点击上面蓝字关注我们

封面

随着科技的发展，人类社会拥有数据规模增长很快，每时每刻、从天到地都有大量数据被产生和存储下来。数据量的增大和数据的多样化也促进了更多的公司需要数据分析来辅助商务决策

文 | Lorraine

编辑 | Lorraine

生活中的大数据

举个例子，比如超市发现你过去三周内一直在买某类饮品，可以预测你下面还要继续购买这个产品，那在付账的时候，直接给你打印一张优惠券，买4赠1搞促销，你觉得占了便宜以后更愿意来这个店，超市也通过给点折扣把你牢牢捆住，免得你去了其他超市。- 这个就叫Predictive Analytics：分析数据来预测未来可能发生的事情。

超市的analytics team通过分析，发现你购买的饮品都具备某个特征，比如是low calorie、no sugar，那具有这类特点的其他相关食品，超市也可以推荐给你。你觉得很高兴，因为超市直接把你需要的产品告诉你，省了你选购物品的麻烦，超市卖了更多的东西给你、赚到了钱，当然也很高兴。- 这个叫Descriptive Analytics：分析数据找出过去事件的特征和正在发生事件的趋势。

情人节当天，超市断定巧克力需求很大，急匆匆跑去买巧克力的都是有刚需的，直接涨价20%；情人节完事，巧克力价钱回归正常，但是事后巧克力涨价20%。就算你发现涨价了，也只能乖乖付钱，否则就回归单身呀。超市最大化了自己的利润。-这个叫Prescriptive Analytics – 分析数据来找出最佳措施、取得最优化的结果。

随着analytics/data science的迅速发展，这些个场景，正在被逐步被实现。这其中名气最大的当属Target的analytics team，他们分析客户消费行为的变化做判断，比如猜测某些顾客很可能怀孕了就往她们家里邮寄孕妇和婴儿产品的广告，顾客被吸引到target购买这些产品的同时，也会买其他东西，Target就赚钱了。

什么是数据方向科学家

--“数据科学家”是不是“统计师”更性感的版本？

数据科学家是指能采用科学方法、运用数据挖掘工具对复杂多量的数字、符号、文字、网址、音频或视频等信息进行数字化重现与认识，并能寻找新的数据洞察的工程师或专家(不同于统计学家或分析师)。一个优秀的数据科学家需要具备的素质有：懂数据采集、懂数学算法、懂数学软件、懂数据分析、懂预测分析、懂市场应用、懂决策分析等。

数据科学家”在2009年由Natahn Yau首次提出，其概念是采用科学方法、运用数据挖掘工具寻找新的数据洞察的工程师。数据科学家集技术专家与数量分析师的角色于一身，与传统数量分析师相比：后者通常利用企业的内部数据进行分析，以支持领导层的决策;而前者更多的是通过关注面向用户的数据来创造不同特性的产品和流程，为客户提供有意义的增值服务。