我的一个朋友建议，软件行业主要需要“大数据”技能，而不是统计技能本身。

虽然部分同意您朋友的评论，但我想指出，在任何行业中，只有在所有 V 都满意的情况下，才会选择大数据工具。

我在一家领先的客户支持公司担任数据科学负责人。在这里，我为产品和公司的发展进行数据黑客攻击。

我主要使用时间序列分析技术进行客户流失预测和销售分析。这还包括对客户、竞争和行业的行为分析。

在产品方面，我们使用了一系列技术，从使用 LSTM 的情感分析、推荐算法等开始。

但核心重点在于时间序列分析。一般的工作流程是：

1. 清理和塑造数据。
2. 涉及识别季节性、趋势和周期的探索性和解释性分析。因此，需要探索相关性、自相关性以及一些单变量和双变量统计数据；以及广泛的绘图，包括散点图、AFC、PAFC 曲线。
3. 现在是预测部分，各种模型相互测试，认真考虑第 2 步。

我使用的工具：R、Python 和 Excel 有时。

甚至数据科学和增长黑客的结合也被证明在营销领域发挥了作用。因此，对统计学家和数学书呆子的需求将保持不变；并且在不久的将来不会下降；尤其是当以客户为中心的初创公司在全球蓬勃发展时。

对这些技能的需求量很大的一个意想不到的地方是：人力资源部。在获得应用数学硕士学位后，我偶然进入了一家具有前瞻性思维的科技公司的人力资源部门。事实证明，很多公司只是对统计数据和数据分析如何帮助他们产生兴趣。由于人力资源分析与金融等经过充分探索的领域相比还处于相对起步阶段，因此这通常涉及相对基本的东西，如显着性测试和 OLS 回归。现在，我正在研究使用 Cox 比例风险的预测性员工流失模型。这个领域正在上升，有很多机会在行使一定程度的创造性许可的同时对重大问题产生有意义的影响。人力资源也是了解公司结构以及如何建立职业生涯的好地方。