¿Qué habilidades de datos y estadísticas están actualmente en alta demanda y dónde están en alta demanda?

Tengo un trabajo haciendo análisis de datos en finanzas. Mi trabajo actual es tal que no tengo mucha exposición a cosas que suceden en el resto de mi industria u otras industrias. Tengo bastante conocimiento sobre las estadísticas bayesianas.

Me gustaría mantenerme comercializable, por lo que tengo curiosidad por saber qué habilidades de datos y estadísticas tienen actualmente una gran demanda y dónde. El mundo del software está inundado de datos, por lo que esperaría que realmente necesitaran estadísticas, pero mi impresión es que no tienen una gran demanda.

Un amigo mío ha sugerido que la industria del software necesita principalmente habilidades de "big data", no habilidades de estadística per se.

¿Qué habilidades de datos y estadísticas están actualmente en alta demanda y dónde están en alta demanda?

Un amigo mío ha sugerido que la industria del software necesita principalmente habilidades de "big data", no habilidades de estadística per se.

Si bien estoy parcialmente de acuerdo con el comentario de su amigo, me gustaría señalar que en cualquier industria, las herramientas de Big Data se optan, solo si todas las V están satisfechas.

Trabajo como jefe de ciencia de datos en una empresa líder de atención al cliente. Aquí, hago hackeo de datos tanto para el producto como para el crecimiento de la empresa.

Principalmente utilizo técnicas de análisis de series temporales para la predicción de abandono y el análisis de ventas. Esto también incluye el análisis de comportamiento de los clientes, la competencia y la industria.

En el lado del producto, utilizamos una gama de técnicas a partir del análisis de sentimientos utilizando LSTM, algoritmos de recomendación, etc.

Pero el foco central se encuentra en el análisis de series de tiempo. El flujo de trabajo general sería:

1. Limpieza y moldeo de los datos.
2. Los análisis exploratorios y explicativos que implican la identificación de la estacionalidad, las tendencias y los ciclos. Por lo tanto, uno necesita explorar correlaciones, autocorrelaciones y varias estadísticas univariadas y bivariadas; junto con un amplio trazado que incluye las curvas de dispersión, AFC, PAFC.
3. Ahora viene la parte de pronóstico, donde varios modelos se prueban entre sí, teniendo en cuenta el paso 2.

Herramientas que utilizo: R, Python y Excel a veces.

E incluso la combinación de ciencia de datos y piratería de crecimiento ha demostrado ser mágica en el dominio del marketing. Por lo tanto, la demanda de estadísticos y empollones matemáticos permanecería como está; y no va a declinar en ningún lugar en el futuro cercano; especialmente cuando las startups enfocadas en el cliente están floreciendo en todo el mundo.

Un lugar inesperado donde estas habilidades tienen una gran demanda: recursos humanos. Terminé por casualidad en el departamento de recursos humanos para una compañía tecnológica con visión de futuro después de obtener una maestría en matemáticas aplicadas. Resulta que muchas empresas se están interesando en cómo las estadísticas y el análisis de datos pueden ayudarlas. Debido a que los análisis de recursos humanos están en su infancia relativa en comparación con áreas bien exploradas como las finanzas, esto a menudo implica cosas relativamente básicas como pruebas de significación y regresión de OLS. En este momento estoy trabajando en un modelo predictivo de deserción de empleados utilizando riesgos proporcionales de Cox. El campo está en alza y hay muchas oportunidades para tener un impacto significativo en problemas significativos mientras se ejerce un cierto grado de licencia creativa. RR.HH. también es un excelente lugar para aprender sobre cómo se estructuran las empresas y cómo desarrollar su carrera.