前IBM数据科学家—大数据行业深度分享
分类:

专家指南

时间:2020-05-22

讲座嘉宾:Mose 国际顶 级咨询公司数据科学家巴鲁克学院金融工程硕士,曾任职于IBM、Fintech Severce,担任数据科学家



 

划重点1:大数据分专业及行业发展概况

大数据出现时间基本十几年左右,被人们广泛了解并应用就是这短短几年,大数据呈爆炸式增长态势,在各个领域的身影无处不在。

 

举例说明:

什么是大数据?

什么是大数据可以做到的?

相关专业学生应该关注哪些方面?

 

举例一:医疗健康领域


首先这个领域会产生大量数据,包括诊疗数据,比如病历,影像资料(X光片、B超等),都可作为大数据分析的广阔数据来源。

 

其次医疗健康领域是一个广大的市场规模,以万亿级计算。最关键的是,有很多之前历史上依赖人工、专家帮助做出决策诊断,这些方面恰好是机器学习以及大数据分析可以发挥余地的领域

 

医疗健康领域目前比较成熟的应用,包括医学影像的智能识别,病历数据的智能诊疗。

 

举例二:金融领域


在这个领域里,比较成熟的是大数据风控。在金融借贷中,许多金融机构需要去了解如何识别出高风险的客户,要求提供更多的抵利信息,然后来调整他们的贷款额度,甚至可能拒绝他们的贷款,从而帮助这些金融机构降低风险。

 

事实上金融行业可以理解为data-rich的行业,用这些数据帮助人们做决策。但是在历史上所提供的、企业能获得的数据,可以理解为是小规模的数据。进入大数据时代后,这些企业可以利用大数据获得更多维度的信息,来帮助他们进行计算,得到客户。C端这些贷款申请者或者放贷机构,去得到他们各个维度的特征以及风险指数曲线(风控模型)。比如新客户在申请贷款的时候,可将这些客户的特征代入曲线,找到客户对应的风险指标,可对客户风险进行刻画。根据自动分析策略给出这些用户应该放款额度,还款期限,以及未来确保更大程度还款等等。

 


 

在金融市场领域,会有很多金融产品每天在做大量交易,分析历史数据规律结合当前财经新闻,了解市场舆论景象,根据财经数据构建交易模型进行自动化交易,包括financial engineering 领域做的量化交易,有一些著名的风险投资基金(如文艺复兴公司),会采取这些指数帮助他们做量化交易策略。

 

其实这些金融市场的数据体量是非常巨大的,等于每一笔交易可能带来的收益和潜在的风险都是比较高的。这些金融机构会在大数据领域不惜血本,大笔投入。


 

举例三:新零售领域

在新零售领域,利用大数据进行全流程的管理,从生产到物流到购物体验。比如进入一个无人超市之中,背后的企业会利用大数据判断来实现精准生产,库存的零库存和带来全新的购物体验。

 

举例,比如Amazon go无人店的使用,在美国投放不超过10家的大型超市,超市内会有摄像头捕捉每一个消费者进入无人超市之后的每一次行为,每一帧画面都可以捕捉到,他们通过这些信息判断是取走还是放回商品,取走哪种商品,在哪些商品面前停留时间较长。通过这些信息帮他们决策应该存放哪些商品,如何陈列商品等。这些都是大数据与AI相结合的产物

 

最终实现的效果是人们不需要排队购买,拿完货品即可离开,听起来会比较科幻,国内阿里巴巴也在做类似的尝试,目前国内无人店的势头才刚刚兴起,期待未来在此行业更多的应用

 

此处Mose老师想表达的观点是:

大数据目前在各个行业、各个领域已经带来了商业上的变革,管理上的变革以及每个商家、市场参与者思维上的变革。

 


 

划重点2:大数据分析与企业


对于将来想要进入这个行业的同学,会面临一个选择问题:如何快速找到自己的定位,哪个公司是目标公司。在数据分析的全景图里面,我们可能所在的方块是哪个。面对这些选择,早准备早从容。


 

此处Mose老师想表达的观点是:终生学习且学会借助外力,数据分析专业需要保持强烈好奇心与学习欲望!

 

划重点3:数据科学三个专业方向对比



 

 

划重点4:数据分析需要具备的三大能力

 

数据处理,报告分析,业务管控

数据处理:

数据分析中,拿到一个数据,你知道要做怎样的处理(human effort),包括数据清理,数据转换,数据聚合,然后才进入到建模阶段(目前数据分析师也会慢慢具备一些基础建模能力)。进入工作岗位之后,会做一些业务上的数据监控,包括可能存在的异常分析,比如突然某一个时间节点,发现某一些商品在上一个季度销量是增长的趋势,在这个季度断崖式下跌,就需要回到数据本身寻找原因,为什么会发生这样的状况。

 

报告分析&业务管控:

拿到数据,分析后将个人insight转化为business商务人士能够理解的语言;帮助雇主搭建分析框架,策略引擎的体系;评估分析自己的工作在实际生产环境的效果,在此基础上改进策略建议等等。

 

划重点5:数据分析领域发展规划



 

刚刚已经提到了很多大数据分析的具体应用,和可以做出的准备,或许有些同学觉得自己进入数据科学行业比较晚了,低垂的果实已经被人先摘的竞争激烈的局面。

 

在此,Mose老师想说:凡是过去,皆为序曲。

放眼未来,争做T型人才:T的尾巴是专业技能,T的横是整合能力,包括了解业务、明白技术、人的商业模式(如何分析人,预测人的商业行为、经济活动),便可以做到更好的服务自己。

 

 

评论

首页| 企业文化| 联系我们| 加入我们| English website| 微博:新浪| 投诉建议|
新东方教育科技集团有限公司
经营许可证编号:京ICP备05067667号 ©版权所有:新东方教育科技集团有限公司

徐新祥美研资深顾问

前IBM数据科学家—大数据行业深度分享
更多详情
讲座嘉宾:Mose 国际顶 级咨询公司数据科学家巴鲁克学院金融工程硕士,曾任职于IBM、Fintech Severce,担任数据科学家


 

划重点1:大数据分专业及行业发展概况

大数据出现时间基本十几年左右,被人们广泛了解并应用就是这短短几年,大数据呈爆炸式增长态势,在各个领域的身影无处不在。

 

举例说明:

什么是大数据?

什么是大数据可以做到的?

相关专业学生应该关注哪些方面?

 

举例一:医疗健康领域


首先这个领域会产生大量数据,包括诊疗数据,比如病历,影像资料(X光片、B超等),都可作为大数据分析的广阔数据来源。

 

其次医疗健康领域是一个广大的市场规模,以万亿级计算。最关键的是,有很多之前历史上依赖人工、专家帮助做出决策诊断,这些方面恰好是机器学习以及大数据分析可以发挥余地的领域

 

医疗健康领域目前比较成熟的应用,包括医学影像的智能识别,病历数据的智能诊疗。

 

举例二:金融领域


在这个领域里,比较成熟的是大数据风控。在金融借贷中,许多金融机构需要去了解如何识别出高风险的客户,要求提供更多的抵利信息,然后来调整他们的贷款额度,甚至可能拒绝他们的贷款,从而帮助这些金融机构降低风险。

 

事实上金融行业可以理解为data-rich的行业,用这些数据帮助人们做决策。但是在历史上所提供的、企业能获得的数据,可以理解为是小规模的数据。进入大数据时代后,这些企业可以利用大数据获得更多维度的信息,来帮助他们进行计算,得到客户。C端这些贷款申请者或者放贷机构,去得到他们各个维度的特征以及风险指数曲线(风控模型)。比如新客户在申请贷款的时候,可将这些客户的特征代入曲线,找到客户对应的风险指标,可对客户风险进行刻画。根据自动分析策略给出这些用户应该放款额度,还款期限,以及未来确保更大程度还款等等。

 


 

在金融市场领域,会有很多金融产品每天在做大量交易,分析历史数据规律结合当前财经新闻,了解市场舆论景象,根据财经数据构建交易模型进行自动化交易,包括financial engineering 领域做的量化交易,有一些著名的风险投资基金(如文艺复兴公司),会采取这些指数帮助他们做量化交易策略。

 

其实这些金融市场的数据体量是非常巨大的,等于每一笔交易可能带来的收益和潜在的风险都是比较高的。这些金融机构会在大数据领域不惜血本,大笔投入。


 

举例三:新零售领域

在新零售领域,利用大数据进行全流程的管理,从生产到物流到购物体验。比如进入一个无人超市之中,背后的企业会利用大数据判断来实现精准生产,库存的零库存和带来全新的购物体验。

 

举例,比如Amazon go无人店的使用,在美国投放不超过10家的大型超市,超市内会有摄像头捕捉每一个消费者进入无人超市之后的每一次行为,每一帧画面都可以捕捉到,他们通过这些信息判断是取走还是放回商品,取走哪种商品,在哪些商品面前停留时间较长。通过这些信息帮他们决策应该存放哪些商品,如何陈列商品等。这些都是大数据与AI相结合的产物

 

最终实现的效果是人们不需要排队购买,拿完货品即可离开,听起来会比较科幻,国内阿里巴巴也在做类似的尝试,目前国内无人店的势头才刚刚兴起,期待未来在此行业更多的应用

 

此处Mose老师想表达的观点是:

大数据目前在各个行业、各个领域已经带来了商业上的变革,管理上的变革以及每个商家、市场参与者思维上的变革。

 


 

划重点2:大数据分析与企业


对于将来想要进入这个行业的同学,会面临一个选择问题:如何快速找到自己的定位,哪个公司是目标公司。在数据分析的全景图里面,我们可能所在的方块是哪个。面对这些选择,早准备早从容。


 

此处Mose老师想表达的观点是:终生学习且学会借助外力,数据分析专业需要保持强烈好奇心与学习欲望!

 

划重点3:数据科学三个专业方向对比



 

 

划重点4:数据分析需要具备的三大能力

 

数据处理,报告分析,业务管控

数据处理:

数据分析中,拿到一个数据,你知道要做怎样的处理(human effort),包括数据清理,数据转换,数据聚合,然后才进入到建模阶段(目前数据分析师也会慢慢具备一些基础建模能力)。进入工作岗位之后,会做一些业务上的数据监控,包括可能存在的异常分析,比如突然某一个时间节点,发现某一些商品在上一个季度销量是增长的趋势,在这个季度断崖式下跌,就需要回到数据本身寻找原因,为什么会发生这样的状况。

 

报告分析&业务管控:

拿到数据,分析后将个人insight转化为business商务人士能够理解的语言;帮助雇主搭建分析框架,策略引擎的体系;评估分析自己的工作在实际生产环境的效果,在此基础上改进策略建议等等。

 

划重点5:数据分析领域发展规划



 

刚刚已经提到了很多大数据分析的具体应用,和可以做出的准备,或许有些同学觉得自己进入数据科学行业比较晚了,低垂的果实已经被人先摘的竞争激烈的局面。

 

在此,Mose老师想说:凡是过去,皆为序曲。

放眼未来,争做T型人才:T的尾巴是专业技能,T的横是整合能力,包括了解业务、明白技术、人的商业模式(如何分析人,预测人的商业行为、经济活动),便可以做到更好的服务自己。

 

 
分享
请徐新祥老师帮我评估
  • 您的姓名:
  • 手机号码:
提交

京ICP备案05067667
新东方教育科技集团有限公司

电脑版