쇼핑객은 아마도 역할이 얼마나 큰지 깨닫지 못할 것입니다. 데이터 과학 소매업에서 활약합니다. 이 분야는 제품 수요를 예측하는 데 도움이 되는 소비자 습관에 대한 정보를 제공합니다. 또한 가격을 설정하고, 제조할 품목 수를 결정하고, 상품을 운송하는 보다 효율적인 방법을 찾는 데에도 사용됩니다.
이는 데이터 과학자가 제공하는 통찰력 중 일부에 불과합니다. 비벡 아난드 의사결정자에게 알리기 위해 발췌한 내용입니다. 갭의류 회사 샌프란시스코에 본사를 두고 있다. 텍사스 주 오스틴에 거주하는 Anand는 데이터 과학 이사로서 통계학자와 운영 연구 전문가로 구성된 팀을 관리합니다. 팀은 데이터를 수집, 분석, 해석한 후 회사 운영을 개선할 수 있는 방법을 제안합니다.
비벡 아난드
고용주:
샌프란시스코에 본사를 둔 The Gap
제목:
데이터 사이언스 이사
회원 등급:
고위 회원
모교:
푸네에 있는 인도 과학 교육 및 연구 연구소; 콜롬비아
“데이터 과학은 이전에 해결할 수 없었던 문제를 효과적으로 해결하려고 노력하고 있습니다.”라고 Anand는 말합니다. “이 기술은 표면적으로는 다르게 보이는 유사한 거래를 그룹화하는 데 사용됩니다. 하지만 그 아래는 비슷해요.”
Anand는 데이터 과학을 사용해 경력을 쌓은 IEEE 선임 회원입니다. 인공지능수학적, 통계적 모델링을 통해 기업이 문제를 해결하고 보다 현명한 결정을 내릴 수 있도록 지원합니다.
작년 AIM 연구 소매 산업을 변화시키려는 Anand의 노력을 기념했습니다. AI100 수상미국에서 가장 영향력 있는 AI 리더 100인을 선정합니다.
데이터 과학자의 마음
인도 고팔간지(Gopalganj)에서 자란 그는 의사가 되겠다는 목표를 세웠습니다. 2006년에 그는 학원에 등록했다. 인도 과학 교육 연구 연구소 (IISER)은 의학 학위를 취득하려는 모든 의도를 가지고 푸네에 있습니다. 그러나 첫 학기 동안 그는 생물학 수업보다 수학 입문 수업을 훨씬 더 즐겼습니다. 사람들에게 백신을 접종하는 가장 좋은 방법(COVID-19 이전)을 결정하기 위해 통계 프로그램을 설계하는 프로젝트는 수학이 더 적합하다는 것을 깨닫는 데 도움이 되었습니다.
“그것이 최적화 기술에 대한 나의 첫 소개였습니다.” 그는 시스템이 최대한 효율적으로 작동하는지 확인하는 것이 정말 좋았다고 덧붙였습니다.
또한 백신 프로젝트를 통해 그는 수학적 모델링과 분석 기술을 사용하여 복잡한 시스템이 원활하게 작동하도록 돕는 산업 공학 및 운영 연구에 대해 더 많이 배우는 데 관심을 갖게 되었습니다.
그는 2011년 ISER의 5년제 이중 과학 학위 프로그램(학사 및 석사 학위, 수학 전공)을 졸업했습니다. 그 후 2012년에 경영 연구 석사 학위를 취득했습니다. 콜롬비아.
그가 가장 흥미를 느꼈던 컬럼비아 대학교 과정 중 하나는 투자 선택 시 개인의 위험 허용 범위를 식별하는 프로세스를 개선하는 것이라고 그는 말합니다. 그 훈련과 투자 회사에서의 인턴십은 그가 Markit에서 첫 직장을 구하는 데 도움이 되었고, 현재는 S&P 글로벌의 일부뉴욕시의 신용 평가 기관. 그는 신용불이행스왑을 포함한 현금 및 신용상품 가격 책정과 같은 금융 거래를 위한 AI 및 수학적 모델을 만들었습니다. CDS는 투자자가 자신의 신용위험을 다른 투자자의 신용위험과 교환하거나 상쇄할 수 있는 금융상품입니다.
2013년 애널리스트로 시작한 아난드는 2015년 부사장보로 승진했다.
그해 말에 그는 다음 회사에 채용되었습니다. 씨티그룹뉴욕시의 투자 은행 및 금융 서비스 회사입니다. 부회장으로서 그는 채권 가격을 보다 정확하게 책정하기 위해 데이터 과학 및 기계 학습 모델을 개발했습니다. 그는 또한 신흥 시장의 CDS와 같은 신용 파생 상품의 모델링, 가격 책정 및 평가 결정을 담당하는 정량 분석가 팀을 이끌었습니다.
그는 2018년에 Citi를 떠나 합류했습니다. 질리언트오스틴에 있는 가격 및 수익 최적화 컨설팅 회사입니다. 선임 데이터 과학자로서 나중에는 수석 데이터 과학자 및 과학 이사로서 자동차, 전자, 소매, 식품 및 음료 산업 고객을 위한 맞춤형 가격 최적화 모델을 구축하고 서비스하는 팀을 이끌었습니다.
“우리는 제품 가격 책정의 핵심 요소인 탄력성을 추정하곤 했습니다.”라고 그는 말합니다. 가격 탄력성은 제품의 가격이 변할 때 제품에 대한 수요가 얼마나 변하는지를 나타냅니다. “기존 알고리즘은 효율적이지 않았습니다. 많은 경우 탄력성을 계산하는 데 며칠이 걸리곤 했는데, 우리는 그 프로세스를 몇 시간으로 단축할 수 있었습니다.”
그는 Gap에 합류하기 위해 떠날 때 Zilliant의 과학 이사였으며 가격 최적화, 재고 관리 및 이행 최적화라는 세 가지 데이터 과학 하위 팀을 감독했습니다.
“패션 산업에서는 대부분의 제품이 지속적으로 업데이트됩니다. 따라서 목표는 최대한 빨리 수익성 있게 제품을 판매하는 것입니다.”라고 그는 말합니다. 의류는 계절에 따라 달라지는 경향이 있으며 매장에서는 과도한 재고와 가격 인하를 피하기 위해 선반에 새 품목을 위한 공간을 마련합니다.
“생산성과 수익성 사이의 균형이 중요합니다.”라고 Anand는 말합니다. “가격 책정은 기본적으로 세 가지 접근 방식입니다. 더 수익성 있게 판매하기 위해 재고를 보유하고, 비생산적인 재고가 과도하게 있으면 진열대를 정리하고, 전략적 프로모션을 통해 신규 고객을 확보하고 싶습니다.”
미국에서 판매되는 패션 상품의 대부분이 아시아에서 생산되기 때문에 재고 관리가 어려울 수 있습니다. Anand는 이는 적절한 시즌에 맞춰 제품을 사용할 수 있도록 Gap의 유통 센터로 배송하는 데 리드 타임이 길다는 것을 의미한다고 말합니다. 예상치 못한 배송 지연은 여러 가지 이유로 발생합니다.
재고 관리의 핵심은 재고가 너무 많거나 적지 않은 것이라고 Anand는 말합니다. 데이터 과학은 여러 국가의 평균 예상 배송 시간을 추정하고 배송 지연을 고려하는 데 도움이 될 뿐만 아니라 최적의 구매 수량을 알려줄 수도 있습니다. 리드 타임이 길기 때문에 미달 구매 오류를 수정하는 것은 어려운 반면, 초과 구매로 인해 판매되지 않은 재고가 발생한다고 그는 말합니다.
최근까지 전문가들은 평균 배송 시간을 기준으로 운송 시간을 추정했으며 특정 품목에 필요한 재고량에 대해 정보를 바탕으로 추측했다고 말합니다. 대부분의 경우 확실한 정답이나 오답은 없다고 그는 말합니다.
“현재 역할에서 관찰한 내용과 다양한 업계의 Fortune 500대 기업을 비롯한 다양한 조직과 협력했던 Zilliant에서의 이전 경험을 바탕으로 볼 때 데이터 과학 모델은 종종 해당 분야 전문가보다 성능이 뛰어납니다.”라고 그는 말합니다.
전문적인 네트워크 구축
Anand는 컴퓨터 엔지니어인 아내의 권유로 작년에 IEEE에 합류했습니다. 리차 데오회원입니다.
데이터 과학은 상대적으로 새로운 분야이기 때문에 같은 생각을 가진 사람들로 구성된 전문 조직을 찾는 것이 어려웠다고 그는 말합니다. Deo는 그에게 LinkedIn 계정으로 IEEE 회원에게 연락하도록 권했습니다.
여러 회원들과 많은 생산적인 대화를 나눈 후 그는 IEEE가 자신이 속한 곳이라고 느꼈다고 말했습니다.
“IEEE는 제가 찾고 있던 전문 네트워크를 구축하는 데 도움이 되었습니다.”라고 그는 말합니다.
신진 데이터 과학자를 위한 직업 조언
데이터 과학은 더 많은 인력이 필요한 성장 분야라고 Anand는 말합니다. 그것을 직업으로 고려하고 있는 사람들을 위해 그는 몇 가지 조언을 해준다.
첫째, 그는 모든 데이터 과학자가 동일하지는 않다는 점을 인식해야 한다고 말합니다. 직무 내용은 회사마다 다릅니다.
“사람들과 네트워크를 형성하여 그들이 어떤 종류의 데이터 과학을 하고 있는지, 어떤 역할이 수반되는지, 그것이 자신에게 적합한지 확인하기 위해 어떤 기술이 필요한지 이해하는 것이 중요합니다.”라고 그는 말합니다.
그가 부르는 것 중 8가지가 있습니다 스포크 데이터 과학에서. 각각은 탐색적 데이터 분석 및 시각화, 데이터 스토리텔링, 통계, 프로그래밍, 실험, 모델링, 기계 학습 운영, 데이터 엔지니어링 등 특정 기술을 나타냅니다.
지속적인 교육이 중요하다고 Anand는 말합니다.
“학위를 취득했다고 해서 학습이 중단되는 것은 아닙니다.”라고 그는 말합니다. “주제의 겉모습만 다루지 마세요. 더 깊이 들어가세요. 해당 분야에 관한 기본 교과서를 읽는 것도 중요합니다. 많은 사람들이 그 부분을 그냥 건너뜁니다.”
데이터 과학에는 다음과 같이 미리 만들어진 라이브러리가 있다고 그는 말합니다. SciKit 학습. 그러나 라이브러리가 백그라운드에서 무엇을 하고 있는지, 표면 아래에 무엇이 있는지 이해하지 못한다면 당신은 개발자가 아닌 사용자일 뿐이며 이는 당신이 무언가를 만들고 있지 않다는 것을 의미한다고 그는 말합니다.
“데이터 과학에는 많은 개발자가 필요합니다.”라고 그는 말합니다. “사물을 아는 사람들은 처음부터 프로그램을 만들 수 있습니다. 사용자는 많지만 개발자는 적습니다. 그리고 이 분야는 오랫동안 여기에 있을 것입니다.”