作者在银行做了两年的数据分析和发掘工作，较少打仗互联网的应用场景，因此，不绝都在思索一个题目，“互联网和金融，在数据发掘上，毕竟存在什么样的区别”。在对这个题目的探索和明白过程中，他发现数据发掘自己包罗许多条理。而且模子自己也是存在传统和时髦之分的。
' S" s1 x1 r7 t4 _* ~- o8 s; a' ? 9 U. h& p) l4 J9 Y' W
) O# K* x/ l2 H
一、数据发掘的条理 4 \, m, r; N z& g7 j6 G
不绝想整理下对数据发掘差别条理的明白，这也是这两年多的时间内里，和许多金融范畴、互联网做数据相干工作的小搭档，谈天交换的一些整理和归纳。大概可以分为四类：
) ~7 H% q3 k! y) W% _# p
. d. c* R! o4 X" _, P, X9 a0 Q8 o& W E
（一）纯粹的数据加工3 b. [! o Y6 C- R$ ^
偏重于变量加工和预处理处罚，从源体系或数据堆栈，对相干数据举行提取、加工、衍生处理处罚，天生各种业务表。然后，以客户号为主键，把这些业务表整合汇总，终极可以拉出一张大宽表，这张宽表就可以称之为“客户画像”。即，有关客户的许多变量和特性的聚集。
- s6 J0 n5 C9 o( G# C. V在这个阶段，重要的数据加工工具为SQL和SAS base。
3 P6 H) e, D5 L（二）傻瓜式的发掘工具$ i4 x" B6 s5 ]9 k& {
较为典范的就是SAS EM和clementine，内里嵌入许多较为传统成熟的算法、模块和节点（比方逻辑回归、决定树、SVM、神经网络、KNN、聚类等）。通过鼠标的托拉拽，流程式的节点，根本上就可以实现你发掘数据的需求。7 Z4 V B) j6 r& C- z$ S
傻瓜式操纵的长处就是使得数据发掘，入手非常快，较为简单。但是，也存在一些缺陷，即，使得这个发掘过程变得有点单调和无趣。没办法批量运算模子，也没办法开辟一些个性化的算法和应用。用的比力纯熟，而且想要进一步提拔的时间，发起把这两者扬弃。; Y) `! S: C/ E; o4 s6 \; I
（三）较为自由的发掘工具4 ?: R* e& B/ w; J# a0 t; O
较为典范的就是R语言和Python。这两个发掘工具是开源的，前者是统计学家开辟的，后者是盘算机学家开辟的。
/ [2 Z- D7 o& w* Z! E/ o+ S: u一方面，可以有许多成熟的、前沿的算法包调用，别的一方面，还可以根据自己的需求，对既有的算法包举行修改调解，顺应自己的分析需求，较为机动。别的，Python在文本、非结构化数据、社会网络方面的处理处罚，功能比力强盛。9 \8 E( g0 \, d3 X
（四）算法拆解和自行开辟
; w: {' _8 O2 e/ W" I- N一样平常会利用Python、C、C++，自己重新编写算法代码。比方，通过自己的代码实现逻辑回归运算过程。乃至，根据自己的业务需求和数据特点，更改此中一些假定和条件，以便进步模子运算的拟合结果。尤其，在生产体系上，通过C编写的代码，运行速率比力快，较易摆设，可以或许满意及时的运算需求。
, @9 F. n' d5 A5 V$ s9 g一样平常来说，从互联网的雇用和对技能的需求来说，一样平常JD内里要求了前三种，如许的职位会被称为“建模分析师”。但是如果增长上了末了一条，如许的职位大概就改称为“算法工程师”。
# {; M& M% `4 E2 k" Y+ ]$ w$ l" F二、模子的明白：传统的和时髦的
$ d% P* y+ R0 x4 n+ ^, [$ }4 v据明白，模子应该包罗两种范例。一类是传统的较为成熟的模子，别的一类是较为时髦风趣的模子。对于后者，各人会表现出更多的爱好，一样平常是代表着新技能、新方法和新思绪。
7 R7 e5 i7 v1 I; A5 C（一）传统的模子, b& o1 \" N: @% Z; I, c! W9 G
传统的模子，重要就是为了办理分类（比方决定树、神经网络、逻辑回归等）、推测（比方回归分析、时间序列等）、聚类（kmeans、系谱、密度聚类等）、关联（无序关联和有序关联）这四类题目。这些都是较为通例和经典的。3 }' ^# W( B. _2 t, R
（二）时髦风趣的模子1 n! u+ C3 Q% Q0 s7 z4 U$ c+ }# J
比力风趣、前沿的模子，大概包罗以下几种范例，即社会网络分析、文天职析、基于位置的服务（Location-Based Service，LBS）、数据可视化等。- y/ n. Z# {5 `3 b* @- G! C
它们之以是比力时髦，大概的缘故原由是，采取比力新奇前沿的分析技能（社会网络、文天职析），非常贴近现实的应用（LBS），大概是可以或许带来更好的客户体验（数据可视化）。
* ^1 M$ A( { W! [0 G/ S " j/ G+ ^! j& C) o, J+ S
$ T2 h; a$ e- }+ S% y（1）社会网络的应用
/ d+ l# R6 M# ]0 R/ w" X传统的模子将客户视为单一个体，忽视客户之间的关系，基于客户的特性创建模子。社会网络是基于群体的，偏重研究客户之间的关联，通过网络、中心度、接洽强度、密度，得到一些非常风趣的结果。典范的应用，比方，关键客户的辨认、新产物的排泄和扩散、微博的传播、风险的感染、保险或名誉卡网络团伙敲诈、基于社会网络的保举引擎开辟等。
) ?! V# _/ z+ H) l4 y3 b
1 X! Z8 l$ z7 F; t
) J _; W3 G& W- m) S7 K! N8 ?1 L（2）文本发掘的应用% H: g" [& L* R- H; T% g8 \5 b
文本作为非结构化数据，加工分析存在肯定的难度，包罗怎样分词、怎样判定多义词、怎样判定词性，怎样判定感情的猛烈水平。典范的应用，包罗搜索引擎智能匹配、通过投诉文本判定客户感情、通过舆情监控品牌荣誉、通过涉诉文本判定企业策划风险、通过网络爬虫抓取产物品评、词云展示等。
5 B$ b" e; l6 T0 W: U关于文天职析，迩来朋侪圈有篇分享，很故意思，号称可以让你刹时酿成墨客。原理很简单，就是先把《全宋词》分词，然后统计频数前100的词语。然后你可以随机凑6个数（1-100），如许就可以拼集出两句诗。比如，随机写两组数字，（2，37，66）和（57，88，33），对应的词语为（东风、无人、黄花）和（干瘪、彻夜、风月）。构成两句诗，即“东风无人黄花落，干瘪彻夜风月明”。还真像那么一回事，有爱好可以玩一玩。6 m& `9 r9 b1 D; b/ X) c9 e
（3）LBS应用
; u. F, ~+ B& T+ R- I! O) W- U即基于位置的服务，即怎样把服务和用户的地理位置联合。当下的APP应用，如果不能很好地和地理位置联合，许多时间很难有繁茂的生命力。典范的APP，比方大众点评（餐饮位置）、百度舆图（位置和路径）、滴滴打车、微信位置共享、韶光网（影戏院位置）等服务。别的，银行实在也在研究，怎样把线上客户推送到隔断客户迩来的网点，完成O2O的完善对接，从而带来更好的客户体验。 S; b8 I% C& S4 W$ m
 # Z5 f! o) r8 [0 g& H, t
/ E4 E3 [- m# I. |& L/ Q/ F
（4）可视化应用* E& ~- s/ t! h: g+ U s
基于舆图的一些可视化分析，比力热门，比方，春节生齿迁移图、微信生动舆图、人流热力图、拥堵数据的可视化、社会网络扩散可视化等。
- k! V7 ]1 [5 L/ g, h
3 C8 K- ~) n8 Q7 {1 c' ?; `+ R4 H
9 k- `- |% f6 B" e如果你想让你的分析和发掘比力吸引眼球，请只管往以上四个方面靠拢。
- \/ j# t, x, d# b, y/ R5 z三、互联网和金融数据发掘的差别 ! Y4 ~" I) i5 r$ [2 g
博士后两年，对银行范畴的数据发掘有些根本的相识和认识，但是面对众多的数据范畴，也只能算刚刚入门。许多时间，会很好奇互联网范畴，做数据发掘毕竟是什么样的形态。0 f$ e) h; ^' q6 k
很早之前，就曾在知乎上提了个题目，“金融范畴的数据发掘和互联网中的数据发掘，毕竟有什么的差别和差别”。这个题目挂了几个月，虽有寥寥的回复，但是没有得到想要的答案。 r* @6 ^9 J3 r6 G4 c! A% Y4 M
既然没人可以或许提供想要的答案，那就，我根据自己的明白、一些场所的碰鼻、以及和一些互联网数据小搭档的打仗，试图归纳和回复下。应该有以下几个方面的差别。6 h2 ~. b, i# g- `- y( z3 r
 9 H6 _# S3 V% {7 S
# M# ? T/ H4 B
（一）“分析”和“算法”9 x' ]' h9 L3 b4 X4 p
在互联网中，“分析”和“算法”，分得非常开，对应着“数据分析师”和“算法工程师”两种脚色。前者更多偏重数据提取、加工、处理处罚、运用成熟的算法包，开辟模子，探索数据中的模式和规律。后者更多的是，自己写算法代码，通过C或python摆设到生产体系，及时运算和应用。
, }' _/ B- g5 H在银行范畴，根本上，只能看到第一种脚色。数据根本上泉源于堆栈体系，然后运用SQL、SAS、R，提取、加工、建模和分析。
3 I. r* e \- y2 S) k6 S" N（二）数据范例9 I( L( m1 F2 n! X4 l$ |! U* @% W
数据范例，重要包罗“结构化”和“非结构化”两类数据。前者就是传统的二维表结构。一行一条记载，一列一个变量。后者包罗文本、图像、音频、视频等。
% Q& f- O& J8 q银行内里的数据，更多的是结构化数据，也有少量的非结构化数据（投诉文本、贷款审批文本等）。业务部分对非结构化数据的分析需求比力少。因此，在非结构化数据的分析建模方面，稍显不敷。
% N# t/ }6 M. R. \7 z4 }$ A- S互联网，更多的是网络日记数据，以文本等非结构化数据为主，然后通过肯定的工具将非结构化数据变化为结构化数据，进一步加工和分析。! G8 G! I# s$ m: {: u1 Z. Y7 w
（三）工具、存储和架构
$ S3 `& v, e3 x6 S. a, S- j互联网，根本上是免费导向，以是常常选择开源的工具，比方MySql、R、Python等。常常是基于hadoop的分布式数据收罗、加工、存储和分析。
( z2 K- H. \. r; X$ G商业银行一样平常基于成熟的数据堆栈，比方TD，以及一些成熟的数据发掘工具，SAS EG和EM。
" O4 r+ U/ Z( ~ _/ ]（四）应用场景" D* E; @) I+ O1 J) }6 w
在应用场景上，两者之间也存在着非常大的差别。) O2 H, L, e1 i/ {. y
（1）金融范畴# A( U: j, y R
金融范畴的数据发掘，差别的细分行业（如银行和证券），也是存在差别的。
4 _2 Y9 c7 F W& v! Q5 M) t h银行范畴的统计建模。银行内的数据发掘，较为偏重统计建模，数据分析对象重要为截面数据，一样平常包罗客户智能（CI）、运营智能（OI）和风险智能（RI）。开辟的模子以离线为主，少量模子，比方反敲诈、申请评分，对及时性的要求比力高。9 y7 @8 S$ P" @0 l4 a
证券范畴的量化分析。证券行业的发掘工作，更加偏重量化分析，分析对象更多的是时间序列数据，旨在从大盘指数、颠簸特点、汗青数据中发现趋势和机遇，举行短期的套利操纵。量化分析的及时性要求也比力高，大概是离线运算模子，但是在生意业务体系摆设后，及时运算，捕捉生意业务事故和生意业务机遇。3 U+ J( U( ^1 v& j0 l7 L4 I/ |
（2）互联网
' K( {/ \# `5 {1 m9 y互联网的及时盘算。互联网的应用场景，比方保举引擎、搜索引擎、广告优化、文本发掘（NLP）、反敲诈分析等，许多时间必要将模子摆设在生产体系，对及时相应要求比力高，必要包管比力好的客户体验。
) b7 y D$ X- s- S四、数据发掘在金融范畴的典范应用
2 m- u# [& t& B0 I/ H' H* b" R2 \) ~别人常常会问，在银行内里，数据发掘毕竟是做什么的。也常常在思索怎样从对方的角度回复这个题目。举几个常见的例子做个表明：
+ e$ V3 i" a7 q
0 `, X/ U0 D( r" {' p, ^/ o
* `7 l$ G; Z' O0 J( S3 M（一）名誉评分
' ~' }: j; w% T: y" g; Q# ?申请评分。当你申请名誉卡、消耗贷款、策划贷款时，银行是否会审批通过，发放多大规模的额度？这个判定很大概就是申请评分模子运算的结果。通过模子盘算你的还款本领和还款意愿，综合评定放款额度和利率水平。" Q9 [ Q; U$ u/ a
运动评分。当你名誉卡利用一段时间后，银行会根据你的刷卡运动和还款记载，通过运动评分模子，判定是否给你调解固定额度。
5 [1 k5 m! b; Q3 t% X（二）个性化产物保举
& k1 P! H. Z& S' f8 z许多时间，你大概会收到银行推送的短信大概接到银行坐席的外呼，比如，向你保举某款理产业物。这背后，很大概就是产物相应模子运算的结果。银行会通过模子，盘算你购买某款理产业物的概率，如果概率比价高的话，就会向你推送这款理产业物。& c# L5 w$ I/ L) v' k; i# w
别的，许多时间，差别的客户，银行会个性化的保举差别的产物，很大概就是产物关联分析模子运算的结果。! j9 K ~' P& }" ?& Q( S
（三）个性化广告展示
( Z: ^+ Q3 n2 r登岸商业银行网站时，通常会有一个广告banner，banner上会展示多少幅广告。许多时间，差别的客户登岸网站，会打仗到差别的广告，即个性化的广告推送。一样平常来说，背景颠末盘算，会判定，你对哪几款广告和产物感爱好，末了推送3-5款你最感爱好的产物，从而可以或许有效吸引你的注意，促进点击、转化和成交。8 W# g/ U* u$ L. W+ T7 v
作者：周学春 |
|手机版|Archiver|
( 桂ICP备12001440号-3 )|网站地图
发表于 2019-6-13 00:44:34