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。
3 S8 x! A7 K1 f0 g% }5 u 7 t! N, `4 b) _, V4 R% T
& C6 [7 ~1 H( A' i% J* Z: f
一、数据发掘的条理 / a c0 b0 C6 r- c
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：4 L8 s1 y; ^; S, E4 n
. ~ i: M: O; {& P. k0 K0 W+ v1 y$ n
（一）纯粹的数据加工) k3 t M/ x* G4 _
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。8 U3 J& A: ?" u' a# r/ x* p, Y
在这个阶段，重要的数据加工工具为SQL和SAS base。
/ T9 K' X! P6 ?8 N（二）傻瓜式的发掘工具* r- [! K) G4 [5 _: r. |
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。
# N, `4 k- q* ~/ m/ o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。" q9 b; K1 K8 U) v
（三）较为自由的发掘工具
5 C2 J7 ~, U! U" n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。
1 X4 M9 n- u- {5 N9 `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。" N+ w5 X2 z5 {3 ]' X5 P: o; ~9 l
（四）算法拆解和自行开辟
" ?/ e* i) f- {/ l+ i3 z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。4 o2 s4 y2 O" s+ }. m) W
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”。- t8 Z+ Q+ q* J$ L' k0 f. S
二、模子的明白：传统的和时髦的
5 e( B; s8 ]( g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 F* x3 t& d1 [) y（一）传统的模子
3 q7 r! S, J5 f8 U2 @2 x6 w# p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。
( p8 M: \* e+ R1 E$ [; Z（二）时髦风趣的模子
* r/ ?* r5 l1 O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。3 G# `4 R. |! o9 B+ P2 G) E
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）。$ b, W4 j/ I% h
 5 @# I6 p' Q# [7 O
3 _* Q# W2 z3 b2 a6 C1 U6 h! _2 t1 x
（1）社会网络的应用
( N" K8 k& a0 i& m) E: w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。" ?. }% y$ a& R& S `6 e
 $ B6 k T9 F* j% m/ ~1 v
5 V# v; \, h8 }& G4 G（2）文本发掘的应用
0 F; E( f9 B8 d/ ^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。! F8 l/ i2 o' E, q! w
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。
: [! U0 H% b: }1 J6 ]9 C（3）LBS应用
6 l" T) j, c. p' O6 k L- g8 a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。6 O" m1 r: D1 c
 ) S% x2 f" y* x% b
k! N) N* U; b; E9 ?1 k4 z
（4）可视化应用
/ M$ R( ?' z9 J+ x) \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。1 |: a$ }4 w3 ~4 d" X6 a0 S+ C! l
 D" N# t- i, v% @! Q! y k! h
( z$ ~! f' x3 T: z; B: T5 }5 a( F, X
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。
4 `4 l- B+ a8 N1 F7 G7 T3 T三、互联网和金融数据发掘的差别
$ T% y/ o0 @9 j' A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。, `- [, Z2 H( _" E8 [' o
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。
M7 ~, b7 K v+ E, ?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。8 T! C T4 a# I
 ! D0 ?2 e& j, M+ U- E. c
) f4 a5 H p7 B2 _' b" _9 V. m
（一）“分析”和“算法”
6 K+ B* X. e2 r3 D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。
: L& A X, H' i% j J7 O8 L3 p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。/ b' [$ L. S6 M ]: A+ s3 o
（二）数据范例
0 F( `9 q, C- Y9 v- p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。2 r0 k# _% H+ _
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。
" I( w0 m$ R8 L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。" r1 A$ F; G S/ \8 Q8 c
（三）工具、存储和架构
9 f! j& t, y/ I5 _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。% \. R- Z" K# M8 [' E/ y7 S
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。% n. W1 C- Y9 A3 v' w7 b
（四）应用场景
2 l" F# k2 c2 o$ c$ ?5 z在应用场景上，两者之间也存在着非常大的差别。- } \2 k3 I: S+ v0 F
（1）金融范畴4 q! J3 s/ H8 Y$ C6 e+ O: I
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。# @1 b) D6 b9 l. f9 i; l
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。% k) w( a. I; h6 L9 C# W' C
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。0 \# @0 y. M8 z" P: K7 s4 D
（2）互联网' s0 ~* v. Z- s
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。
( V) E4 }/ f5 W7 A' M四、数据发掘在金融范畴的典范应用
6 W# e5 B1 N# P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：, @0 u z8 n% Y3 y& U* C
 ) O4 s* \% T% i
+ A8 [% e, y; O3 M3 ]8 |: \, d（一）名誉评分4 L) [% f' i4 ^$ U# \
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。8 w/ y6 M- v# @, [: l( V3 p
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。' @2 ~9 r2 t; }! W- l' u) f T
（二）个性化产物保举7 P% l4 d: Q/ U P0 f
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。
8 ]3 g% Z8 q' |9 ~2 ?" X$ ?. x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。
9 H, W% z1 a* U4 K8 f+ }（三）个性化广告展示
7 `2 N) U; b$ t) T5 ^ O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。4 [- l; \8 p7 U
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