零售新科学_为什么零售商无法获得足够的数据科学家

零售新科学

零售商现在比以往任何时候都在寻找数据科学家。 鉴于在线购物的增长以及电子商务巨头亚马逊的激烈竞争，规模较小的零售商已开始关闭其在全球的实体店。 被称为“ 零售启示录 ”的，仅在2019年就将关闭8,600家商店。 研究表明，零售商还被迫改变销售策略，为客户提供更多个性化的在线体验。 鉴于这种转变，零售商正在积极寻找数据世界中的候选人，以帮助他们赢得客户的忠诚度并保持较高的销售额。

尽管近年来有很大的推动力，但零售业转向以数据为中心的方法不一定是新的。 零售业巨头塔吉特公司（Target Corporation）在2013年聘请Paritosh Desai担任商业智能，分析和测试副总裁时，可以说是负责人。 Desai不仅雇用了一支强大的数据团队，而且还创建了一个由数据驱动的全公司文化。 他创建了一个可供经理使用的分析系统，从而促进了数据驱动的决策制定，从而在数据团队和经理之间建立了流动性。

[InfoWorld的AI要点： 用于AI开发的5种最佳编程语言 。 • 为什么应该使用Python进行机器学习 。 | 通过InfoWorld的App Dev Report新闻通讯了解编程方面的热门话题。 ]

其他零售商很快也效仿，尽管在招聘方面仍然存在挑战。 数据科学家的短缺打击了所有行业。 从2019年1月起，Indeed的一份报告显示，自2013年以来，对数据科学家的需求同比增长了29％ ，而需求却增长了344％。但是，熟练数据科学家的供应以14的速度缓慢增长所有行业的百分比，表明供需之间存在差距。

然而，零售业巨头似乎正在通过高薪和发展机会来解决这一短缺问题。 去年，Lowe's宣布了一项计划，到2021年每年在技​​术上投资5亿美元 。该公司计划雇用2,000名软件工程师，基础架构工程师和数据分析师。 沃尔玛的首席数据官最近表示，该公司拥有1500名数据科学家，并计划雇用更多人，尤其是可以帮助开发语音激活购物应用程序的候选人。 这个由数据科学家组成的团队已经在生产中拥有超过100,000个基于AI和机器学习的项目，包括用于监视盗窃的AI驱动的相机。

大数据技术可以在零售中发挥巨大作用，因此近年来招聘这些职位的人数增加也就不足为奇了。

零售商为什么要招募数据科学家？

尽管零售商将注意力集中在网上，但他们仍然有实体店来推广。 一种方法是结合在线和离线体验。 DIY家庭项目可能会涉及到这两个方面，Lowe的计划是通过技术添加个性化功能来利用这些客户。 零售商可以监视店内活动，并及时向这些客户提供报价，以激励他们来店后进行店内购买或在线购买。 数据团队还可以改善推荐功能和基于位置的工具，以帮助增加在线和离线销售。 麦肯锡的一份报告指出，客户在亚马逊上购买的商品的35％（以及人们在Netflix上观看的商品的75％）来自基于对交易数据和趋势进行分析的预测模型和算法的产品推荐。

数据科学家在零售中最有价值的领域可能是使用数据制定可能影响公司利润的决策的能力。 零售业的竞争非常激烈，更不用说亚马逊的垄断了，这意味着零售商需要做出明智的决定。 机器学习算法可检测供应链中的模式和相关性，并可实时调整参数和值。 然后，该技术可以预测趋势，从而降低了客户根本不想要的物品或仍在货架上的物品变坏的风险。

价格优化是使零售商受益的另一个工具。 通过从多渠道来源收集数据，团队可以考虑位置，购买态度和竞争对手价格等项目，以输出理想的价格：客户将以最高的利润支付的价格。 实时价格优化通过为客户提供良好的价格来吸引和留住客户，但仍然可以获利。

零售商还可以使用大数据来了解客户的情绪。 随着社交媒体使用量的激增，有大量关于在线谈论品牌的顾客的数据。 数据科学家可以使用数据聚合并使用自然语言处理来跟踪这些评论是肯定还是否定。 了解这些信息可以使零售商进行结构上的更改，以更好地为客户服务并在竞争中获得优势。

使用那里的数据

零售商拥有大量数据，但仍然有许多较小的零售商没有利用所有数据进行有洞察力的行动。 幸运的是，随着越来越多的数据科学家进入工作队伍，这种情况正在改变。 零售中大数据的用例似乎无穷无尽。 零售商还使用数据科学家来预防欺诈，预测客户的生命周期价值，声称要监视并了解实体店位置应在何处打开和关闭。

零售商和其他行业面临的挑战不仅在于收集数据，还在于利用数据来提供更好的客户体验。 数据可以提高公司绩效，管理风险并增加销售，所有这些都可以在竞争中占优势。 鉴于此，零售商将继续寻找可帮助实现这些目标的数据科学候选人的工作市场。

翻译自: https://www.infoworld.com/article/3449759/why-retailers-can-t-get-enough-data-scientists.html

零售新科学