Welche Daten- und Statistikkenntnisse sind derzeit sehr gefragt und wo sind sie sehr gefragt?

Ich habe einen Job in der Datenanalyse im Finanzbereich. Mein aktueller Job ist so, dass ich nicht viel mit Dingen zu tun habe, die in der übrigen Branche oder in anderen Branchen passieren. Ich habe ziemlich viel Wissen über die Bayes'sche Statistik.

Ich möchte mich marktfähig halten, daher bin ich gespannt, welche Daten- und Statistikkenntnisse derzeit und wo stark nachgefragt werden. Die Software-Welt ist voller Daten, daher würde ich erwarten, dass sie wirklich dringend Statistiker benötigen, aber ich habe den Eindruck, dass sie nicht sehr gefragt sind.

Ein Freund von mir hat vorgeschlagen, dass die Softwareindustrie in erster Linie "Big Data" -Fähigkeiten benötigt, nicht statistische Fähigkeiten an sich.

Welche Daten- und Statistikkenntnisse sind derzeit sehr gefragt und wo sind sie sehr gefragt?

Ein Freund von mir hat vorgeschlagen, dass die Softwareindustrie in erster Linie "Big Data" -Fähigkeiten benötigt, nicht statistische Fähigkeiten an sich.

Obwohl ich dem Kommentar Ihres Freundes teilweise zustimme, möchte ich darauf hinweisen, dass in jeder Branche Big-Data-Tools nur dann ausgewählt werden, wenn alle Vs zufrieden sind.

Ich arbeite als Head of Data Science bei einem führenden Kundenbetreuungsunternehmen. Hier mache ich Daten-Hacking sowohl für das Produkt als auch für das Wachstum des Unternehmens.

Ich verwende hauptsächlich Zeitreihenanalysetechniken für die Abwanderungsvorhersage und die Verkaufsanalyse. Dies beinhaltet auch die Verhaltensanalyse der Kunden, des Wettbewerbs und der Branche.

Auf der Produktseite verwenden wir eine Reihe von Techniken, beginnend mit der Stimmungsanalyse unter Verwendung von LSTMs, Empfehlungsalgorithmen usw.

Der Schwerpunkt liegt jedoch auf der Zeitreihenanalyse. Der allgemeine Workflow wäre:

1. Reinigen und Formen der Daten.
2. die explorativen und erklärenden Analysen, bei denen Saisonalität, Trends und Zyklen identifiziert werden. Man muss also Korrelationen, Autokorrelationen und mehrere univariate und bivariate Statistiken untersuchen. zusammen mit umfangreichen Darstellungen einschließlich der Streu-, AFC-, PAFC-Kurven.
3. Nun kommt der Prognoseteil, in dem verschiedene Modelle gegenseitig getestet werden, wobei Schritt 2 ernsthaft berücksichtigt wird.

Von mir verwendete Tools: R, Python und Excel manchmal.

Und selbst die Mischung aus Data Science und Growth Hacking hat sich im Bereich Marketing als magisch erwiesen. Die Nachfrage nach Statistikern und Mathe-Nerds würde also unverändert bleiben. und wird in naher Zukunft nirgendwo zurückgehen; vor allem, wenn kundenorientierte Startups weltweit aufblühen.

Ein unerwarteter Ort, an dem diese Fähigkeiten sehr gefragt sind: HR. Ich bin zufällig in der Personalabteilung eines zukunftsorientierten Technologieunternehmens gelandet, nachdem ich einen Master in angewandter Mathematik erhalten hatte. Es stellt sich heraus, dass viele Unternehmen sich gerade dafür interessieren, wie Statistiken und Datenanalysen ihnen helfen können. Da HR-Analysen im Vergleich zu gut erforschten Bereichen wie Finanzen noch in den Kinderschuhen stecken, handelt es sich häufig um relativ grundlegende Dinge wie Signifikanztests und OLS-Regression. Im Moment arbeite ich an einem prädiktiven Modell für die Abnutzung von Mitarbeitern, das Cox-proportionale Gefahren verwendet. Das Feld befindet sich im Aufschwung und es gibt eine Menge Möglichkeiten, bedeutende Probleme zu lösen, während ein gewisses Maß an kreativer Lizenz ausgeübt wird. HR ist auch ein großartiger Ort, um zu erfahren, wie Unternehmen strukturiert sind und wie Sie Ihre Karriere aufbauen können.