Какие навыки работы с данными и статистикой сейчас востребованы и где они востребованы?

У меня есть работа по анализу данных в области финансов. Моя текущая работа такова, что я не очень знаком с вещами, происходящими в остальной части моей промышленности или других отраслях. У меня достаточно знаний о байесовской статистике.

Я хотел бы сохранить себя на рынке, поэтому мне любопытно, какие данные и статистические навыки в настоящее время пользуются большим спросом и где. Мир программного обеспечения переполнен данными, поэтому я ожидаю, что им действительно очень понадобятся статистики, но у меня сложилось впечатление, что они не пользуются повышенным спросом.

Мой друг предположил, что индустрии программного обеспечения в первую очередь нужны навыки работы с большими данными, а не навыки статистики как таковые.

Какие навыки работы с данными и статистикой сейчас востребованы и где они востребованы?

Мой друг предположил, что индустрии программного обеспечения в первую очередь нужны навыки работы с большими данными, а не навыки статистики как таковые.

Частично соглашаясь с комментарием вашего друга, я хотел бы отметить, что в любой отрасли инструменты больших данных выбираются, только если все V удовлетворены.

Я работаю руководителем отдела информационных технологий в ведущей компании поддержки клиентов. Здесь я занимаюсь взломом данных как для продукта, так и для роста компании.

Я в основном использую методы анализа временных рядов для прогнозирования оттока и анализа продаж. Это также включает в себя поведенческий анализ клиентов, конкуренции и отрасли.

Что касается продукта, мы используем ряд методов, начиная с анализа настроений с использованием LSTM, алгоритмов рекомендаций и т. Д.

Но основное внимание уделяется анализу временных рядов. Общий рабочий процесс будет:

1. Очистка и формирование данных.
2. исследовательский и пояснительный анализ, включающий определение сезонности, тенденций и циклов. Итак, нужно исследовать корреляции, автокорреляции и несколько одномерных и двумерных статистических данных; наряду с обширными графиками, включая кривые рассеяния, AFC, PAFC.
3. Теперь наступает момент прогнозирования, где различные модели проверяются друг с другом, принимая шаг 2 в серьезное рассмотрение.

Инструменты, используемые мной: R, Python и Excel иногда.

И даже сочетание науки о данных и хакерского роста доказало свое волшебство в области маркетинга. Таким образом, спрос на статистиков и математических ботаников останется без изменений; и не собирается снижаться нигде в ближайшем будущем; особенно когда ориентированные на клиента стартапы процветают по всему миру.

Одно неожиданное место, где эти навыки пользуются повышенным спросом: HR. Я случайно попал в отдел кадров для перспективной технологической компании, получив степень магистра прикладной математики. Оказывается, многие компании просто начинают интересоваться тем, как статистика и анализ данных могут им помочь. Поскольку аналитика HR находится в зачаточном состоянии по сравнению с хорошо изученными областями, такими как финансы, это часто включает относительно базовые вещи, такие как тестирование значимости и регрессия OLS. Сейчас я работаю над прогнозирующей моделью истощения сотрудников с использованием пропорциональных рисков Кокса. Область находится на подъеме, и есть масса возможностей оказать существенное влияние на серьезные проблемы при реализации определенной степени творческой лицензии. HR также является отличным местом, чтобы узнать о том, как компании структурированы, а также как построить свою карьеру.