cứ nơi nào trong tương lai gần; đặc biệt là khi các khách hàng khởi nghiệp tập trung đang nở rộ trên toàn thế giới.

Một nơi bất ngờ khi những kỹ năng này có nhu cầu cao: Nhân sự. Tôi đã kết thúc ở phòng nhân sự cho một công ty công nghệ có tư duy tiến bộ một cách tình cờ sau khi có bằng thạc sĩ toán ứng dụng. Hóa ra rất nhiều công ty đang trở nên quan tâm đến cách thống kê và phân tích dữ liệu có thể giúp họ. Bởi vì các phân tích nhân sự đang ở giai đoạn trứng nước so với các lĩnh vực được khai thác tốt như tài chính, điều này thường liên quan đến các công cụ tương đối cơ bản như kiểm tra ý nghĩa và hồi quy OLS. Ngay bây giờ tôi đang làm việc trên một mô hình tiêu hao nhân viên dự đoán bằng cách sử dụng các mối nguy theo tỷ lệ Cox. Lĩnh vực này đang phát triển và có rất nhiều cơ hội để tạo ra một tác động có ý nghĩa đối với các vấn đề quan trọng trong khi thực hiện một mức độ nhất định của giấy phép sáng tạo. Nhân sự cũng là một nơi tuyệt vời để tìm hiểu về cách các công ty được cấu trúc cũng như cách xây dựng sự nghiệp của bạn.