¿Cómo es Zhihu, especialista en ciencias de análisis de datos empresariales de Essec?

Enlace:/question/36214681/answer/66483598

Fuente: Zhihu.

Los derechos de autor pertenecen al autor. Para reimpresiones comerciales, comuníquese con el autor para obtener autorización. Para reimpresiones no comerciales, indique la fuente.

Hablemos primero del análisis empresarial. Seguí muchas preguntas y respuestas similares en Zhihu y descubrí un problema grave: la mayoría de las personas tienen una comprensión inexacta de la industria del análisis empresarial. En concreto, existen dos tipos de análisis empresarial:

1. Pertenece al negocio tradicional y su principal tarea es analizar todo el proceso operativo y el desarrollo comercial de la empresa. Por ejemplo, descubrir nuevas necesidades comerciales y proponer/mejorar soluciones a algunos problemas comerciales. Puede incluir cambios organizacionales, mejora de procesos comerciales, planificación estratégica, desarrollo y mejora de políticas. Este campo requiere cierto análisis de datos. Por un lado, esto se debe a que las empresas generalmente dependen de la expansión comercial en las primeras etapas de desarrollo, lo que implica el desempeño de las ventas y otros análisis de datos similares. Por otro lado, en la era del big data, muchas empresas sienten que tienen que hacer lo mismo. Pero, en general, el análisis empresarial sigue siendo el foco principal. Es decir, se utiliza principalmente el análisis cualitativo y se complementa con el análisis de datos (generalmente simple). Esto es lo que mencionaron la mayoría de los entrevistados. Para convertirse en un profesional en este campo, generalmente se elige un MBA. Los cursos de MBA generalmente incluyen algunos cursos relacionados, pero son muy simples.

2.Análisis empresarial. Esta es una disciplina verdaderamente emergente. La traducción se llama análisis empresarial y el contenido es muy diferente, por lo que utilizo deliberadamente el inglés para distinguirlo. El núcleo de esta industria es el análisis de datos, que consiste en tecnología, modelos y algoritmos avanzados. Mediante un análisis en profundidad y la extracción de datos, podemos estudiar el desempeño pasado de la empresa y buscar información comercial potencial en el mercado de la industria. El objetivo es obtener conocimientos que no se pueden obtener a partir del análisis cualitativo y del simple análisis cuantitativo. Este campo ha ido recibiendo gradualmente gran atención por parte de la academia, la industria y el gobierno. En el ámbito académico, desde que la Universidad de Nueva York comenzó a ofrecer una maestría en análisis empresarial en 2013, muchas universidades de todo el mundo han agregado especialidades relacionadas y el costo de la matrícula es casi el mismo que el de un MBA. En los países capitalistas donde el dinero es primordial, las altas tasas de matrícula suelen ser un predictor de altos ingresos y un buen desarrollo profesional. La industria, por no hablar de BAT, está abriendo departamentos de este tipo. El año pasado y este año, Alibaba contrató a algunos profesores en este campo de prestigiosas universidades, y Baidu invitó a Daniel Ng de la Universidad de Stanford. Hasta donde yo sé, el gobierno de Singapur y Australia patrocina directamente a empresas que crean departamentos de análisis empresarial.

Después de hablar de los conceptos básicos, volvamos al tema. Después de leer atentamente la descripción de la pregunta, creo que el tema debería estar interesado en el análisis empresarial (si no, ignore lo siguiente). Entonces hablemos un poco más en profundidad de las técnicas relacionadas. El tema es estadística de pregrado, ¡muy bueno! ¡Ja ja! Tengo un doctorado en estadística y ahora estoy haciendo un trabajo similar en una empresa de gestión de inversiones en Nueva York. Mis colegas incluyen algunos doctores en informática, control automático, procesamiento de señales y otros campos relacionados con el análisis de datos. En general, el análisis empresarial es sin duda una materia interdisciplinaria, que incluye matemáticas (estadística), informática y negocios (economía, marketing, teoría de juegos, etc.). Los métodos estadísticos ocupan una posición primordial en la disciplina del análisis de datos (principalmente modelo de regresión). Se puede decir que si se eliminan todos los métodos estadísticos, la ciencia de datos está básicamente fragmentada. Luego están las computadoras (incluido el aprendizaje automático, el reconocimiento de patrones, el procesamiento de imágenes y otros campos). Según algunas necesidades a nivel de aplicación, el campo de la informática ha propuesto algunas ideas y modelos novedosos. Vale la pena mencionar que estas cosas atrajeron la atención de los estadísticos, quienes utilizaron métodos estadísticos para resolver los mismos problemas. Combinado con algunos modelos de regresión tradicionales, surgió una nueva rama de la estadística: el aprendizaje estadístico. Por último, están las empresas, que actualmente representan la proporción más pequeña, pero de las que vale la pena aprender algunos conceptos, como la teoría de juegos. Algunos Másteres especializados en Business Analytics hablarán sobre estadísticas y métodos informáticos en conjunto con aplicaciones comerciales.

Casos reales de análisis de negocio (análisis de negocio, por supuesto). En pocas palabras: 1. Los modelos de supervivencia son los modelos más utilizados en bioestadística. Estudian los tiempos de curación y muerte de las enfermedades y pueden usarse para probar si ciertos medicamentos y tratamientos son efectivos. Aplicado a los negocios, por ejemplo, una empresa se anuncia a un grupo específico de personas, y estas hacen clic para mirar a través de diferentes canales. ¿Cuánto tiempo les toma decidirse a comprar? Nuestra definición: los consumidores no compran = 'vivos', una vez que consumen, están 'muertos'. La siguiente tarea es investigar qué canales/combinaciones publicitarias son más efectivas. 2. Problema de cluster. La empresa coloca muchos anuncios y realiza muchas promociones.

Luego, una gran cantidad de consumidores vinieron a comprar. ¿Quién de ellos vio realmente la propaganda anterior? ¿No sabes cómo analizar qué canal o combinación de canales es más efectivo? El análisis de conglomerados está diseñado para resolver este tipo de problemas. 3. Método bayesiano. Me pregunto si alguna vez has entendido el análisis bayesiano. Es una dirección muy popular en el campo de la estadística/aprendizaje automático. La aplicación principal es el modelado, donde se pueden integrar vistas artificiales en el modelo. Combinar los resultados de análisis cualitativos y cuantitativos. Esto es muy popular entre las personas que realizan análisis de datos en el campo del análisis empresarial. Hay muchos otros, así que no los mencionaré uno por uno.

Por último, cuéntame tu situación actual. Mi formación universitaria todavía es un poco débil. Si desea estar expuesto a los tipos de trabajos anteriores, debe ir un paso más allá. Y si quieres comer bien, lo mejor es no limitarte al terreno de la estadística. Después de todo, aprender una materia aplicada y aprender a considerar los problemas desde una perspectiva de aplicación es más beneficioso para el desarrollo profesional. Si desea continuar su educación, puede considerar obtener una maestría en análisis de datos/análisis de negocios. Sin embargo, si cree que la matrícula es demasiado alta, una maestría en estadística también es una buena opción. Si estudias por tu cuenta, hay muchos buenos cursos en Coursera. En cuanto a R/Python/SAS, conocer uno es suficiente. Si puede aprender sobre programación a nivel de análisis de datos, podrá comenzar con los demás en una semana.

Por último compartir un enlace: Programas de posgrado en análisis de big data y ciencia de datos. Enumera los programas de posgrado en análisis de datos ofrecidos por universidades de todo el mundo, así como varios cursos en línea gratuitos o de pago.