编译：Mika
来源：CDA数据分析师（ID：cdacdacda）
原文：365 Data Science
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?
中英字幕视频如下：
以下是文字版本：
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：
01 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。
02 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。
然而为了提供更丰富的内容，公司不能没有定性数据。这揭示了影响某些行为的因素，如顾客满意度或客户流失、定性调查 、焦点小组，以及点对点评价是收集定性数据的方法之一。其他方法包括分析点击率和社交媒体参与度。
现在你有了数据，下面是时候对其进行解释和具体思考，从而提取有价值的信息。
03 分析数据
有意义的分析对于有效的决策是至关重要的。正如我们已经提到的，BI工具本身并不足以进行很好的分析。尽管如此，它们仍然可以在其他各种类型的分析中发挥重要作用。
例如在线分析处理，即OLAP。这提供查看数据的多维度，并根据各种因素进行数据挖掘。当然还有文本挖掘，用来提取和分析，并从大型文本数据集中总结信息。BI 软件为数据科学家提供了交互式获取和丰富的图形功能，以及执行根源分析的能力。
如果需要从不同的角度查看数据怎么办?
这时多维技术开始发挥作用。使用数据模型 有助于基于整合不同来源的商业信息做决定。因此要尽可能多的利用各种工具，有效地使用它们来获得相关的和可执行的见解。
04 有效地沟通数据
为了准备清晰而有说服力的报告，你需要使用不同类型的图表，如标记图、直方图、散点图等。
然而，为了提供信息并有效的用数据讲故事，你需要把图表和叙述结合起来。这将让你的受众从大局把握，并从收集的数据中获取业务价值。
如何确保有价值的见解不会被忽视呢?
著名的战略绩效顾问伯纳德·马尔提出了4个步骤，从而确保能得出强有力且具有策略性的报告。
即用KAQs和KPQs构建报告框架；以适当具有资讯性的图表支持KAQs及KPQs；使用标题来概括关键信息；以及为视觉效果提供背景叙述。
如果选择仪表板来展示，请注意避免一些常见的错误。例如为数据提供不适当的背景内容，使用无用且乱七八糟的装饰，或者数据排列得很糟糕。
05 了解商业决策是如何做出的
你认为数据科学家的工作是打包整理信息，并将其呈现给利益相关者就结束了吗?
那就错了。
如果你想认真对待这份职业，你还应该知道：基于证据的决策是如何做出的。
优秀的数据科学家会确保他们的见解将成为可采取行动的基础。作为一名数据科学家，你可以对公司学习和提高的愿景产生重要影响。
因此，你需要充分利用数据科学力量，并永远使用它 !
结语
以上就是我们列出的5个商业基础知识，它们将帮助你走上数据科学的职业道路。你可以把它们作为积累商业知识的垫脚石，用一些相关的书籍来扩展你的知识，并参加在线商务课程来提高技能 让你的简历脱颖而出。
如果你恰巧在等待面试时看到这篇文章，那么不要感到绝望，你还有几分钟的时间，把以上几点内容在脑。海中重复几遍。接着深吸一口气，呼气。
作为充分了解自己的专业数据科学家，以不可动摇的信心去因对面试吧！祝好运 !
