數據科學的概念在亞洲市場來說比較新,筆者常聽朋友問起「什麼是數據科學?」和「數據科學能做什麼?」等問題。

「什麼是數據科學?」這問題筆者曾為此寫過一篇文章,有興趣讀者點擊下面藍字連結看文章。

什麼是數據科學 (Data Science)? 

「數據科學能做什麼?」這問題太廣泛,筆者先以簡單的案例來說說數據科學能在商業範疇做到什麼。

人們利用現今速度越來越快的計算工具和成本越來越低的存儲設備,能夠預測和計算可能花費數倍於人工小時的結果。保險索賠分析師現在可以利用演算法來幫助檢測欺詐行為,零售銷售人員可以通過數據科學更好地定制線上和商店的體驗等。筆者在文章內結合了一些現實生活項目案例,希望幫助讀者們了解更多。

數據科學商業例子 1 – 預測最佳零售地點

相信讀者都聽過一句名言「Location, Location, Location」,地理位置是成功的零售單位最重要的要素之一。零售企業長期以來一直在思考哪裡是他們業務的最佳位置。答案是客戶在考慮您的產品時所處的位置。但怎樣找出來呢?

相信讀者都聽過一句名言「Location, Location, Location」,地理位置是成功的零售單位最重要的要素之一。零售企業長期以來一直在思考哪裡是他們業務的最佳位置。答案是客戶在考慮您的產品時所處的位置。但怎樣找出來呢?

Buxton 是一個不錯的例子。 Buxton 是一間數據技術公司,他們相信 “任何零售商都可以通過了解客戶來獲得更大的成功和增長,並且確定客戶是誰,在那裡及哪些客戶最有價值”

他們透過 Facebook 在現實生活中的地理圍欄和手機裝備所產生的數據,配合數據科學分析工具。通過查找客戶可能花費時間的位置以及他們在某些位置可能會執行的操作,來幫助確定客戶新業務的選址。他們的客戶如咖啡店、禮服店等都有不錯的效果。數據科學和機器學習看似僅限於互聯網相關的應用,但實際卻是非如此。

數據科學商業例子 2 – 預測患者入院的原因

筆者的研究集中於公共健康方面,數據科學可說是未來公共健康管理的最重要工具之一。

現今多個數據科學團隊都在嘗試預測患者的再入院率以幫助醫院降低成本並增加人群健康管理。知道誰可能需要再入院接受治療也可以幫助數據科學家尋找背後的 “因素”。這不僅能減輕醫療負擔,也可以減少保險索賠的問題,加快速度而確保患者得到最好的護理。

美國的醫院正在融合多個數據來源,而不僅僅是典型的保險索賠數據,以深入了解導致再入院的原因。 其中一種常見的方法是研究再入院與社會經濟數據點之間的關係,如收入,地址,犯罪率和空氣污染等。

類似於營銷人員使用機器學習和產品推薦系統瞄準客戶的方式,數據科學家們將社會經濟數據用於預測患者的身體情況。 醫院正在努力根據其他類似患者過去的反應情況,更好地定制他們的護理。

數據科學家們發現在手術後的正確時間通過電話呼叫也可以減少發生的再入院次數。 有時患者再入院的原因與醫生如何在醫院治療無關,而是患者可能不了解如何服用藥物,或者他們家裡沒有人能幫忙照顧他們。 因此,能夠找出再入院背後的原因可以反過來解決它。 一旦政策制定者理解了原因,就可以更容易地開發出更好的行動計劃來處理每位患者的個別問題。

數據科學商業例子 3 -查找保險欺詐行為

保險欺詐使公司和消費者(受到更高利率)每年花費數百億美元之巨。 為了解決這個問題,很多公司為了證明索賠案件是否屬於欺詐性,而令公司付出高於索賠本身的調查代價成本。

這就是為什麼現令很多公司慢慢轉向機器學習和預測模型來檢測欺詐行為。這種方法不僅降低了人工小時的成本,還增加了從欺詐性索賠中收回被盜資金的機會。

一旦你有一個精確的調整算法,你的團隊處理欺詐性索賠的準確性和速度將急劇增加。

數據科學商業例子 4 – 入店即時預測產品需求和價格

針對特定客戶定價的概念是許多公司已經實施的一種經過驗證的方法(甚至在我們創造 “數據科學家” 一詞之前)。 例如一個推銷員看見你穿著昂貴的西裝進車店,那麼他們很可能會以更高的價格向你推銷車款 。 同樣,現在計算機可以量化最優價格,鼓勵客戶做出購買決定,同時最大化利潤,電子商務公司利用大數據和你在電腦上的記錄清楚知道你的網上購物行為,如你喜歡在電腦配件上多花 $1200 …… 你想到那裡旅行等。

不僅限於電子商務! 在視像AI和數據的運用的進行下,生活中的零售商店實際上開始使用以前的購買歷史和影像設備,在客戶走進店門那一刻起便開始作出需求預測,提供最佳優惠,刺激購買。

在美國當你光顧過著名品牌 Men’s Warehouse 的商店。他們可以將這些數據如銷售員服務你時所記錄的一些筆記與您的 LinkedIn 個人資料和 Glassdoor 薪資估算等其他信息進行融合。Men’s Warehouse 就知道你的薪金和購買習慣等資料。所有這些結合在一起將使他們能夠更好地為您和您這樣的其他客戶量身定制體驗。

對於喜歡親自購買衣服和其他產品的顧客來說,這有助於為 Men’s Warehouse 或其他類似公司提供重要的競爭優勢,這些公司已經傾向於專注於服務體驗而不僅僅是銷售。此外,公司可以更好地規劃哪個銷售人員與哪個客戶合作。也許他們可以預測客戶會對硬性銷售與較軟性方法做出更好的反應等,大大提高銷售額和客戶滿意度。

數據科學商業例子 5 – 行業數據互補和合作

不同行業間其實可以透過共享數據來逹到相嬴效果。以共公醫療為例。患有身體疾病的人口中有三分之一也患有伴隨精神健康問題,因而加劇身體疾病,降低了生活質量,並增加了醫療費用。數據科學團隊發現,如果能同時發現並改善心理和身體的健康問題,有助於降低整體醫療成本和加快患者康復進度。很多先進的醫療機構正在通過策劃有效的護理團隊並將他們的專業知識與數據驅動的見解相結合,致力打造高效健康生態系統。很多大型保險提供商也合作開展類似項目,來計算幫助研究新的健康計劃的總體投資回報率等。

總結

數據科學是一種高效的商業工具,可以讓公司更好地為客戶提供服務和提升各方面的表現。 然而,這一切都始於確保您的公司提出正確的問題。 如果公司沒有從正確的方向和組織人才就開始項目,可能會浪費大量成本。


數據科學速成班

以專業 R coding 和 實用案例 為材料,助你在 30 天內掌握 Big Data (大數據) 和 A.I.(人工智能) 等複雜概念,並開始應用到你的個人及商業項目上。

導師:香港數據科學家 Warrington Hsu

學員:適合任何對數據科學有興趣的初學者 (沒有 coding 底子要求)

了解課程:https://bit.ly/3guxaUS