Saya memiliki pekerjaan melakukan analisis data di bidang keuangan. Pekerjaan saya saat ini sedemikian rupa sehingga saya tidak memiliki banyak paparan terhadap hal-hal yang terjadi di sisa industri saya atau industri lain. Saya memiliki cukup banyak pengetahuan tentang statistik Bayesian.
Saya ingin menjaga diri saya tetap dapat dipasarkan, jadi saya ingin tahu apa keterampilan data dan statistik saat ini dalam permintaan tinggi dan di mana. Dunia perangkat lunak dipenuhi dengan data, jadi saya berharap mereka membutuhkan ahli statistik yang sangat buruk, tetapi kesan saya adalah mereka tidak banyak diminati.
Seorang teman saya menyarankan bahwa industri perangkat lunak terutama membutuhkan keterampilan "data besar", bukan keterampilan statistik semata.
Keterampilan data dan statistik apa yang saat ini sangat diminati dan di mana mereka berada dalam permintaan tinggi?
Jawaban:
Sementara sebagian setuju dengan komentar teman Anda, saya ingin menunjukkan bahwa dalam industri apa pun, alat data besar dipilih, hanya jika semua V puas.
Saya bekerja sebagai kepala ilmu data di perusahaan pendukung pelanggan terkemuka. Di sini, saya melakukan peretasan data untuk produk dan juga untuk pertumbuhan perusahaan.
Saya terutama menggunakan teknik analisis deret waktu untuk prediksi churn dan analisis penjualan. Ini juga termasuk analisis perilaku pelanggan, persaingan dan industri.
Di sisi produk, kami menggunakan berbagai teknik mulai dari analisis sentimen menggunakan LSTM, algoritma rekomendasi, dll.
Tetapi fokus intinya terletak pada analisis deret waktu. Alur kerja umum adalah:
Alat yang digunakan oleh saya: R, Python, dan Excel terkadang.
Dan bahkan perpaduan ilmu data dan peretasan pertumbuhan telah terbukti melakukan keajaiban dalam domain pemasaran. Jadi, permintaan akan statistik dan kutu buku matematika akan tetap seperti apa adanya; dan tidak akan menurun di mana pun dalam waktu dekat; terutama ketika startup yang berfokus pada pelanggan berkembang di seluruh dunia.
sumber
Satu tempat yang tidak terduga di mana keterampilan ini sangat diminati: SDM. Saya berakhir di departemen HR untuk perusahaan teknologi berpikiran maju secara kebetulan setelah mendapatkan master dalam matematika terapan. Ternyata banyak perusahaan hanya tertarik pada bagaimana statistik dan analisis data dapat membantu mereka. Karena analitik SDM masih relatif baru dibandingkan dengan area yang dieksplorasi dengan baik seperti keuangan, ini sering melibatkan hal-hal yang relatif mendasar seperti pengujian signifikansi dan regresi OLS. Saat ini saya sedang mengerjakan model gesekan karyawan prediktif menggunakan bahaya proporsional Cox. Bidang ini sedang naik dan ada banyak kesempatan untuk membuat dampak yang berarti pada masalah yang signifikan saat menjalankan tingkat tertentu dari lisensi kreatif. SDM juga merupakan tempat yang tepat untuk belajar tentang bagaimana perusahaan terstruktur serta cara membangun karier Anda.
sumber