¿Cómo se puede utilizar la ciencia de datos para aumentar la rentabilidad de un negocio?

Gracias por el a2a.

El reclutamiento es costoso. Algunos saldrán antes de que termine su capacitación, pero después de realizar una gran inversión en esa capacitación. Otros completarán la capacitación pero nunca harán un buen trabajo. Aún otros completarán la capacitación pero serán cazados antes de que generen suficientes ganancias para cubrir los costos de su capacitación y tal vez la capacitación falle. Antes del hecho de traer a estos reclutas y aprender de la experiencia, ¿cómo se asegura de que encajen bien? ¿Cómo encuentras esto legal y éticamente?

Aproximadamente la mitad de los reclutas fracasarían porque no tenían la aptitud para el trabajo o simplemente usaron su dinero para apalancarse en mejores trabajos. Dado el costo de estos fracasos y los números que estábamos reclutando, la inversión en ciencia de datos terminó ahorrándonos una red de aproximadamente 10 millones de dólares con potencial para mucho más.

El caso más simple es comprender el costo de ventas para su base de clientes y luego, al asociar un número de cliente con los ingresos, puede asignar el costo de ventas y encontrar la rentabilidad del cliente. Debe hacerlo por tiempo, por producto y por canal si tiene múltiples formas de entregar productos y servicios. Luego puede calcular aproximadamente cuánto podría descontar adicionalmente productos a clientes específicamente rentables para atraer ventas adicionales.

Puede utilizar el análisis de la cadena de suministro para determinar el costo del tiempo en la recolección de los materiales para los productos que fabrica y luego clasificar a sus proveedores en consecuencia. Este proceso es probablemente el método de productividad número uno en todos los negocios estadounidenses.

La mayoría de los trabajos de ciencia de datos que conozco se basan en los presupuestos de CRM y marketing, y dedican gran parte de su tiempo a analizar e incorporar cosas de la demografía de los clics web. Sospecho que hay mucho análisis excesivo en estas áreas y que esto es de esperar en gran medida en las nuevas empresas, como el comercio minorista en línea y el marketing que no han existido por mucho tiempo.

Los ejecutivos más experimentados tienden a saber exactamente cómo hacer que su negocio sea más rentable y contratar personal de TI para monitorear algunas cosas críticas.

Por otro lado, hay nuevas empresas de vanguardia, como las nuevas empresas Fintech, que utilizarían nuevos tipos de análisis para transacciones y transacciones financieras especializadas, cálculo de coberturas, etc. Esa es probablemente la ciencia de datos más interesante que existe, pero requiere mucho estudio. . Me imagino que la competencia es feroz por empleos que literalmente generan ganancias al construir modelos de flujos financieros y apostar en ciertas condiciones. Se dice que a los AI les está yendo mejor que a los administradores de fondos tradicionales en algunos lugares.

También me parece que hay un gran espacio para usar software de código abierto en muchas operaciones bancarias tradicionales que reduciría el costo de la huella de TI (incluida la migración a la nube) que haría que cualquier organización financiera tradicional sea más rentable. Pero, de nuevo, sabes lo difícil que es hacer que la gente de Windows use Linux.