He trabajado con muchos científicos de datos en Nike durante más de un año en su equipo de comercio electrónico. ¡Es un lugar increíble para estar!
1. No hace falta decir que tienen un conjunto de datos muy rico: alto volumen y amplitud. Imagínese hacer un seguimiento de todo, desde el primer clic en el sitio web mientras navega por la página en nike.com, hasta todas las páginas posteriores que visita, hasta el momento en que agrega algo a su carrito, hasta realizar un pedido con éxito, hasta recibir el pedido en su puerta , a las quejas de CSR (¡Ah, no hay muchas de ellas porque Nike es LA marca!), hasta el momento de su visita para revisar y calificar el producto 5/5.
2. También existe la oportunidad de trabajar con datos de tiendas Brick & Mortar
3. Nike ejecuta un montón de campañas de prueba A / B, campañas en el sitio web: puede medir su eficiencia en métricas clave y proporcionar recomendaciones para la próxima. El impacto es enorme dada la escala a la que opera Nike
4. Nike es realmente una empresa basada en datos: esto significa que puede trabajar en múltiples algoritmos de aprendizaje automático, lo que le brinda una muy buena exposición de técnicas simples de regresión lineal a técnicas complicadas como máquinas de vectores de soporte
5. Son de última generación en términos de plataformas de tecnología / datos (AWS, HDFS) y usted tiene la libertad de usar cualquier software para programación estadística (R / SAS / Python). Mientras pueda hacer el trabajo, tendrá todo lo que necesita
6. Las personas son inteligentes, motivadas y talentosas. Brindarán su mejor apoyo para ayudar a mover la aguja. La cultura es mayormente casual.
7. Y sí, como empleado de Nike, obtienes descuentos increíbles en sus productos
¡Espero que esto ayude!
- ¿Es muy difícil sobresalir en ciencia de datos? ¿Qué instituto debería considerar para los cursos de ciencia de datos en Pune?
- ¿Crees que las herramientas basadas en la interfaz visual podrán / pueden igualar el poder del código?
- En la regresión logística, ¿cómo encuentra el mejor límite de decisión posible algorítmicamente?
- ¿Cómo preparará enormes conjuntos de datos (gran número de filas) para el análisis, y también procesará previamente los conjuntos de datos de 'prueba' de la misma manera que los conjuntos de datos de 'entrenamiento' antes del análisis?
- ¿Alguien puede ayudarme a estudiar conferencias de análisis de Jigsaw Academy?
