篱笆资讯
北美求职：如何成为一名零售业的数据科学家（下）
数据科学家在零售业中的角色是什么？
拥有分析思维和正确的技术技能将使你能够对数据进行实验，并得出能够优化业务流程的见解。
我们将消除猜测，描述你在工作中可能需要完成的任务。下面的例子来自于最近的一个零售业分析的数据科学家的工作岗位：
• 使用先进的统计学和机器学习方法开发关于产品的见解。
• 使用Hive、Python和SQL来编写、验证和维护代码，以支持研究和数据分析。
• 诊断有关质量控制、效率和数据准备的准确性的问题和改进领域。
• 使用多种数据源和模型建立并传达有影响力的见解。
• 对受访者水平、日志文件或交易水平的大型数据集进行处理。
当然，这些任务并不是每个职位的标准，但我们选择了最常见的任务，你可能会在零售业的任何数据科学工作中看到。
现在，让我们看看你需要获得一个什么技能。
成为零售业数据科学家的必要技能
要在零售业担任数据科学家，你需要领域知识和技术技能。这对任何行业的数据科学专家都是有效的。
让我们研究一下你必须获得的具体技能和知识，以便在零售业取得成功。
领域知识
你掌握的特定领域的信息越多，你就越能解决复杂的问题，这就是零售业大数据工作的本质。
因此，卷起你的袖子，学习销售、营销和业务的基础知识。参加网络研讨会，学习在线课程，并阅读有关这些主题的书籍和文章。
编程语言
对Python的良好掌握是在任何领域从事数据科学家工作的一个关键前提，零售业也不例外。而且，由于你要处理大量的数据，你必须能够使用SQL。
也就是说，有些公司需要Hive而不是SQL。在申请零售业的数据工作时，熟悉这两方面的知识会让你有竞争优势。
统计学
虽然你不需要成为统计学大师，但你必须了解与数据科学过程相关的基本原则。我们建议从我们的统计学入门课程开始。
你可以用一些读物来补充你的在线学习。我们的博客包含了一些关键主题的有用资源和指南，包括：
描述性统计
顾名思义，这个统计学的分支是用来描述数据的主要特征的。它包括，除其他事项外，平均数、模式和中位数的计算。
推断性统计
统计学的第二个分支涉及分析随机样本以得出关于人口的结论。你需要了解的主要课题是假设检验和回归分析。
可变性
可变性包括范围、标准差和方差等参数。
相关性
相关性是衡量两个变量之间关系的一种简单而关键的方法。有两种类型的相关性：
• 正相关，即当一个变量增加时，另一个也会增加；也就是说，它们在同一方向上移动。
• 负相关，当一个变量增加时，另一个变量就会减少；也就是说，它们向相反的方向移动。
机器学习
机器学习在零售业有多种应用。其中最常见的是欺诈检测，更具体地说，是使用深度神经网络来发现和防止欺诈活动。
掌握这项复杂的技能不是一件容易的事，但它是必不可少的。
从对该主题的一般介绍开始，练习建立模型，并研究机器学习对零售业的好处。
其他技能
知道如何编码和建立预测模型很重要，但这并不是成为一个成功的数据科学家的关键。你需要一种独特的软技能来补充你的技术知识。
这包括沟通技巧，讲故事，批判性思维，和数据可视化。毕竟，如果你不能将你的发现以一种直接的方式传达给利益相关者，你的工作就无关紧要了。
直连行业大牛导师，1v1模拟面试与求职指导
实战与求职精品课程
2000+名企面试真题
