Att skapa data för e-handels tillväxt - dummies

Datavetenskap i e-handel tjänar samma syfte som det gör i någon annan disciplin - att härleda värdefull insikt från rådata. I e-handel letar du efter datainblick som du kan använda för att optimera ett varumärkes marknadsavkastning på investeringar (ROI) och driva tillväxten i varje lager i försäljningsträken.

Hur du slutar göra det är upp till dig, men de flesta datavetenskapers arbete inom e-handel innebär följande:

• Dataanalys: Enkel statistisk och matematisk inferens. Segmentationsanalys blir ganska komplicerad när man försöker att känna sig till e-handelsdata. Du använder också mycket trendanalys, outlieranalys och regressionsanalys.
• Datawrangling: Datawrangling innebär att du använder processer och procedurer för att rengöra och konvertera data från ett format och en struktur till en annan så att data är korrekta och i det format som analysverktyg och skript behöver för konsumtion. I tillväxtarbetet är källdata vanligtvis fångade och genererade av analytikapplikationer. För det mesta kan du få insikt i applikationen, men ibland måste du exportera data så att du kan skapa datamashups, utföra anpassade analyser och skapa anpassade visualiseringar som inte är tillgängliga i din out-of-the- boxlösningar. Dessa situationer kan kräva att du använder en skälig bit av datakryssning för att få det du behöver från källdataset.
• Datavisualiseringsdesign: Datorgrafik i e-handel är vanligtvis ganska enkel. Förvänta dig att använda många linjekartor, stapeldiagram, scatterdiagram och kartbaserade datavisualiseringar. Datavisualiseringar ska vara enkla och till den punkten, men de analyser som krävs för att härleda meningsfull insikt kan ta lite tid.
• Kommunikation: När du har förnuft för uppgifterna måste du kommunicera sin mening på tydliga, direkta och koncisa sätt som beslutsfattare lätt kan förstå. E-handelsdatavetenskapare måste vara utmärkta för att kommunicera datainsikten via datavisualiseringar, en skriftlig berättelse och konversation.
• Anpassat utvecklingsarbete: I vissa fall kan du behöva utforma anpassade skript för automatisk anpassad dataanalys och visualisering. I andra fall kan du behöva gå så långt som att utforma ett personaliserings- och rekommendationssystem, men eftersom du kan hitta ett ton av förbyggda program som är tillgängliga för dessa ändamål, innehåller den typiska e-handelsdatabasens positionsbeskrivning inte detta krav.