体应用场景、时机和条件。如果这些知识足够入门，。如果你需要更具体的信息，可以随时回来查看课本和讲座。在高级阶段，你可能需要生存模型，或者隐马尔可夫模型，但这不是一开始就需要的。只要你熟悉描述性统计和基本推理统计，就可以开始了。
Shweta Gupta：Nandeep 提问：在一家拥有数据分析部门的商品销售公司工作和在一家完全进行数据分析的公司工作有什么区别？
Kunal：当然，让我解释一下，假设 Ws 粉丝 你在 Tesco 工作，假设 Tesco 有自己的客户出行数据，或者 Tesco 基本上相当于英国的 Big Bazaar，它是最大的超市。基本上，你会获得关于客户购买什么的数据，他们从哪里挑选东西，人们一起购买什么东西，他们多久买一次东西？如果我今天买了 5 公斤，下次是什么时候？这可以让你了解我的消费模式。如果你所在的公司正在使用所有这些信息，那么它可能涉及任何领域，而不仅仅是商品销售。它可以是任何领域。基本上，你可以使用这些数据来解决特定问题。在这种 如何优化结构化数据以实现最大影响 情况下，你会说商店布局应该是什么样的？我应该把哪种产品放得更近一些，以便它们更多？如果你拥有这些数据并试图自己回答这个问题，那就是他们提到的第一类。但很多时候，因为传统上这些公司是由一些缺乏分析能力或缺乏专业知识的人创办的大型经销商。有些公司拥有这些专业知识，可以解决这些问题。这些公司会以咨询公司或顾问的身份介入，提供非常具体的建议，这些建议可以应用于实际，这也是它们的职责所在。而第二类公司，你从客户的问题入手，围绕它构建解决方案，将解决方案移交给客户，然后通常转向下一个项目。
Shweta Gupta：第一种说法是，数据是你的，你拥有这些数据，并根据这些数据采取行动。第二种说法是，你拥有别人的数据，并对其结果进行预测。我来回答Tata的一个问题，抱歉，我没听懂你的发音。他问，既然有像黑客马拉松这样的选择，为什么企业会通过竞赛来寻找解决方案，而不是雇佣全职员工呢？
Kunal：是的，确实如此。公司将黑客马拉松用于两种情况——寻找合适的人才或寻找解决方案。我认为这不是非此即彼的问题，实际上是一种选择 销售线索。有些公司需要人才来解决问题，但他们不能公开数据。你需要人才在你的公司并解决问题。有些领域你可以开源问题并获得最佳解决方案。第二件要记住的事情是，这不是一次性的练习，即使你今天建立了一个预测模型或今天得到了一个解决方案，你也需要不断改进它，你需要找到定期改进的方法。例如，谷歌每隔几天就会更新其搜索算法。有一个专门的团队在研究该算法。无论如何你都需要人才。你可以获得云源解决方案来加速这一进程。老实说，我不认为这是一个非此即彼的问题。