只懂技术还不够，数据科学家还需掌握这五大商业技能 CDA数据分析师出品编译：Mika【

文章图片

文章图片
CDA数据分析师出品
编译：Mika
【导读】
数据科学家还需要掌握商业技能吗？当然了！
在今天的内容中，我们谈谈商业和数据科学，以及如何将两者结合起来。
有人可能会问，数据科学家的业务基础? 数据科学家为什么还需要这方面的技能?
想象一下，你是一名数据科学家。
你擅长数学和统计学，你能熟练使用SQL和Python ，具有丰富的数据清理和可视化经验。另外，你对机器和深度学习也并不陌生。
这在你看来，有了这些技能，任何高薪数据科学家工作都是你的囊中之物。
也许你是一位经验丰富的数据科学家，正试图开辟新的领域，或者你是一名刚刚完成在线证书课程的新手，准备到顶尖的数据科学咨询公司实习。
无论是以上哪种情况，你去面试时都感觉自己已胜券在握。你吹嘘自己所有的技能，夸夸其谈你掌握好几种编程语言，想使用全部的语言，以及如何应用最新的算法。
从面试官脸上令人印象深刻的表情判断，你感觉自己已被录用了 !
但实际上，雇主是这么想的，“听上去你的能力很棒，但是我这里没有纯粹的数据科学家工作。我需要能够结合数据和商业策略，知道如何解决复杂的数据问题，并能有效与管理层分享见解的员工。”
这也是你要看这篇文章的原因，在本文中我们将给你展示5个关键的商业基础知识，将向你展示如何使用数据来实现实际业务解决方案。
因为在如今，处理好数据对任何一家公司来说都是生死攸关的。它意味着创新、生产力增长和更丰富的客户洞察力。
因此如果帮助公司成功做到以下几点，你就能成为出色的数据科学家，这几点就是：
一、理解业务目标
数据科学家必须理解公司的战略目标，并将其作为整个数据收集和解释过程的指导。这保证了你提供的分析将确保公司的竞争优势。
注意，要记得你的受众。这些数据信息是给董事会内部使用还是给销售经理使用? 还是给资本市场或供应商对外使用?
每个受众都有不同的需求，即使总体战略目标是相同的。一旦你确定了受众，确保你为他们的绩效相关问题提供答案。
但是该怎么做呢?
熟悉 KPQs 和 KAQs
熟悉关键性能问题(KPQs)以及关键分析问题(KAQs)的概念。这两者都让你将理解性能数据，并从中获得可操作的知识。
KPQs围绕着公司在实现特定目标方面的表现。例如:”我们的服务推广做得如何?”或者”我们吸引新的潜在客户做得如何?”
另一方面， KAQs旨在缩小实现目标的战略选择范围。例如 “客户是如何点击进入我们网站的?”或者”哪些人是我们最有价值的客户?”
有的人可能会问 “那么商业智能工具和其他系统呢?” 不幸的是在大多数公司，工具更多是由手头的信息驱动的，而不是通过能带来商业决策的信息。这可能会让任何一家公司处于劣势。
这就是为什么先确定受众的需要至关重要，并相应地使用工具。而不是先用工具，再看工具可能提供的信息需求。
二、收集正确的数据
高级数据科学家必须确保，在其领导下的团队收集和组织相关和有用的数据。
因此这几点是至关重要的：必要数据是否已经存储在组织中；以何种格式存储，数字的或非数字的，如图像、文本或声音。
为数值数据收集定量数据，或者为非数值数据收集定性数据。定量数据是通过操作或调查问卷自动收集的，这很容易分析和进行可视化。