详细内容或原文请订阅后点击阅览
预测与搜索模型：缺少哪些数据科学家
平台公司如何定价并赚钱？《预测与搜索模型：数据科学家缺少什么》一文首先出现在《走向数据科学》上。
来源:走向数据科学作为数据科学家，我们非常专注于构建算法，因果/预测模型和推荐系统（以及现在的Genai）。我们优化了准确性，微调超级参数，并寻找下一个要在产品中部署的大型幻想模型。但是，在我们专注于实施最新的实施状态时，我们忽略了一类模型，这些模型可以重塑我们对业务问题本身的看法。
考虑到亚马逊，Spotify，Netflix，Uber和Upstart等平台公司的兴起。尽管他们的行业显得截然不同，但他们从根本上作为中介机构在需求和供应代理之间的搜索和匹配市场中运作。这些公司的价值主张在于通过提供平台和匹配算法来降低客户的搜索成本，以在不确定性和异质性偏好下将代理联系在一起。
搜索和匹配市场核心挑战
在这些市场中，基本问题不仅是标准孤立的机器学习问题，例如“我们如何预测需求？”或“广告如何影响流失率？”相反，关键的挑战是：
- 我们应该加入预期需求模式的船上多少供应商？我们如何设计产生最佳分配的匹配机制？哪些定价策略在平衡平台增长和客户满意度之间最大化平台收入？当一种模型中的变化时，我们如何处理下游的影响？