亞馬遜經(jīng)濟學家是做什么的？,網(wǎng)絡營銷博客

摘要： Matt Taddy是亞馬遜北美用戶團隊的首席經(jīng)濟學家。用戶團隊賣力設計方案，加速并自動化亞馬遜的商業(yè)決議，從而全方位改善亞馬遜用戶體驗。在他的新書《商業(yè)數(shù)據(jù)科學》里，他談到了經(jīng)濟...

Matt Taddy是亞馬遜北美用戶團隊的首席經(jīng)濟學家。用戶團隊賣力設計方案，加速并自動化亞馬遜的商業(yè)決議，從而全方位改善亞馬遜用戶體驗。在他的新書《商業(yè)數(shù)據(jù)科學》里，他談到了經(jīng)濟學家在企業(yè)內(nèi)的職業(yè)生長。這本書匯集了統(tǒng)計學、機械學習和社會科學等領(lǐng)域的看法知識，能輔助企業(yè)有用行使數(shù)據(jù)。在這篇文章先容了這本書，并談及了經(jīng)濟學家和科學家在Amazon的事情，以及經(jīng)濟學家的職業(yè)生長。讓我們一睹為快吧！

以下為Matt Taddy接受的采訪編譯：

1. 為什么寫這本書？

十年前最先寫《商業(yè)數(shù)據(jù)科學》時，我在芝加哥大學教授MBA課程。那時我意識到許多人，雖然不是統(tǒng)計或機械學習領(lǐng)域的專業(yè)人士，仍對某些數(shù)據(jù)科學內(nèi)容很感興趣。教授知識給非專業(yè)人士的想法，不僅激發(fā)了我寫了這本書，還推動了芝加哥大學的課程設計改變。而當我進入行業(yè)事情時，我發(fā)現(xiàn)非專業(yè)人士對于數(shù)據(jù)科學學習有更大的需求。許多像軟件開發(fā)工程師這樣的技術(shù)職員，想學習數(shù)據(jù)科學，充實專業(yè)技能。更大的市場需求也激勵我繼續(xù)寫作。

經(jīng)過了10年創(chuàng)作，現(xiàn)在就是這本書刊行的最佳時期。大數(shù)據(jù)看法和機械學習工具在已往10年已經(jīng)逐步成熟，擁有更高的可拓展度、穩(wěn)定性和用戶友好度。在今天，專業(yè)的數(shù)據(jù)科學家能有更多機遇和影響力，非專業(yè)職員也更容易學習數(shù)據(jù)科學相關(guān)知識。已往人人很難用自己的電腦模擬數(shù)據(jù)，研究數(shù)據(jù)的不確定因素也必須通過數(shù)學推導完成。有了現(xiàn)在的盤算工具，數(shù)據(jù)剖析變得更便捷，更易懂。

2. 這本書的主旨是什么？

首先，我想通報的是，非專業(yè)人士也可以學懂數(shù)據(jù)科學，而且數(shù)據(jù)科學對他們的事情也會有很大輔助。

其次我還想讓人人明了一個主要的看法——基于數(shù)據(jù)的決議不僅僅是基于數(shù)據(jù)展望。數(shù)據(jù)還能解讀事宜發(fā)生的緣故原由。機械學習可以挖掘已往數(shù)據(jù)的趨勢，  還能通過過往數(shù)據(jù)展望未來。同樣的，當你能展望差別的決議可能導致的效果時，數(shù)據(jù)科學的價值就會真正顯露出來。

最后，我還想強調(diào)，現(xiàn)在的數(shù)據(jù)剖析工具逐漸成熟，機械學習也被商品化，數(shù)據(jù)科學的焦點價值不是旨在開發(fā)一個更快或更好一點的算法。對于科學家和經(jīng)濟學家而言，我們最大的附加價值是通過行使自己的專業(yè)領(lǐng)域知識，將龐大的商業(yè)問題拆分為一系列可以通過算法解決的義務。

3. 以是對于求職于Amazon的科學家和經(jīng)濟學家而言，醒目機械學習并不是需要的？

“土味”廣告翻車的背后，是老品牌和新消費的不融合,撈偏門暴利冷門網(wǎng)賺項目

完全正確。舉個例子，我在Amazon治理的經(jīng)濟技術(shù)團隊，我們的團隊中有軟件開發(fā)工程師、科學家、經(jīng)濟學家和產(chǎn)物項目經(jīng)理等，并不是所有人都有機械學習相關(guān)靠山。作為團隊向?qū)?，我并不是?jīng)濟學博士身世，而是一名應用數(shù)學和統(tǒng)計學家。但在事情中，我也可以通過數(shù)據(jù)工具來研究經(jīng)濟問題，解決商業(yè)問題。

在亞馬遜的經(jīng)濟學家并不一定要明白若何使用最新的機械學習算法。你需要的是，將龐大的商業(yè)問題轉(zhuǎn)換成多個擁有清晰指令的數(shù)據(jù)剖析問題，交給應用剖析師。而應用剖析師會與軟件工程師一起，構(gòu)建產(chǎn)物，發(fā)生有規(guī)模性的影響力。

4. 在書中你提到了人工智能和機械學習的區(qū)別，你能詳細說明兩者的區(qū)別嗎？

“機械學習”和“人工智能”這兩個術(shù)語經(jīng)常被混用。但其中一個主要的區(qū)別是，機械學習很大程度上局限于展望與已往相似的未來。而人工智能系統(tǒng)能攻克以前只有人類才氣解決的龐大問題。

人工智能通過將問題分解為一系列小義務來解決問題，每個義務都可以由較為簡樸的機械學習算法來盤算。這一系列步驟主要有三個部門：1. 一個界說清晰的義務結(jié)構(gòu)；2. 一個連續(xù)天生數(shù)據(jù)的方式，確保算法能不斷學習；3. 通用的機械學習算法，可以使用非結(jié)構(gòu)化數(shù)據(jù)舉行展望。開發(fā)一個完整的人工智能系統(tǒng)需要你思量以上三點，并從全局上看待問題。

5. 作為亞馬遜北美用戶營業(yè)的首席經(jīng)濟師，你以為亞馬遜是若何將機械學習與經(jīng)濟學相結(jié)合，以提升營業(yè)并加速決議制訂？

在亞馬遜，經(jīng)濟學家不只研究傳統(tǒng)意義上的經(jīng)濟學問題。我們會著眼于問題，做出判斷，并開發(fā)出能適用于亞馬遜整個企業(yè)范圍內(nèi)的產(chǎn)物。在這里事情最棒的一點是，我們可以通過多種方式為用戶提供價值。例如，我們可以輔助用戶找到他們想要的商品，輔助物流更快速地將產(chǎn)物送到用戶家中，甚至我們能憑據(jù)用戶對于品牌的喜歡和季節(jié)性，輔助確保堆棧在節(jié)假日期有合理的商品庫存。除了這幾個例子，你會在發(fā)現(xiàn)，經(jīng)濟學家、科學家在亞馬遜內(nèi)正以多種方式發(fā)生影響，實現(xiàn)價值。

6. 若是您是亞馬遜招聘團隊的一員，你會若何向經(jīng)濟學家宣傳，使他們思量加入亞馬遜呢？

在亞馬遜，我們將經(jīng)濟學視為商業(yè)科學。這意味著你能一名經(jīng)濟學家的同時，還能通過經(jīng)濟學工具在事情中發(fā)生偉大影響力。在亞馬遜，你會明白客戶至上的界說，學習到若何運營企業(yè)。由于在亞馬遜，我們都是主人翁。這意味著你會全方位地掌握事情內(nèi)容，而不是只賣力某特定營業(yè)。

除此以外，亞馬遜會為你提供一個think big的機遇。這些年，亞馬遜在全方位地改變?nèi)祟悺Ｈ羰悄阆氤蔀轭嵏舱撸胍獎?chuàng)造出屬于你自己的路，那么在亞馬遜事情將是一個絕佳選擇。

Matt Taddy在文中提到，對于求職于Amazon的科學家和經(jīng)濟學家來說，醒目機械學習并不是需要的，需要的是將龐大的商業(yè)問題轉(zhuǎn)換成多個擁有清晰指令的數(shù)據(jù)剖析問題。