Le cas d'utilisation le plus populaire semble être des systèmes de recommandation de différents types (tels que la recommandation d'articles d'achat, les utilisateurs des réseaux sociaux, etc.).
Mais quelles sont les autres applications typiques de la science des données, qui peuvent être utilisées dans différentes verticales?
Par exemple: prédiction du taux de désabonnement des clients avec apprentissage automatique, évaluation de la valeur à vie du client, prévision des ventes.
Réponses:
De plus, il semble y avoir une liste très complète des cas d'utilisation de la science des données par fonction et par vertical sur Kaggle - "Cas d'utilisation de la science des données"
La satisfaction est énorme et je la rencontre beaucoup. Énorme référence à l'importance / difficulté / complexité.
L'essentiel est que pour les très grands services (moteurs de recherche, facebook, linkedin, etc ...) vos utilisateurs sont simplement une collection de lignes de journal. Vous avez peu de capacité à solliciter des commentaires de leur part (pas nécessairement une règle stricte et rapide). Vous devez donc déduire la plupart du temps leurs commentaires positifs ou négatifs.
Cela signifie trouver des moyens, même en dehors de la modélisation prédictive, de vraiment dire, à partir d'une collection de lignes de journal, si quelqu'un a réellement aimé quelque chose qu'il a vécu. Cet acte simple est encore plus fondamental (à mon avis biaisé) que les tests A / B car vous parlez de métriques que vous finirez par suivre sur une carte de score de test.
Une fois que vous maîtrisez les bonnes mesures SAT, vous pouvez commencer à créer des modèles prédictifs et à expérimenter. Mais même décider quel morceau d'instrumentation de journal peut vous dire sur SAT n'est pas trivial (et change souvent).
Cela dépend, bien sûr, de l'objectif de l'entreprise: commerce, service, etc. En plus des cas d'utilisation que vous avez suggérés, d'autres cas d'utilisation seraient: