隨著數據分析日漸重要滲透進各行各業，如何透過各種繁雜的數字訊號，判斷出值得提煉出來的有用數據，建立模型後，在提供給品牌做運用的機器學習科學家及資料科學家等職位無疑是這幾年最炙手可熱的工作項目。

因為資料科學家與機器學習科學家人才稀缺性，這些專業人才就像獨角獸一樣！不只科技產業搶人，近年來台灣金融業比如玉山銀行，媒體產業的Dcard，甚至零售、廣告等產業都大張旗鼓的希望透過機器學習科學家及資料科學家的幫助，可以從大量的數據中萃取精華，轉化爲實際的營收。

電商讀書會本篇文章，特別邀請了在Machine Learning相較成熟的北美市場的一位資深的機器學習科學家Aaron，為我們揭開2023年最性感的工作的面紗！

懶得看文字? 直接聽電商讀書會Podcast也可以！

關於資深的機器學習科學家 – Aaron

Aaron擁有美國知名大學物理學博士學位的學歷，因為研究領域與自身興趣，在畢業後投入機器學習(Machine Learning)的數位領域。

Aaron過去在不同公司個別擔任過機器學習科學家及資料科學家的角色。目前也在美國數位領域龍頭之一的公司擔任資深機器學習科學家的角色，在工作上不斷透過數據模型優化與建置去幫助數位行銷人才有機會在每次的活動獲得更好的performance。

什麼是機器學習科學家，究竟在做什麼？

1. 機器學習科學家主要的工作介紹：

機器學習 (ML)與人工智慧 (AI) 著重於建立能根據所使用資料來學習或改善效能的系統。在企業中們科學家會從獲取數據，提出假設和推理，然後使用機器學習來檢測數據中的模式、關係和趨勢。​

2. 主要的合作夥伴

零售產業中，科學家們主要的合作夥伴(stakeholder)主要可能會是行銷部門(marketing)，包括campaign owner & data engineer。科學家們透過資料的剖析幫助marketing 的同事能更有效的判斷每個channel投放的預算。

3. 機器學習科學家工作的一天是怎麼樣的？

• 75% 著重在自己的程式模型開法與研究，包括 Develop、Test、Deploy model，其中也包括與同事間的Code Reivew的討論。
• 20% 的時間會用於組內成員的討論，分享個自由就成果跟模型的優化。
• 剩下5%的時間和行銷團的的Stakeholder開會，分享開發研究成果與意見交換。

機器學習科學家怎麼幫助公司做有效的判斷？

1. 媒體的歸因判斷：

業界目前較常見的媒體價值判端方式是使用最後接觸歸因(Last touch attribution)判斷哪個媒體是帶消費者進站的主要條件。但實際上，數位人才的痛點一直都是這是否是個有效的判斷？消費者難道不是先看到了品牌形象(Branding)的廣告被吸引，隨後才透過社群媒體進站轉單？

機器學習科學家(Machine Learning Scientist) 就可以透過數據建立模型，判斷各媒體的價值，幫助數位行銷人才做出預算上Reasonable Allocation。

2. 產品推薦跟Email行銷推薦！

透過模型分析了解消費者看過哪些商品，跟哪些產品互動最多，在消費者再進站時最有效產品排序的站內投放。或是，透過Email行銷的方式推薦潛在購買購客適合單品，促購時也可以單獨派發個人的限時折價券，鼓勵消費者完成線上購物！

3. 預測明天可能到網站買東西的客人有哪些？

機器學習科學家(Machine Learning Scientist) 可以透過建立模型，判斷出哪些客人會在明天、下週、一個月內等時間回站購物，行銷團隊或電商人才只要透過清楚的定義，跟機器學習科學家(Machine Learning Scientist ) 討論所需要的模型，就可以更清楚的了解即將到訪品牌網站的顧客。

4. 判斷相似的產品，缺貨時進行有效推薦！

判斷網站上相似的產品，在商品缺貨時進行推薦，避免消費者離站產生流失也是機器學習科學家(Machine Learning Scientist) 可以幫助公司做的事！

只要銷售團隊提出希望判斷的推薦依據，例如：顏色、尺寸、價格，或是這些個別的排序，機器學習科學家(Machine Learning Scientist) 就能協助建立對應的模型幫助公司比對出適合的相似產品推薦，幫助消費者做判斷或購買。

5. 競爭對手網站的價格比對，幫助定價策略！

過去在做競品分析時，時常需要透過人力去做產品比對，知道產品的價格、功能、尺寸，甚至是是否廠商有在其他平台銷售相同品項。這會花很多時間與心力！

機器學習科學家(Machine Learning Scientist) 可以透過掃描，快速的在一天內掃瞄完幾百萬件商品，幫助定價或銷售團隊做出適合的定價策略或限時特價促銷，避免網站業績的流失。

6. 判斷不同裝置的用戶是否為同一個消費者！

透過使用者行為分析判斷不同裝置的用戶是否為同一個消費者，避免不斷重複投放給同一個用戶一樣的廣告，造成行銷媒體預算的浪費。

7. 判斷最適切的廣告投放價格區間！

透過分析，機器學習科學家(Machine Learning Scientist) 可以幫助公司與行銷團隊知道適合的廣告競價區間，判斷適合的biding是多少，幫助行銷團隊有效控制預算。

組織對於機器學習科學家這職位所需要的準備？

• 資料豐富度 － 沒有足夠的資料就聘請機器學習科學家(Machine Learning Scientist)可能造成大才小用，或是沒有東西分析的尷尬，所以具有足夠的資料是企業要聘雇機器學習科學家(Machine Learning Scientist)的第一要點！
• 資料乾淨度 － 資料系統串接的完整度。如果資料來源混雜未經整理，可能導致機器學習科學家(Machine Learning Scientist)使用到不對的資料源分析資料，這樣做出來的模型與分析出的資料會有嚴重誤差，無法有效對公司產生業績上的幫助。

機器學習科學家該具備什麼特質：

根據Aaron的經驗與建議，每個人只要有興趣就可以從事這個職業，只要願意花時間精進自己在下面三部分的才能：

1. 程式撰寫能力
2. 數學邏輯能力
3. 跨部門協調溝通能力

哈佛商業評論將資料科學家等類型的工作定義為「21 世紀最性感工作」，而透過電商讀書會的訪問，也希望對數位領域發展的大家有所助益。如果公司內部正在考慮招聘相關人才，也可以檢視品牌是否已經足夠成熟，以及到底該怎麼選用適合的人才。