Quali competenze di dati e statistiche sono attualmente molto richieste e dove sono molto richieste?

Ho un lavoro facendo analisi dei dati in finanza. Il mio attuale lavoro è tale che non ho molta esposizione a cose che accadono nel resto del mio settore o in altri settori. Ho una buona conoscenza delle statistiche bayesiane.

Mi piacerebbe mantenermi commercializzabile, quindi sono curioso di sapere quali competenze di dati e statistiche siano attualmente molto richieste e dove. Il mondo del software è pieno di dati, quindi mi aspetto che abbiano davvero bisogno degli statistici, ma la mia impressione è che non siano molto richiesti.

Un mio amico ha suggerito che l'industria del software ha bisogno principalmente di "big data", non di statistiche.

Quali competenze di dati e statistiche sono attualmente molto richieste e dove sono molto richieste?

Un mio amico ha suggerito che l'industria del software ha bisogno principalmente di "big data", non di statistiche.

Pur essendo parzialmente d'accordo con il commento del tuo amico, vorrei sottolineare che in qualsiasi settore, gli strumenti per i Big Data sono attivati, solo se tutte le V sono soddisfatte.

Lavoro come responsabile della scienza dei dati presso una delle principali società di assistenza clienti. Qui, faccio hacking di dati sia per il prodotto che per la crescita dell'azienda.

Uso principalmente tecniche di analisi di serie storiche per la previsione di churn e l'analisi delle vendite. Ciò include anche l'analisi comportamentale dei clienti, della concorrenza e del settore.

Dal lato del prodotto, utilizziamo una serie di tecniche a partire dall'analisi del sentiment utilizzando LSTM, algoritmi di raccomandazione, ecc.

Ma il focus principale è sull'analisi delle serie storiche. Il flusso di lavoro generale sarebbe:

1. Pulizia e stampaggio dei dati.
2. le analisi esplorative ed esplicative che comportano l'identificazione di stagionalità, tendenze e cicli. Pertanto, è necessario esplorare correlazioni, autocorrelazioni e diverse statistiche univariate e bivariate; insieme a numerosi grafici, tra cui le curve scatter, AFC, PAFC.
3. Ora arriva la parte di previsione, in cui vari modelli vengono testati a vicenda, prendendo in seria considerazione il passaggio 2.

Strumenti usati da me: R, Python ed Excel a volte.

E anche la miscela di scienza dei dati e hacking sulla crescita ha dimostrato di fare magie nel campo del marketing. Quindi, la domanda di statistici e nerd matematici rimarrebbe così com'è; e non declinerà da nessuna parte nel prossimo futuro; soprattutto quando le startup focalizzate sul cliente stanno fiorendo in tutto il mondo.

Un luogo inaspettato in cui queste competenze sono molto richieste: risorse umane. Sono finito nel reparto risorse umane per una società di tecnologia lungimirante per caso dopo aver ottenuto un master in matematica applicata. Si scopre che molte aziende si stanno solo interessando al modo in cui le statistiche e l'analisi dei dati possono aiutarle. Poiché le analisi delle risorse umane sono nella loro infanzia relativa rispetto ad aree ben esplorate come la finanza, questo spesso comporta elementi relativamente basilari come i test di significatività e la regressione OLS. In questo momento sto lavorando a un modello predittivo di logoramento dei dipendenti che utilizza i rischi proporzionali di Cox. Il campo è in ripresa e ci sono molte opportunità di avere un impatto significativo su problemi significativi esercitando un certo grado di licenza creativa. Le risorse umane sono anche un ottimo posto per conoscere come sono strutturate le aziende e come costruire la tua carriera.