在Springboard,我们的学生经常问我们这样的问题“数据科学家是做什么?”或者“数据科学家每天的工作是什么样子?”这些问题很棘手。答案因角色和公司不同而不同。
因此,我们咨询了Raj Bandyopadhyay, Springboard数据科学教育主管,看看他是否有一个更好的答案。Raj提供了下图中的框架,它既可以帮助你了解数据科学家的日常工作,也可以帮你理解数据科学解决问题的流程,Raj称之为“数据科学工作流程”。
在解决问题之前,首先要做的是把问题界定清楚,去定义它到底是什么。你必须能够将数据问题转化为可操作的东西。
你经常会从持有问题的人那里得到模糊的描述。你必须培养直觉:通过问一些别人不会问的问题,把这些模糊描述转换成可操作的问题。
假设您正在为公司的销售人员解决问题,你应该了解他们的目标是什么以及数据问题背后真正的本质是什么?在你开始考虑问题之前,你必须与他们合作,明确界定问题。正确地提问是这一步骤的关键。你应该弄清楚销售过程是什么样子,谁是客户。你需要尽可能了解背景知识以便将数据转换为洞察力。为此,你应该问类似下面的问题:
(1)谁是顾客?
(2)他们为什么买我们的产品?
(3)我们如何预测,一个客户是否会买我们的产品?
(4)表现好和差客户细分群体之间的区别在哪里?
(5)如果我们不能把产品卖给目标客户,我们的损失有多大?
在回答你的问题时候,销售人员可能会发现他们想知道为什么产品在部分细分客户群体中的销售不及预期。他们的最终目标可能是确定是否继续投资于这些群体,或是降低它们的优先级。这样你进一步细化了问题,针对细化后的问题发掘答案。在这个阶段的最后,你应该有了所有你需要解决问题的背景知识。
一旦定义好了问题,你需要通过数据来寻找解决方案。这一进程中要想清楚需要什么样的数据?通过什么渠道可以获取这些数据?是要内部数据库数据还是需要购买外部数据?
或许你可能会发现,你要数据都存储在公司的客户关系管理CRM系统中,那么就可以将数据用CSV文件的形式导出。
现在,你有了原始数据,但是还需要为后续的分析做数据预处理。通常情况下,数据都是杂乱无章的,特别是没有很好地存储的情况下。很多东西都可以导致后续分析的错误:null值,重复值和缺失值。对数据的精心核查才能保障从数据中得到有价值的见解。
你要检查以下常见错误:
(1)缺失值,例如客户没有初次接触日期
(2)损坏值,如无效输入项
(3)时区差异,也许你的数据库没有考虑到用户处在不同的时区
(4)日期范围错误,也许你会有没有任何意义日期数据,比如销售开始前的注册数据。
你需要对数据文件的行和列进行统计,并对某些值进行测试,看看它们是不是有意义。如果您发现没有意义,你需要删除数据,或者使用默认值替换它。这里,你需要利用你直觉:如果客户没有初次接触日期,是否就真没有初次接触日期?或者你可以询问销售人员,是否是把初次接触日期的数据弄丢了?一旦你完成数据清理工作,你就可以开始准备探索性数据分析。
当你的数据是干净的,你就应该开始使用它!这里的困难在于如何对真正有见解的想法进行测试。你必须为数据科学项目设定最后期限(销售人员可能正等待的分析),所以你必须对问题进行优先级划分。“你必须先看看最有趣的模式:帮助解释为什么某些客户群体的销量减少了。您可能会注意到,他们在社交媒体上不是非常活跃,只有少数人有Twitter或Facebook帐户。您可能还注意到,其中大部分人的年龄偏大,你可以开始跟踪这些模式进行更深入分析。
这一步你要应用统计学、数学和数据科学工具,围绕有趣的模型进行详细分析。
在这种情况下,你可能需要创建预测模型比较业绩不佳组客户与客户平均。你可能会发现,年龄和社交媒体活跃度是影响购买产品的显著因素。
如果你在问题界定阶段就已经了解了很多背景信息,你可能会意识到该公司营销活动集中在社交媒体上与年轻受众进行互动。但是某些客户却喜欢电话的交流,而不是社交媒体。你开始看到该产品的营销方式对销售的影响,也许那部分客户是不应该流失的群体。公司应该从过分依赖社会化媒体营销策略向更加个性化的策略转变。
现在,您可以将所有数据定量分析得到的定性见解,通过讲故事的方式说服相关人员采取行动。
让销售人员理解你们的发现很重要。沟通交流的有效性决定了你的方案是否被采纳。
你应该撰写一个有令人信服的故事,将自己的知识与数据恰当嵌入其中。你可以从解释老年人中销售业绩不佳背后的原因开始;你可以巧妙地将销售人员给你信息和数据中发现见解结合起来;然后你转到解决问题的具体办法:可以将部分资源从社会化媒体转移到私人电话推销中。
了解以上步骤,对于系统思考数据科学有极大的帮助。
数据分析咨询请扫描二维码
CDA数据分析师认证:CDA认证分为三个等级:Level Ⅰ、Level Ⅱ和Level Ⅲ,每个等级的报考条件如下: Le ...
2024-11-14自学数据分析可能是一条充满挑战却又令人兴奋的道路。随着数据在现代社会中的重要性日益增长,掌握数据分析技能不仅能提升你的就 ...
2024-11-14数据分析相关职业选择 数据分析领域正在蓬勃发展,为各种专业背景的人才提供了丰富的职业机会。从初学者到有经验的专家,每个人 ...
2024-11-14数据挖掘与分析在金融行业的使用 在当今快速发展的金融行业中,数据挖掘与分析的应用愈发重要,成为驱动行业变革和提升竞争力的 ...
2024-11-14学习数据挖掘需要掌握哪些技能 数据挖掘是一个不断发展的领域,它结合了统计学、计算机科学和领域专业知识,旨在从数据中提取有 ...
2024-11-14统计学作为一门基于数据的学科,其广泛的应用领域和多样的职业选择,使得毕业生拥有丰厚的就业前景。无论是在政府还是企业,统计 ...
2024-11-14在当今高速发展的技术环境下,企业正在面临前所未有的机遇和挑战。数字化转型已成为企业保持竞争力和应对市场变化的必由之路。要 ...
2024-11-13爬虫技术在数据分析中扮演着至关重要的角色,其主要作用体现在以下几个方面: 数据收集:爬虫能够自动化地从互联网上抓取大量数 ...
2024-11-13在数据分析中,数据可视化是一种将复杂数据转化为图表、图形或其他可视形式的技术,旨在通过直观的方式帮助人们理解数据的含义与 ...
2024-11-13在现代银行业中,数字化用户行为分析已成为优化产品和服务、提升客户体验和提高业务效率的重要工具。通过全面的数据采集、深入的 ...
2024-11-13在这个数据飞速增长的时代,企业若想在竞争中占据优势,必须充分利用数据分析优化其营销策略。数据不仅有助于理解市场趋势,还可 ...
2024-11-13数据分析行业的就业趋势显示出多个积极的发展方向。随着大数据和人工智能技术的不断进步,数据分析在各行各业中的应用变得越来越 ...
2024-11-13市场数据分析是一门涉及多种技能和工具的学科,对企业在竞争激烈的市场中保持竞争力至关重要。通过数据分析,企业不仅可以了解当 ...
2024-11-13数据分析与数据挖掘是数据科学领域中两个关键的组成部分,它们各有独特的目标、方法和应用场景。尽管它们经常在实际应用中结合使 ...
2024-11-13在如今这个数据驱动的时代,数据分析能力已经成为许多行业的重要技能。无论是为工作需要,还是为了职业转型,掌握数据分析都能够 ...
2024-11-13在如今这个数据驱动的时代,数据分析能力已经成为许多行业的重要技能。无论是为工作需要,还是为了职业转型,掌握数据分析都能够 ...
2024-11-13作为一名业务分析师,你肩负着将业务需求转化为技术解决方案的重任。面试这一角色时,涉及的问题多种多样,涵盖技术技能、分析能 ...
2024-11-13自学数据分析可能看似一项艰巨的任务,尤其在开始时。但是,通过一些策略和方法,你可以系统地学习和掌握数据分析的相关知识和技 ...
2024-11-10Excel是数据分析领域中的一款强大工具,它凭借其灵活的功能和易用的界面,成为了许多数据分析师和从业者的首选。无论是简单的数 ...
2024-11-10在快速发展的商业环境中,数据分析能力已经成为许多行业的核心竞争力。无论是初学者还是经验丰富的专家,搭建一个有效的数据分析 ...
2024-11-10