Coursera 笔记

Module 03 · Applications and Careers in Data Science

Lesson Summary: Data Science Applications Domain数据科学应用与组织价值总结

Coursera ↗

本课回顾了数据科学如何被组织用于发现最优解决方案，驱动业务目标、提高效率、做出预测，甚至挽救生命。

1. 数据科学的工作流程与基础

所有组织使用数据科学的最终目标是发现现有问题的最优解决方案。要实现这一目标，数据科学家需要遵循以下关键步骤：

测量的必要性

  • 首要步骤： 解决问题的第一步是测量（Measurement）。如果某事物没有被测量，就很难改进或改变它。
  • 数据采集与管理：
    • 组织需要捕获和收集数据。如果尚未采集，必须制定采集方案。
    • 切勿覆盖旧数据——它始终是相关的，永不过时。
    • 采集数据后，需要对其进行查看和清理。

制定解决方案策略

  • 策略与工具： 数据科学家的职责是帮助组织识别工具并制定分析策略。
  • 模型开发： 考虑案例研究来定制潜在解决方案。识别分析工具后，开发机器学习和统计模型。
  • 长期收益： 尽管完善数据策略的最佳实践需要时间，但其带来的收益是值得的。

2. 商业效率与竞争优势

互联网用户每天都会生成海量数据，企业可以利用这些数字痕迹来揭示用户模式。

客户互动与推荐引擎

  • 原理： 推荐引擎是数据科学的常见应用，它使用机器学习和统计模型，根据用户的搜索和行为模式，向他们提供个性化推荐。
  • 应用方： 亚马逊、流媒体公司等。

运营效率与预测

  • UPS： 利用来自客户、司机和车辆的数据，创建更高效的路线，从而提高司机时间、金钱和燃料的利用效率。
  • Uber： 使用数据将正确数量的司机安排在正确的地点、正确的时间，并以乘客愿意支付的价格提供服务。
  • 影响： 这些举措表明数据科学从根本上改变了企业的竞争和运营方式。

竞争优势与内容预测

  • 流媒体公司： 通过收集和分析海量用户数据（包括观看的节目、时间、暂停/快进/快退行为、搜索的导演和演员），流媒体公司可以预测节目是否会成功，甚至在开拍前就胸有成竹。

3. 挽救生命与社会价值

数据科学的应用超越了商业利益，帮助组织和机构挽救生命。

医疗保健中的预测分析

  • 应用: 数据科学家利用数据挖掘、数据建模、统计学和机器学习开发预测分析，为患者寻找最佳治疗方案。
  • 全面分析: 预测模型会检查疾病的各种因素，包括基因标记、相关病症和环境因素。
  • 辅助决策: 数据科学家使用模型帮助医生推荐适当的检测、合适的试验和建议的治疗方案。
  • 发展趋势: 扩展数据分析能力有助于医疗机构从基本的描述性分析转向预测性洞察。

灾难预测与应对

  • 大规模数据应用: 大量、高质量的数据集可以帮助预测地震、飓风、龙卷风、洪水和火山喷发等自然灾害的发生。
  • 社会效益: 数据科学家分析来自各种来源的海量数据，以一种能带来新理解的方式呈现信息，从而使组织能够获得新知识，并在某些情况下挽救生命。

4. 最终交付成果 (Final Deliverable)

在咨询和商业领域，数据科学家需要将他们的发现和结论以最终交付成果的形式呈现给组织：

  • 形式： 通常是分析驱动的报告，并辅以表格和图表（Tables and Plots）。
  • 目标： 旨在传达调查结果，建立有力、有说服力且基于证据的叙述（evidence-based narratives）。
  • 学术界： 在学术界，最终交付成果通常是研究论文和报告。