数据科学算法如何将商业计划变现？

数据科学可以为任何使用它的企业增加价值。它可以在整个工作流程中寻找统计数据和见解、招聘新候选人、帮助员工做出更明智的决定。如果你想了解更多关于数据科学的相关内容，可以阅读以下这些文章：
如何准备娱乐/游戏行业数据科学家面试
如何成为FAANG自驱式数据科学家的一员？
Data Science如何刷题？怎么刷？数据科学求职新趋势！
2022年，数据科学家文凭能让你赚多少钱？

当品牌和公司综合利用数据时，可以与目标受众分享他们的目标，从而建立更好的品牌连接。毕竟，没有什么比一个能灌输所有人类情感的有效而有力的故事更能打动消费者了。

准确地说，数据科学算法有助于执行复杂的数据科学任务，如预测、分类、聚类等。

通过其价值观为企业的成功铺平道路，EXL建立在创新、协作、卓越、诚信和尊重的核心价值观之上。团队有与生俱来的能力与客户一起工作，以改善业务成果、运营和客户体验。通过领域、分析和技术专长，EXL成为数据主导业务不可或缺的合作伙伴。

其尖端的分析解决方案由领域焦点、端到端能力、卓越的人才和持续创新提供动力。EXL的数据科学家能够理解数据，并产生更深入的见解，推动客户的业务向前发展。

Varun Aggarwal, EXL分析副总裁，加入EXL已有15年。他见证了数据分析发展激动人心的时代，通过这些年来的不断创新做出贡献。

解读商业挑战的大数据领袖

Varun对应用高级分析技术为客户解决复杂的商业问题充满热情。他喜欢在预测建模领域进行创新，通过更好的算法提高准确性，通过逻辑自动化提高效率，并通过可操作的见解带来效益。他的工作包括:

爬山算法：

该算法提高了模型的性能。它从给定列表中搜索最优特征子集，以用户定义的性能指标作为目标函数。该过程使用爬山迭代建模过程，在爬升到n+1之前评估n个特征的所有组合。

超级交互：

该算法捕捉非线性关系。它探索了相互作用的所有可能的n向组合。对于n = 2到5，仅50个原始特征就可以形成超过200万个新变量！该过程是适当地结合有效和高效的变量减少技术。

Segmentation recommendation:

Segmentation recommendation算法可以实现数据分割决策。它根据给定的数据评估一组预定义的战略场景，并对单个整体模型或多个分段模型提出建议。该过程将业务需求与统计测试(如相关符号翻转、对特定预测器的过度依赖和错误模式分析)混合在一起。

特征聚类增强器：

该算法选择具有预测性和代表性的特征。它建议基于无监督特征聚类结果和监督关联分析的联合分析的变量选择。该过程提供了从每个类别中筛选最顶级变量的灵活性。

统计模型评估和审查工具(S.M.A.R.T.)：

这是一个基于.net和sql的分析产品，可以作为模型监控的一站式解决方案。主要功能包括具有多级视图的仪表板、按需监控、调度器、模型治理和完全自动化的模型评估。

Media Mix Modeling Optimizer：

这是一个统计工具，可以根据销售收入或市场预算优化广告组合。这种优化能力为线上线下各种营销渠道的支出分配提供了可操作的建议。

这种分析加速器已经转化为为Varun的客户提供更快速、更好的大规模结果，从而创造“从速度到价值”的差异化，并为数据主导的业务提供更好的决策。

用数据科学贡献削弱数字空间

Varun 不仅以个人顾问的身份为数据分析领域做出了贡献，而且还领导了由200多名数据科学家组成的大型团队，并培训了1000多名预测建模分析专业人员。事实上，他设计和编写了一个全面的数据科学方法论培训课程，为他所在企业的新员工的旗舰培训计划提供信息。

十年前，Varun在EXL率先开展了机器学习的研究。他带领一个由20名数据科学家组成的团队赢得了遗产健康奖(Heritage Health Prize)的比赛，在全球1600多个参赛团队中稳居第二。

多年来，他与人合著了几篇研究论文，并在由 North East SAS Users Group、New York Area SAS Users Group、IIM-Ahmedabad 和 Analytics India 等组织者主办的国际高级数据分析、商业分析和机器学习会议上发表了论文。他的研究工作涉及数据分割、特征工程、特征选择、模型训练和模型验证。

数据分割

• Should I Build a Segmented Model？A Practitioner’s Perspective，NYASUG会议，2010年1月14日，Pace University, NY, US

特征工程和特征选择

• PROC LOGISTIC Plus: The Power of Variable Transformations,NESUG会议，2008年9月14-17日，Pittsburgh, PA, US
• Feature Selection and Dimension Reduction Techniques in SAS, NESUG会议，2011年9月11日至14日，Portland, ME, US
• Feature Engineering Strategies: A Practitioner’s Guide,第五届IIMA高级数据分析、商业分析与智能国际会议，2017年4月8-9日，Ahmedabad, India.

模型训练

• Ensemble Hybrid Logit Model，2010年KDD杯，教育数据挖掘挑战，由PSLC DataShop主办，2010年7月。
• Solving the CECL Riddle through Risk Analytics，第六届IIMA高级数据分析、商业分析与智能国际会议，2019年4月6-7日，Ahmedabad, India.
• Credit Card Fraud Detection using Feature Engineering and Machine Learning，在2022年机器学习开发者峰会上发表，由Analytics India Magazine组织，并由数据科学家协会出版，The Machine Learning Journal，第3卷，第1期，2022年1月3日

模型验证

零售信贷风险模型验证：

• Retail Credit Risk Model Validation，第四届IIMA高级数据分析国际会议，商业分析与智能，2015年4月11-12日，Ahmedabad, India.

此外，Varun还共同撰写了一系列关于信贷损失预测的EXL白皮书。

创新中心的高级分析

Varun是德里经济学院的校友，2007年通过校园实习加入EXL。凭借15年的咨询和高级分析经验，他为财富500强企业解决了银行、电信和公用事业部门的复杂问题。这些业务问题包括(但不限于)信用风险承保、客户流失管理、信用损失预测、活动响应建模、营销组合优化、交叉销售策略和客户细分。目前，他在EXL担任分析副总裁，领导一个由200多名数据科学家组成的团队。

Varun致力于改进数据科学算法，是高级分析、机器学习和深度学习领域的热心研究人员，专注于解决实际业务问题，为客户提供价值。他曾代表EXL参加多个数据挖掘比赛，并领导了多种分析产品的开发。他在EXL获得了5个以上的创新和智力资本发展奖项。

感谢阅读。你还可以订阅我们的YouTube频道，观看大量大数据行业相关公开课：https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ；在LinkedIn上关注我们，扩展你的人际网络！https://www.linkedin.com/company/dataapplab/

原文作者：IndustryTrends
翻译作者：过儿
美工编辑：过儿
校对审稿：Miya
原文链接：https://www.analyticsinsight.net/varun-aggarwal-turning-business-pains-into-purposes-using-advanced-data-science-algorithms/