O caso de uso mais popular parece ser um sistema de recomendação de diferentes tipos (como recomendar itens de compras, usuários em redes sociais etc.).
Mas quais são outras aplicações típicas de ciência de dados, que podem ser usadas em diferentes verticais?
Por exemplo: previsão de rotatividade de clientes com aprendizado de máquina, avaliando o valor da vida útil do cliente, previsão de vendas.
Respostas:
Além disso, parece haver uma lista muito abrangente de casos de uso de ciência de dados por função e vertical no Kaggle - "Casos de uso de ciência de dados"
A satisfação é enorme e eu me deparo muito. Enorme referente à importância / dificuldade / complexidade.
O ponto principal é que, para serviços muito grandes (mecanismos de busca, facebook, linkedin, etc ...), seus usuários são simplesmente uma coleção de linhas de log. Você tem pouca capacidade de solicitar feedback deles (não é necessariamente uma regra rígida e rápida). Então você deve inferir o feedback positivo ou negativo deles na maioria das vezes.
Isso significa encontrar maneiras, mesmo fora da modelagem preditiva, de realmente dizer, a partir de uma coleção de linhas de log, se alguém realmente gostou ou não de algo que experimentou. Esse simples ato é ainda mais fundamental (na minha opinião tendenciosa) do que o teste a / b, já que você está falando sobre métricas que eventualmente acompanhará em um scorecard de teste.
Depois de controlar as boas métricas de SAT, você poderá começar a criar modelos preditivos e experimentar. Mas mesmo decidir que parte da instrumentação de registro pode lhe dizer sobre o SAT não é trivial (e geralmente muda).
Depende, é claro, do foco da empresa: comércio, serviço etc. Além dos casos de uso que você sugeriu, alguns outros casos de uso seriam: