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。 ! R) F" O& D& [- a9 X, g
8 B+ E d3 e: a( F9 e
" a: ?1 D: `$ t3 U. L一、数据发掘的条理 9 g" A+ c8 A3 b+ v) k- f. V% 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：
f8 x% p+ f+ b
6 V/ C$ S, ^1 f& X C" B5 n' f* h1 C2 a) M% J
（一）纯粹的数据加工
- x E6 q/ i. N7 I/ S5 p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。1 a( V/ ~0 j, Y* z2 n* z2 c
在这个阶段，重要的数据加工工具为SQL和SAS base。. O5 P9 a2 R* N, _8 U
（二）傻瓜式的发掘工具6 ~- h* C \1 [( @2 F5 U
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。
8 r9 J/ J& G c9 y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。
. z2 f. A7 d6 }# r（三）较为自由的发掘工具
( G* M- K6 v2 _% i) `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。
5 j. ], n* \' H; i8 R- a1 p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。
7 B8 _- T2 N8 I G& w（四）算法拆解和自行开辟
, C M, x$ p! Y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。! B7 C3 x1 }# X# Q6 d7 g z' {# r
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”。% s3 m: `0 J# r4 A- D9 G6 f9 E
二、模子的明白：传统的和时髦的
( K: \% p9 K! J4 c# t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。- P/ ~* h% x- `$ S9 R9 ]
（一）传统的模子5 b. T1 s* H0 l- Q0 |+ D A
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。$ s3 l% ~; n- _( J* t& _7 m" \" F
（二）时髦风趣的模子$ \% s; K7 l! z$ j% B" k0 Y7 ^# H/ H
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。* n2 r7 g8 A5 Y! `( i) 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）。
& G6 M2 b ]6 a/ _, r
& R8 {. R' ]* F' f: p6 H% J8 p4 A& h7 l
（1）社会网络的应用& c; M! C) F, N$ R" S" h
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。
; d: Q' h" k6 e7 l0 B0 \) R( U * g$ V" G# j9 K! `; U2 e
6 [ Q8 N8 y2 Q L& r7 Z; q7 A9 {% W（2）文本发掘的应用- d; x/ D# `5 ^
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。
8 Q2 Q' O( o1 k( E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。- m9 f8 j! J" b: g/ d
（3）LBS应用
0 D* s5 k$ |; k- D& Y' s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。/ k/ L! A6 Q( n0 {3 G8 H; V
4 W& p1 D9 `. ^. H* y6 I0 S M9 e$ ?# _1 H8 j
（4）可视化应用
9 b! A( O1 F1 i5 j* f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。: ~7 m$ Y7 n% U1 D
 2 \& X, T( g$ Y/ [' L. n: E+ ?
8 l) X ?. O# }: q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。
2 `1 t4 e& H: n9 q3 u: F三、互联网和金融数据发掘的差别
; D; ~+ [# R* b# L( b& Z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。4 \# D) X# f! g- m' R: G; G* 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。. ?" w, G1 d# R
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。, p' e6 c, g3 t' T* R
; J3 H7 y1 w2 p' X* r9 N
( u2 z4 I S1 }4 ` G( O5 q（一）“分析”和“算法”
/ E. r4 T' B" @5 g2 Q, c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。! L6 U) n, X1 z5 w9 b
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。% f3 s6 I7 d+ _: j" X
（二）数据范例, l* e& ?! T9 e& u/ B2 T
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。
/ n5 u7 A9 [, A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。
2 L) u: B* ~3 x F- p( Q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。6 t- B5 a. b. R0 O# T: S: \
（三）工具、存储和架构
& w! d& W; B. j7 h" ~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。$ u* t+ F9 g4 H3 X9 m) L
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。
, |% y/ L, h _（四）应用场景
' N. {* s7 A+ y. C7 G在应用场景上，两者之间也存在着非常大的差别。
- P1 |$ h9 e( F& Q" u9 V1 \（1）金融范畴
9 x m$ H& {2 P# ]) c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 v$ A2 }1 J& b( M" ?% \! J) {
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。# S) Q) ?+ K0 r; G) b# Z
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。
+ g/ p! z9 ]4 y（2）互联网
4 D, g7 O; F1 ?# P0 ~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。
+ j/ Q4 o( @6 z四、数据发掘在金融范畴的典范应用 / b$ B: i: |" i4 J6 z
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：
& [6 F: F2 ]2 `% i' m6 m
2 N( ?& y$ V3 U' I% X G
) F3 K1 r7 b b% e* `（一）名誉评分1 p4 B! ]( V1 p$ y3 c
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。
% H7 a7 a* M2 G1 Q. f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。
. F: D) J8 H+ V7 d1 }5 l6 p$ h! F（二）个性化产物保举
# C" S( R7 t$ Z# ^3 v8 T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。0 P/ P% l- T! m8 ]/ J1 T
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。
% ?+ d. Y! @& B) K: U- Z. q+ u（三）个性化广告展示% U5 l w* g% c: U m3 D0 o% M/ 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 }7 b# W- b1 H& x; u0 F
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