—

 云咖啡讲座 

时间： 5/4 周一 9 PM EDT

导师来自：

导师Title：Amazon Data Scientist

疫情下，Data Scientist在哪些行业的需求更大？

深度解析Data Scientist经典面试题

实习期间做到哪几点，可以拿到公司的Return Offer？

扫码回复【DS 0】报名

特殊时间，一杯咖啡钱，

足不出户，和大厂导师“Coffee Chat”

—

—

宅家40+天后，

不少留守在美国的留学生现在的状态基本是：

饭也做腻了，

觉也睡饱了，

剧也刷完了，

连上网抢菜也熟能生巧了。

 

但是，相信大部分人每天依旧会主动查一查，或者被家人强行输入某知名论坛的疫情数据。

 

在4月13日，很多同学在中英文媒体上都看到了“全美确诊单日暴增10万，确诊68万多”这个错误的信息。而这一数据来源是美国目前最认可的Johns Hopkins University（以下称JHU）的疫情数据。

  

图/6park.com

 

微博也有一个热搜 #美国疫情统计出现乌龙#：

 

文字来源：新浪客户端

 

对此，一亩三分地站长Warald出面解释称：一亩三分地和JHU是并行团队，该团队此前曾与约翰·霍普金斯大学建立了交流合作关系，“一亩三分地”向其提供美加疫情数据，该大学向“一亩三分地”提供全球数据，这次数据上的波动变化是由于美国佛罗里达州的数据源在人工输入的时候出现了问题。

 

图/1Point3Acres”为数据来源之一

 

不管是这次的数据乌龙事件，还是前不久的Zoom的信息泄露事件，都可以看出：

 

在这个大数据时代，我们每个人都在裸奔。

  

尤其是在疫情期间，线上商务需求更加被放大了。疫情结束后，整个社会岗位需求的转换已经成了不争的事实：制造业、交通运输、零售等传统行业都会大面积向互联网、电商以及其他云端行业和数据支持岗位进行转换。

 

而作为原本就热门的数据分析岗位，在这场行业大洗牌中更是会扮演起尤其重要的角色。那么我们该如何做好充分的准备，去迎接这场信息爆炸的浪潮，拿下高薪的数据分析相关岗位呢？

首先，你需要知道Data岗位需要你做什么：

Qualititive to Quantitive

其实任何一个Data从业者每天要接触的问题类型其实只有两种： 

1

Qualitative Business Requirements

2

Quantitative Data-Driven Solutions

举个例子，

 

如果你的好朋友去年Holiday Season的时候入住了一家网红Airbnb，你想听听他的反馈，决定今年是不是也订那一家，那么下单之前，你多半会问他：

 

“你那家Airbnb住下来感觉怎么样？是不是真有网上说的那么好啊？”

 

这对应到商业环境中来说，就是一个Qualitative的问题，

 

而作为一个Data Analyst，你就需要把他们的问题转化成Quantitative Data - Driven的问题：

 

“你能从1-5给我Rate一下这间Airbnb吗？”

“这间房子的Reviews有多少条？好评率是多少？有多少个是5星有多少个是1星呢？”

 

就好比公司投了一条广告，你的上司会来问你：“这条广告今天的Performance怎么样？花了多少钱？营收多少钱？”

 

那么当你试图去回答问题的时候，就需要把这些Qualitative Business Requirements通过分析广告的Cost、Return、Bounce Rate等等数据来转化成Quantitative Data - Driven Solutions，然后再判断今天这条广告投放是赚了还是亏了。

不管你的就业方向是Data Science、Business Analytics还是Marketing Analytics，都遵循这个法则：将Qualititive的商业问题转化成Quantitive的实际解决方案。

 

模型：Data分析师的职场语言

 

在从Qualitative Business Requirements到Quantitative Data- Driven Solutions这样一个过程中，数据分析师们一般都会使用他们所特有的语言——数据分析模型，去转变他们在这个过程中的Mindset。

 

不管你未来想在互联网、电商、快消还是其他新兴领域就业Data方向的岗位，这些模型和他们能够帮助解决的商业问题，都是你必须了解和掌握的。

 

下面就向大家介绍几种热门行业最为推崇的Data Analytics模型和他们的应用场景，以及能帮助解决的商业问题：

01

Attribution Model 归因模型

什么是归因模型？

用户从打开网站页面到最终下单购买，中间会有一系列步骤，最初的那个步骤可能是：

点击搜索框

点击Banner图片

点击收藏页面

……

总之，是哪个步骤让用户最终下单购买产品的，就是把这部分销售归属到最初那个步骤所在的模块，就是归因模型。

 

目前归因模型的种类大约有十一种之多，涵盖了First Touch Attribution（首次归因）、Last Touch Attribution（末次归因）、Linear Attribution（线性归因）、Time Decay Attribution（时间衰减归因）等。每一种都有其特有的互动端口和检测方式，作为一个有经验的数据分析师，需要根据不同的商业问题，来选择对应的模型。

能够帮助解决的问题？

一个有效的归因模型，能够告诉我们：哪些渠道能赚钱，哪些渠道能促进业务增长，哪些渠道有助于转化。

 

图/Rittman Analytics

 

营销渠道越多、顾客行为路径越复杂，就越需要归因模型来帮助判断渠道价值，优化渠道组合和资源分配，最后达到最大化营收的目的。

 

02

Time Series Model 时间序列模型

什么是时间序列模型？

通常，企业内部为了保证一些关键指标的健壮性，需要对这些关键指标进行实施的检测和异常发现，这些关键指标随着时间的移动就形成了多条时间序列曲线。

 

图/medium.com

 

这种时间序列曲线，少说几百万条，多则上亿条。所以，对这些海量的时间曲线进行一场检测就成为了一个关键性问题。这时，就需要用到时间序列模型去发现异常，防止监控不到位对产品带来的影响，和给用户带去的不良体验。

 

能够帮助解决的问题？

简单来说，时间序列模型的建立通常包含三个目的:

理解所考虑的动态系统，

预测将来事件，

通过干预来控制将来事件

 

图/DZone

 

这是一种能够利用过去的数据预测未来的模型，能够给出项目未来的大致走向。通过对时间序列的分析，可以反映现象发展变化的趋势和规律，再通过对影响时间序列的各种因素进行测定，可以进一步解释现象变化的内在原因，为预测和决策提供可靠的数据支持。

 

比如，我们可以通过建立对气温变化的时间序列，和设计部门合作，来调整网页羽绒服和毛衣的展示方式和位置，以达到增加销量的目的。

03

Tree-based models 树模型

什么是树模型？

树模型是机器学习领域内，除了深度学习之外，使用的最为广泛，也是变种特别多的一种模型了。它是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。最常用树模型包括决策树，随机森林及XGBoost。

 

图/geohackweek

能够帮助解决的问题？

举个例子，

对于一个航空公司的企业的高层来讲，了解周末和非周末销量是否有大的区别，以及天气、促销活动这些因素是否影响机票销售量至关重要。

 

因此，为了让决策者准确了解和销量有关的一系列影响因素，需要构建模型来分析天气好坏、是否是周末和是否有促销活动对销量的影响。

 

图/McKinsey

 

这个过程中就需要我们去定义商业问题、收集数据、对数据进行预处理、建立树模型、对数据进行分析评测，最后分析结论。

 

同时，这个过程也就是我们上文所说的将商业问题“Qualititive to Quantitive”的一个过程。 

树模型比线性模型更好么？

学习树模型的过程中，很多人会产生这样一个疑问：

“如果我可以使用逻辑回归解决分类问题，线性回归解决回归问题，为什么还要使用树？”

 

实际上，使用任何算法都取决于你要解决的问题类型。

在商业环境中，你需要根据因变量和自变量的关系、以及你是否需要构建一个易于解释的模型，和整个Marketing、UIUX Design等部门去解释你的发现和解决方案，去最终确定使用什么模型。

 

以上列举的这些模型及其商业应用，

在职图 X 飞跃计划的课程中，我们统统教给你！

扫码回复【Trave 0】了解更多项目详情

另外，有一点值得求职者注意的是：电商是数据科学和机器学习技术的最大使用群体之一，电商企业对数据科学的重视远超其他行业。

 

猎头公司Bernhart Associates Executive Search的新数据显示，在美国市场，电商副总裁等B2B电商职位的年薪较两年前上涨了10%至15%。

  

文字来源：digitalcommerce360.com

 

可见，电商就业市场依然十分强劲。

 

如今，在Indeed上，B2B Ecommerce领域有3000+个全职职位空缺，薪资从55000美元到125000美元不等。

 

图片来源：indeed.com

 

即使是在当下企业大面积减招、裁员、撤回Offer的情况下，很多公司依旧在招聘B2B Ecommerce的职位。

 

例如，亚马逊公司几周前就发布了几周前宣布新开放10万个职位用来支持自己的超负荷运作。职位有包括Sales, Advertising, Business Analyst 和 Software Development等。

了解了以上的行业趋势和掌握数据分析模型后，你认为自己就可以闭着眼睛找到工作了吗？

 

就像上文在分析树模型中所提到的，判断使用哪些模型、如何使用这些模型、用它们去解决什么问题，是只有在一个成熟完整的商业环境中才能够习得的。

 

纸上得来终觉浅，无论你的就业方向是Data Science、Business Analytics还是Marketing Analytics，飞跃计划能让你学习最前沿的Data工具，和名校同学组队“打怪”，体验手握真实商业经费，成为项目重要角色的快感！

 

如何报名飞跃计划？

飞跃计划5月4日开课，

还剩最后10个名额

开课前需要进行背景测评

扫码回复【Trave 0】了解更多项目详情