El caso de uso más popular parece ser un sistema de recomendación de diferentes tipos (como recomendar artículos de compras, usuarios en redes sociales, etc.).
Pero, ¿cuáles son otras aplicaciones típicas de ciencia de datos, que se pueden usar en diferentes verticales?
Por ejemplo: predicción de abandono de clientes con aprendizaje automático, evaluación del valor de vida del cliente, pronóstico de ventas.
Respuestas:
Además, parece haber una lista muy completa de casos de uso de ciencia de datos por función y por vertical en Kaggle - "Casos de uso de ciencia de datos"
La satisfacción es enorme con la que me encuentro mucho. Enorme referencia a importancia / dificultad / complejidad.
La conclusión es que para servicios muy grandes (motores de búsqueda, facebook, linkedin, etc.) sus usuarios son simplemente una colección de líneas de registro. Tiene poca capacidad para solicitar retroalimentación de ellos (no es necesariamente una regla difícil y rápida). Por lo tanto, debe inferir sus comentarios positivos o negativos la mayor parte del tiempo.
Esto significa encontrar formas, incluso fuera del modelado predictivo, para saber realmente, a partir de una colección de líneas de registro, si a alguien realmente le gustó o no algo que experimentó. Este simple acto es aún más fundamental (en mi opinión sesgada) que las pruebas a / b ya que estás hablando de métricas que eventualmente rastrearás en un cuadro de mando de prueba.
Una vez que tenga un buen manejo de las buenas métricas SAT, puede comenzar a hacer modelos predictivos y experimentar. Pero incluso decidir qué pieza de instrumentación de registro puede informarle sobre SAT no es trivial (y a menudo cambia).
Depende, por supuesto, del enfoque de la empresa: comercio, servicio, etc. Además de los casos de uso que sugirió, algunos otros casos de uso serían: