数据科学家的求职重点已经不再是技能，而是对应用场景的熟悉度！

很多小伙伴都有成为一个数据科学家的梦。但是随着数据科学的技能普及度越来越高，现在技能本身已经不再是数据科学家的应聘难点了，越来越多的公司更加看重候选人是否懂得数据科学在具体的商业模式、应用场景下的运作模式，也就是说，对于某一项具体的业务，你是否知道怎么用数据科学的方法解决它的业务问题？

也正因为如此，求职数据科学的小伙伴们应该多关注一下你感兴趣的职位，到底在帮助什么部门、解决什么问题，并且有的放矢地提高自己在相关应用场景中的数据科学技能。
下面，我们引入几个案例，来讲一讲，数据科学家到底在解决哪些业务问题。
数据科学起到的作用
数据科学是汇集了来自编程、数学、和统计等各领域专业知识的一门综合型学科，数据科学可以有效地解决了许多现实世界的问题，已经被越来越多的行业所采用。 数据科学覆盖到我们熟知的多个行业和领域。比如航空领域，西南航空公司曾通过数据得知可以减少飞机在停机坪等待的空闲时间，并高效利用资源，节省了1亿美元！
又例如，音乐流媒体服务平台Spotify使用Hadoop大数据来收集和分析其数百万用户的数据，向个人用户提供更个性化的音乐歌单。
再比如说，在媒体行业，数据科学可以利用社交媒体数据了解用户实时行为，比如在什么渠道看了什么内容，对什么内容感兴趣，等等。公司可以利用数据去创作更多针对不同客户群体的广告内容，并且去评估不同渠道，不同内容的有效程度，从而优化广告预算。
据估计，现在有超过60亿台设备连接到互联网。每天大约有250万兆字节的数据产生。到2020年，对于每一个人来说，每秒钟将有1.7MB的数据产生。据研究，全球数据科学市场预计将在2023年增长到1150亿美元，年复合增长率约为29%。德勤咨询的一份报告称，有76%的企业计划在未来两年内将增加他们在数据科学和数据分析方面的投入。简而言之，数据科学在企业中发挥着越来越重要的作用！
数据科学解决什么问题
对于营销人员来说，如果能适当地处理和分析数据，并挖掘有价值的商业信息，营销人员就可以提前锁定客户，为公司带来更大的效益。然而，对大块的数据进行解码是一项非常艰巨的任务。这就是数据科学的用武之地！
数据科学家们可以从大量数据中挖掘有意义的信息，并以此来帮助营销人员优化营销决策并获得最大的收益。以下是数据科学在营销领域内常见的18类应用！
1）优化营销预算：通过分析营销人员的营销成本和销售数据，数据科学家可以建立一个支出模型，帮助更好地利用预算。该模型可以帮助营销人员在不同地点、渠道、媒介和活动中分配预算，以优化其关键指标。
2）锁定受众：数据科学可以帮助营销人员将了解哪些地点和人口统计学给他们带来最高的投资回报率。
3） 识别正确的营销渠道：数据科学可以使用一个时间序列模型，通过比较和确定在各种渠道中不同的销售变化，以此来告诉营销人员到底哪个渠道和媒介可以提供预期的回报。
4）匹配营销策略与客户：数据科学家可以创建一个客户终身价值模型，该模型可以根据客户的行为进行细分。营销人员可以向最高价值的客户发送推荐优惠码和优惠返现，也可以对有可能流失的用户采用留存策略，等等。
5）引导目标客户：营销人员可以使用数据科学来锁定目标客户，了解客户的在线行为和意向。通过查看历史数据，营销人员可以确定客户的业务需求以及品牌偏好。
6）评分高级用户：数据科学使营销人员能够创建一个预测性用户评分系统。这个系统是一种算法，能够计算出用户转换的概率，来细分用户列表，从而来指定更加个性化的营销策略。
7）分析用户画像：通过数据科学，营销人员可以准确地决定哪些用户角色需要被定位。营销人员可以根据用户画像的数量和特征，来创建新的客户群。
8）创作营销内容：数据科学家通过分析用户在网上的各类浏览数据，进而帮助营销人员为每个客户创造最相关且有价值的内容。
9）制定情感分析：营销人员可以使用数据科学来做情感分析。这意味着，营销人员可以更好地了解客户的想法、意见、和态度。他们还可以监测客户对营销活动的反应。
10）指导定价策略：通过关注个人客户的偏好、他们过去的购买历史，和经济形势等因素，营销人员可以通过数据科学的辅助，确定是什么驱动了每个产品细分市场的价格波动，并且了解客户的购买意向。
11）开展实时互动营销：数据科学可以产生关于实时的信息，使营销人员能够利用这些情况来锁定客户。例如，一家酒店公司的营销人员可以实时使用数据科学来确定那些航班被延误的旅客，然后他们可以通过向客户的移动设备直接发送广告活动来锁定客户。
12）改善用户体验：通过数据科学，营销人员可以收集用户行为模式，预测谁可能需要特定的产品。这使营销人员能够有效地进行营销，为客户提供更丰富的体验。13）提高客户的忠诚度：忠诚的客户通常比获取新客户的成本要低。数据科学可以帮助营销人员改善对现有客户的营销，从而提高他们的忠诚度。例如，Target曾经利用数据科学，根据孕妇在怀孕前的购买行为，获得了孕妇的资料。然后，Target针对这些客户在怀孕期间提供产品优惠。这一营销策略在拉动销量和提高客户对公司的忠诚度方面取得了巨大的成功。
14）制定社交媒体营销：营销人员可以使用数据科学来查看哪些用户在探索他们的社交媒体页面，用户点击了哪些内容等等。有了这样的数据，营销人员可以制定战略，提高用户在社交媒体的参与度。
15）锁定社区分组：数据科学可以通过关键词频率来确定用户最常讨论的话题，来锁定特定的社交媒体群体以获取客户反馈。同时，数据科学还可以和自然语言处理算法结合，将用户使用过的特定单词的情况与其背景相结合，从而让营销人员更容易解读用户在社交中展现出来的潜在需求。
16）选择广告产品：营销人员可以使用数据科学来选择专门针对客户的广告，并衡量活动的点击率和效果，以此确保合适的用户看到合适的广告，并最终点击广告，甚至购买产品。
17）设计宣传邮件：数据科学可以用来弄清楚哪些邮件吸引了哪些客户。这些邮件的阅读频率如何，何时发送，什么样的内容能引起客户的共鸣，等等。营销人员能够以此来发送定制化和情境化的邮件，更好地吸引和转化目标用户。
18）改善数字营销平台：数字营销平台因数据而兴盛。数据科学可以通过提供正确的数据来改善数字营销平台，从而使营销人员能够整合平台的各功能以及现有资源，实现最终的营销目标。
我们需要什么样的数据？
数据科学在营销领域不可不谈的模型就是营销组合建模。数据是所有模型的第一步，现在我们将深入探讨营销组合建模所需的数据。
1） 销售/交易数据当我们对建模过程的要求越高，希望收集的数据就越精细。Day-city-Stock Keep Unit (SKU)级别的数据对于大多数情况来说是足够的，因为该模型可以全面了解每种产品在不同地区和时间的销售情况：

• 为什么需要这些数据？商品-地点-日销售数据使模型能够显示出销售发生的时间和地点，从而将变化与市场营销和外部数据联系起来。

  
  

  
  

• 从哪里得到这些数据？可从公司的ERP、数据库或CRM获取。

  
  

  
  

• 真的有必要收集至少过去2年的数据吗？是的，拥有至少两年的历史数据会带来很多好处。分析将能够更好地模拟季节效应，而且数据会有更多不同的组合，如不同的营销活动。这将有助最终获得更好的模型结果。

在销售数据中，还应该包括关于促销/折扣的信息。这将有助于识别价格敏感的产品类别并分析促销效果。更重要的是，当将部分销售和利润提升归因于促销活动时，建模会提供更加准确的结果。

• 如何包含/标记促销数据？有时会在收据级别数据上标记促销。其他情况下，可能会有一个单独的系统（如Relex），用于在开始日期和结束日期的基础上管理每个SKU位置组合的促销活动，然后你可以将此信息加入到销售数据中。如果这两种情况都不适合，仍然可以通过价格信息来计算折扣。

  
  

  
  

2） 营销传播数据MMM 所需的营销传播数据由 3 组或 4 组组成，这取决不同行业：

• 媒体指标可能会根据使用的方法和模型有所不同。媒体投资总额通常足以计算营销投资回报率（ROMI），但应该为每个媒体渠道设置额外的指标（TRP、OTS、Impressions等），以增加数据源的数据颗粒度，从而更好地区分每个媒体的影响

• 你还需要知道具体的广告投放信息，比如什么内容，在什么地方，什么时候发布，以便深入了解媒体的有效性。可以按品牌、产品组、品牌活动对媒体内容进行分类，也可以按单个产品/SKU对媒体内容进行分类：

•  为什么需要这些详细的数据？对活动和媒体投资进行分类有助于在分析的基础上获得更多的见解。

• 从哪里获得这些数据？答案取决于媒体渠道的数量和是否与广告公司合作。

在线媒体数据可以通过API提取
离线媒体数据来自广告公司。如果没有使用代理，媒体销售商能够提供这些指标数据。
3） 外部数据    外部数据不是必须的。

• 外部数据源真的有必要吗？没有。它们的存在是为了补充结果的可靠性。没有它们，很多的提升可能要归因于媒体投资和促销。有了它们，你就可以知道上次的销售预算是因为媒体组合不理想还是因为天气不好。

4）如何将这些输入到模型中？这很大程度上取决于模型。只需确保有一种连接不同数据集（销售数据、营销数据、外部数据）的方法。例如，时间序列模型通常将每个日期使用一个数据点，因变量（销售）和自变量（促销、营销、外因）作为列包含在内。

看到这里，你已经成功地收集了模型所需的所有数据！是时候启动你的建模之旅了。

以上就是“数据科学家的求职重点已经不再是技能，而是对应用场景的熟悉度！”的详细内容，想要了解更多IT圈内资讯欢迎持续关注编程学习网