来源:365 Data Science

编译:Mika

CDA数据分析师出品

 

导读:数据科学家还需要掌握商业技能吗?当然了,针对这个问题,365 Data Science用有趣的视频做出了解答。

 

在今天的内容中,我们谈谈商业和数据科学,以及如何将两者结合起来。

 

有人可能会问,数据科学家的业务基础? 数据科学家为什么还需要这方面的技能?

 

 

以下是文字版本:

 

 

 

 

想象一下,你是一名数据科学家。

 

你擅长数学和统计学,你能熟练使用SQL和Python,具有丰富的数据清理和可视化经验。另外,你对机器和深度学习也并不陌生。 

 

这在你看来,有了这些技能,任何高薪数据科学家工作都是你的囊中之物。

 

也许你是一位经验丰富的数据科学家,正试图开辟新的领域,或者你是一名刚刚完成在线证书课程的新手,准备到顶尖的数据科学咨询公司实习。

 

无论是以上哪种情况,你去面试时都感觉自己已胜券在握。你吹嘘自己所有的技能,夸夸其谈你掌握好几种编程语言,想使用全部的语言,以及如何应用最新的算法。

 

从面试官脸上令人印象深刻的表情判断,你感觉自己已被录用了 !

 

但实际上,雇主是这么想的, “听上去你的能力很棒,但是我这里没有纯粹的数据科学家工作。我需要能够结合数据和商业策略,知道如何解决复杂的数据问题,并能有效与管理层分享见解的员工。”

 

这也是你要看这篇文章的原因,在本文中我们将给你展示5个关键的商业基础知识,将向你展示如何使用数据来实现实际业务解决方案。

 

因为在如今,处理好数据对任何一家公司来说都是生死攸关的。它意味着创新、生产力增长和更丰富的客户洞察力。

 

因此如果帮助公司成功做到以下几点,你就能成为出色的数据科学家,这几点就是:

 

 

一、理解业务目标

 

数据科学家必须理解公司的战略目标,并将其作为整个数据收集和解释过程的指导。这保证了你提供的分析将确保公司的竞争优势。

 

注意,要记得你的受众。这些数据信息是给董事会内部使用 还是给销售经理使用? 还是给资本市场或供应商对外使用?

 

每个受众都有不同的需求,即使总体战略目标是相同的。一旦你确定了受众,确保你为他们的绩效相关问题提供答案。

 

但是该怎么做呢?

 

熟悉 KPQs 和 KAQs

 

熟悉关键性能问题(KPQs)以及关键分析问题(KAQs)的概念。这两者都让你将理解性能数据,并从中获得可操作的知识。

 

KPQs围绕着公司在实现特定目标方面的表现。例如:”我们的服务推广做得如何?”或者”我们吸引新的潜在客户做得如何?”

 

另一方面,KAQs旨在缩小实现目标的战略选择范围。例如 “客户是如何点击进入我们网站的?”或者”哪些人是我们最有价值的客户?”

 

有的人可能会问 “那么商业智能工具和其他系统呢?” 不幸的是在大多数公司,工具更多是由手头的信息驱动的,而不是通过能带来商业决策的信息。这可能会让任何一家公司处于劣势。

 

这就是为什么先确定受众的需要至关重要,并相应地使用工具。而不是先用工具,再看工具可能提供的信息需求。

          

 

二、收集正确的数据

 

高级数据科学家必须确保,在其领导下的团队收集和组织相关和有用的数据。

 

因此这几点是至关重要的:必要数据是否已经存储在组织中;以何种格式存储,数字的或非数字的,如图像、文本或声音。

 

为数值数据收集定量数据,或者为非数值数据收集定性数据。定量数据是通过操作或调查问卷自动收集的,这很容易分析和进行可视化。

 

然而为了提供更丰富的内容,公司不能没有定性数据。这揭示了影响某些行为的因素,如顾客满意度或客户流失、定性调查 、焦点小组,以及点对点评价是收集定性数据的方法之一。其他方法包括分析点击率和社交媒体参与度。

  

现在你有了数据,下面是时候对其进行解释和具体思考,从而提取有价值的信息。

 

 

三、分析数据

 

有意义的分析对于有效的决策是至关重要的。正如我们已经提到的,BI工具本身并不足以进行很好的分析。尽管如此,它们仍然可以在其他各种类型的分析中发挥重要作用。

 

例如在线分析处理,即OLAP。这提供查看数据的多维度,并根据各种因素进行数据挖掘。当然还有文本挖掘,用来提取和分析,并从大型文本数据集中总结信息。BI  软件为数据科学家提供了交互式获取和丰富的图形功能,以及执行根源分析的能力。

 

如果需要从不同的角度查看数据怎么办?

 

这时多维技术开始发挥作用。使用数据模型 有助于基于整合不同来源的商业信息做决定。因此要尽可能多的利用各种工具,有效地使用它们来获得相关的和可执行的见解。

            .

 

四、有效地沟通数据

 

为了准备清晰而有说服力的报告,你需要使用不同类型的图表,如标记图、直方图、散点图等。

 

然而,为了提供信息并有效的用数据讲故事,你需要把图表和叙述结合起来。这将让你的受众从大局把握,并从收集的数据中获取业务价值。

 

如何确保有价值的见解不会被忽视呢?

 

著名的战略绩效顾问伯纳德·马尔提出了4个步骤,从而确保能得出强有力且具有策略性的报告。

 

即用KAQs和KPQs构建报告框架;以适当具有资讯性的图表支持KAQs及KPQs;使用标题来概括关键信息;以及为视觉效果提供背景叙述。

 

如果选择仪表板来展示,请注意避免一些常见的错误。例如为数据提供不适当的背景内容,使用无用且乱七八糟的装饰,或者数据排列得很糟糕。

 

 

五、了解商业决策是如何做出的

 

你认为数据科学家的工作是打包整理信息,并将其呈现给利益相关者就结束了吗?

 

那就错了。

 

如果你想认真对待这份职业,你还应该知道:基于证据的决策是如何做出的。

 

优秀的数据科学家会确保他们的见解将成为可采取行动的基础。作为一名数据科学家,你可以对公司学习和提高的愿景产生重要影响。

 

因此,你需要充分利用数据科学力量,并永远使用它 !

文章来源: CDA数据分析师

原文链接: https://www.cda.cn/

AIU人工智能学院 以数据分析、机器学习、深度学习、人工智能、TensorFlow、Keras、知识图谱等前沿技术为主题,致力于成为国内前沿的人工智能、数据科学领域在线教育品牌。

加关注
喜欢 | 0

登陆后发表文章

  • 0条回应给“只懂技术还不够,数据科学家还需掌握这五大商业技能”的评论