元宇宙：去还是不去？
重点是：如果我们观察世界媒体消费随时间的变化，显然我们会看到巨大的革命性变化。也许其中最重要的变化之一就是入站营销的出现和巩固，这实际上结束了广告商强制中断的时代。
另一个结论是，即使改变一开始看起来具有挑战性和破坏性，但随着时间的推移，它当然会成为品牌需要走在受众所在的地方的一条自然道路。
因此，尽管今天我们无法确定在这个新世界中品牌的未来将会如何以及到达那里的路径，但只要回顾过去我们就会发现，无论挑战有多大，公司总能找到——或者发明！——一种接触消费者的方法！
但那些为未来做好准备的人会占优势。例如，播客在 2015 年爆发，但早在 2004 年，我们就已经有一些先驱者了。
因此，如果您想增加在尚待探索的世界中取得成功的机会，那么现在就是开始学习和规划的时候了！
如何成为一名成功的数据科学家
丹尼尔·阿尔维斯
丹尼尔·阿尔维斯
2月 28, 22 | 阅读时间 5 分钟
✓ 人工制作的内容
更新日期：2022 年 2 月 25 日
成功的数据科学家
需要为您的企业提供内容？在 WriterAccess 上寻找顶级作家！
免费试用
数据增长似乎无可争议。2020年，每个人每秒产生 1.7 兆字节的数据，而今天一个人需要超过 1.8 亿年才能从互联网上下载所有数据。利用这些数据来做出决策肯定是有机会的，这就是为什么94% 的公司表示数据对其业务增长和数字化转型至关重要的原因。
在此背景下，数据科学领域提出了让数据变得有用的使命。如何处理如此大量的数据，以便为企业提供见解和建议？这是数据科学家被聘用来回答的黄金问题之一：美国劳工统计局预测，到 2026 年，数据科学领域的就业岗位数量将增长约 28%。
但你有没有想过数据科学家可以解决什么类型的问题？举个例子，在 Rock Content，我们采用一种方式，在做出决定之前，根据数据 预测客户何时会流失。
从这一发现来看，可以让其他团队与客户互动，并以主动的方式节省这笔收入。这并不是数据科学的唯一应用。从与获取新客户相关的挑战到业务中的交叉销售机会：数据科学家专注于利用数据来解决问题。
数据科学家采用不同的策略来处理这些业务问题是很自然的。尽管这是很正常的——尤其是当一个团队由来自不同背景的专业人士组成时——但我想讨论一下最成功的数据科学家的一个特点。
现实生活中的数据科学项目与我们在学习环境或数据竞赛网站（如Kaggle）中发现的项目并不完全相同。这并不意味着那些数据竞赛不好，但应对这些挑战并不意味着在现实生活中的项目中会取得同样的成功。
在现实生活中和学习环境中处理数据有何不同？
在你的日常工作中，你可能没有为每种情况准备一个现成的数据集。如果你有，也许你可以考虑反思一下。当然，这将是你交付成果的主要驱动力。对这一点的反思是：如果你没有为此付出努力，你怎么能对主要驱动力的结果负责呢？
从这个问题来看，强调这一点很重要：数据科学肯定在数据之前就开始了。我强烈鼓励数据科学家将大量精力投入到问题定义中，而不仅仅是考虑最终交付的分析产品。业务永远是第一位的。
这与营销人员制定年度计划时的情况非常相似。例如，仅仅因为每个人都在谈论，就很想在元宇宙中建立自己的存在。但是，等等：你为什么要进入元宇宙？你想解决什么业务问题？记住：战略总是先于战术。
当我们谈论数据时，使用相同的方法将确保在探索真正可能解决的问题之前不会考虑解决方案。领导者应尽快与数据科学家接触。
不觉得自己的见解得到了准确考虑。由此可能产生几个问题，但其 澳大利亚 WhatsApp 数据 中肯定有一组问题与理解数据与理解业务本身之间的差异有关。
考虑到这一点，我们可以探讨一个更深层次的问题：如果数据科学家对业务没有深入的了解，他们如何反思业务问题？我绝对同意数据科学项目不是个人活动，但我坚信数据科学家可以为设计假设做出贡献。
值得一提的是，在人才缺口较大的领域，行业知识和硬数据技能之间的平衡对于项目的成功至关重要。
数据可能只是冰山一角
深入理解业务不应被视为数据科学家超越了本职工作。事实并非如此。这种行为是最终设计数据科学项目所需数据集的灵感，也是对其他技术挑战的另一项努力的开始。
请注意，数据只是冰山一角，涉及对业务目标的更深层次思考。当你假设你的工作从冰山一角开始时，你一定已经失去了成千上万的机会。
构建业务问题的努力可能是我注意到来自不同背景的多位数据科学家最显著的特征。当然，这不仅取决于数据科学家，还取决于领导层如何将他们带入决策阶段。
总结：召集数据科学家一起讨论业务
而且，如果您想了解与内容营销趋势相关的所有信息，请考虑订阅我们的时事通讯！
分享
莫埃马维安娜摇滚作者矢量
作者
莫埃马维安娜
订阅我们的博客
注册接收 Rock Content 博客文章
相关文章
100 期《The Beat》：我们互动营销时事通讯的幕后故事
替代
凡妮莎·迪亚斯