Il caso d'uso più popolare sembra essere quello di raccomandare sistemi di diverso tipo (come raccomandare articoli per lo shopping, utenti nei social network ecc.).
Ma quali sono le altre applicazioni tipiche per la scienza dei dati, che possono essere utilizzate in verticali diversi?
Ad esempio: previsione di abbandono del cliente con l'apprendimento automatico, valutazione del valore della vita del cliente, previsioni delle vendite.
Risposte:
Inoltre, sembra esserci un elenco molto completo di casi d'uso di data science per funzione e per verticale su Kaggle - "Data Use Use Science"
La soddisfazione è enorme in cui mi imbatto molto. Enorme riferimento a importanza / difficoltà / complessità.
La linea di fondo è che per servizi molto grandi (motori di ricerca, facebook, linkedin, ecc ...) i tuoi utenti sono semplicemente una raccolta di linee di registro. Hai poca capacità di sollecitare il feedback da loro (non necessariamente una regola dura e veloce). Quindi devi dedurre il loro feedback positivo o negativo per la maggior parte del tempo.
Ciò significa trovare modi, anche al di fuori della modellazione predittiva, per dire veramente, da una raccolta di linee di registro, se a qualcuno effettivamente è piaciuto qualcosa che hanno vissuto. Questo semplice atto è ancora più fondamentale (secondo la mia opinione distorta) rispetto ai test a / b poiché stai parlando di metriche che alla fine seguirai su una scorecard di prova.
Una volta che hai una buona conoscenza delle buone metriche SAT, puoi iniziare a creare modelli predittivi e sperimentare. Ma anche decidere quale strumento di log può dirti su SAT non è banale (e spesso cambia).
Dipende, ovviamente, dal focus dell'azienda: commercio, servizio, ecc. In aggiunta ai casi d'uso che hai suggerito, alcuni altri casi d'uso sarebbero: