Які навички даних та статистики зараз користуються великим попитом та де вони користуються великим попитом?

У мене робота з аналізу даних у галузі фінансів. Моя нинішня робота така, що я не маю особливого впливу на те, що відбувається в решті моєї галузі чи інших галузях. Я маю неабияку кількість знань про байєсівську статистику.

Я хотів би тримати себе на ринку, тому мені цікаво, які дані та статистичні навички зараз користуються великим попитом та де. Світ програмного забезпечення переповнений даними, тому я б очікував, що їм статистики дуже потрібні, але моє враження, що вони не користуються великим попитом.

Мій друг припустив, що індустрії програмного забезпечення в першу чергу потрібні навички "великих даних", а не навички статистики самі по собі.

Які навички даних та статистики зараз користуються великим попитом та де вони користуються великим попитом?

Мій друг припустив, що індустрії програмного забезпечення в першу чергу потрібні навички "великих даних", а не навички статистики самі по собі.

Частково погоджуючись з коментарем вашого друга, я хотів би зазначити, що в будь-якій галузі використовуються великі інструменти передачі даних, лише якщо всі V задоволені.

Я працюю керівником науки про дані у провідній компанії з підтримки клієнтів. Тут я роблю злом даних як для продукту, так і для зростання компанії.

Я в першу чергу використовую методи аналізу часових рядів для прогнозування часу та аналізу продажів. Сюди також входить поведінковий аналіз клієнтів, конкуренції та галузі.

Що стосується продукту, ми використовуємо цілий ряд методів, починаючи з аналізу настроїв, використовуючи LSTM, алгоритми рекомендацій тощо.

Але основна увага приділяється аналізу часових рядів. Загальний робочий процес буде таким:

1. Очищення та формування даних.
2. дослідницький та роз’яснювальний аналіз, який включає визначення сезонності, тенденцій та циклів. Отже, потрібно вивчити кореляції, автокореляції та кілька одновимірних та двоваріантних статистичних даних; разом із обширною графікою, включаючи криві розкиду, AFC, PAFC.
3. Зараз приходить частина прогнозування, де різні моделі випробовують одна одну, серйозно враховуючи крок 2.

Інструменти, які використовуються мною: R, Python та Excel іноді.

І навіть поєднання наукових даних і хакерського зростання виявило магію в галузі маркетингу. Отже, попит на статистиків та математиків-духівників залишатиметься таким, яким є; і найближчим часом нікуди не занепаде; особливо коли стартують орієнтовані на клієнтів стартапи по всьому світу.

Одне несподіване місце, де ці навички користуються великим попитом: HR. Я потрапив у відділ кадрів для спеціалістів із перспективних технологій, отримавши майстер прикладної математики. Виявляється, багато компаній просто цікавляться, як статистика та аналіз даних можуть їм допомогти. Оскільки аналітика в галузі людських ресурсів знаходиться у відносному зародковому стані порівняно з добре дослідженими сферами, такими як фінанси, це часто передбачає порівняно основні речі, такі як перевірка значущості та регресія OLS. Зараз я працюю над прогнозною моделлю виснаження працівників, використовуючи пропорційні небезпеки Кокса. Поле знаходиться на підйомі, і є цілий ряд можливостей зробити вагомий вплив на значні проблеми під час здійснення певної міри творчої ліцензії. HR - це також чудове місце, щоб дізнатися про структуру компаній та про те, як будувати свою кар’єру.