Quais habilidades de dados e estatísticas estão atualmente em alta demanda e onde estão em alta demanda?

Eu tenho um trabalho fazendo análise de dados em finanças. Meu trabalho atual é tal que não tenho muita exposição a coisas que acontecem no restante da minha indústria ou em outras indústrias. Eu tenho bastante conhecimento sobre estatísticas bayesianas.

Gostaria de me manter comercializável, por isso estou curioso sobre quais habilidades de dados e estatísticas estão atualmente em alta demanda e onde. O mundo do software está repleto de dados, então eu esperaria que eles precisassem muito de estatísticos, mas minha impressão é que eles não estão em alta demanda.

Um amigo meu sugeriu que a indústria de software precisa principalmente de habilidades de "big data", não de estatísticas por si só.

Quais habilidades de dados e estatísticas estão atualmente em alta demanda e onde estão em alta demanda?

Um amigo meu sugeriu que a indústria de software precisa principalmente de habilidades de "big data", não de estatísticas por si só.

Embora esteja parcialmente de acordo com o comentário de seu amigo, gostaria de salientar que em qualquer setor, as ferramentas de Big Data são optadas, apenas se todos os Vs estiverem satisfeitos.

Trabalho como chefe de ciência de dados em uma empresa líder de suporte ao cliente. Aqui, faço hacking de dados tanto para o produto quanto para o crescimento da empresa.

Eu uso principalmente técnicas de análise de séries temporais para previsão de rotatividade e análise de vendas. Isso também inclui a análise comportamental dos clientes, da concorrência e do setor.

No lado do produto, usamos várias técnicas, começando pela análise de sentimentos usando LSTM, algoritmos de recomendação etc.

Mas o foco principal está na análise de séries temporais. O fluxo de trabalho geral seria:

1. Limpando e moldando os dados.
2. as análises exploratórias e explicativas que envolvem a identificação de sazonalidade, tendências e ciclos. Portanto, é preciso explorar correlações, correlações automáticas e várias estatísticas univariadas e bivariadas; juntamente com uma extensa plotagem, incluindo as curvas scatter, AFC e PAFC.
3. Agora vem a parte de previsão, onde vários modelos são testados entre si, levando o passo 2 em consideração séria.

Ferramentas usadas por mim: R, Python e Excel às vezes.

E mesmo a combinação de ciência de dados e hackers de crescimento provou fazer mágica no domínio do marketing. Portanto, a demanda por estatísticos e nerds da matemática permaneceria como está; e não vai declinar em lugar algum no futuro próximo; especialmente quando as startups focadas no cliente estão florescendo em todo o mundo.

Um lugar inesperado onde essas habilidades estão em alta demanda: RH. Acabei no departamento de RH de uma empresa de tecnologia com visão de futuro por acaso, depois de obter um mestrado em matemática aplicada. Acontece que muitas empresas estão apenas se interessando em como as estatísticas e a análise de dados podem ajudá-las. Como a análise de RH está em sua infância relativa, em comparação com áreas bem exploradas, como finanças, isso geralmente envolve coisas relativamente básicas, como teste de significância e regressão OLS. No momento, estou trabalhando em um modelo preditivo de desgaste de funcionários usando riscos proporcionais de Cox. O campo está em alta e há muitas oportunidades para causar um impacto significativo em problemas significativos, ao mesmo tempo em que exercemos um certo grau de licença criativa. O RH também é um ótimo lugar para aprender sobre como as empresas estão estruturadas e como construir sua carreira.