CDA数据分析师 出品
作者:王真达
CDA LEVEL II 持证人
编辑:Mika
扫描二维码
观看完整分享视频
大家好,今天跟大家带来一个分享,主题是关于我如何从文科生转行为数据挖掘工程师的。
主要内容分成以下三块:
首先看到第一部分的内容,也就是我的转行历程。
我高中那会儿读的是文科,大学期间学习了社会学专业。在本科期间,我也接触过一些统计学的知识,线性代数等知识也学过,但当时对这些学科将来的用途并不是很清楚。
参加工作后,最初我从事产品运营的相关工作。在工作过程中,我接触到了数据分析相关的内容。当时我感觉自己工作内容比较杂,也没有拿得出来的技能。
我认为数据分析很有前景,无论是文科生还是理科生都可以学,学起来也比较有趣,内容不枯燥,所以我渐渐开始学习数据分析。
这里我列了几个对我比较关键的节点,这些对我未来的工作有了较大的影响。
首先就是学数据挖掘,用的是SPSS Modeler。比较容易上手,入门也比较简单。SPSS Modeler虽然很好用,但其实很多时候不能满足数据清洗的一些需求,也有一些劣势,比如算法更新很慢,只有比较常规的算法,如果想用比较先进的算法,还是开源的软件提供的比较多。
之后我学习了Python,比较容易上手,语法也比较简洁。通过大量练习掌握了爬虫、数据清洗、数据可视化等技能点。Python基本能满足日常工作的需求。
第三个节点是我学习了SQL和统计知识。SQL本身基础的知识不是特别复杂,然后主要靠练习,包括统计的一些知识,这也是我在之后的工作中不断学习的。
目前我目前从事的是数据挖掘的相关工作,接下来讲一下工作中所需要的一些技能。
这部分可以分为硬技能和软技能。
硬技能
硬技能这里我分为理论基础、算法能力、分析工具和通用工具。下面具体来看一看。理论基础中统计知识是不可或缺的。后面的概率论、线性代数、微积分其实是跟偏算法相关。
算法方面主要需要一些机器学习跟深度学习的算法。比如分类、回归、聚类等一些比较基础的算法。
不同于算法工程师对算法的要求会比较高,像偏业务的数据挖掘的岗位,对算法的要求没那么高。你能够做到理解算法的基本原理跟应用场景,能够应用工具去实现它,能够解读算法最后的结果,也就差不多了,对数学的要求也并不太高。
关于深度学习,现在数据挖掘等算法岗也相对内卷,如果你不会也不了解深度学习就有点说不过去了,这方面可以了解一下。还需要掌握一些工具库,现在深度学习的工具库比较多,也有一些比较简便的工具库能协助实现相关的功能。
然后看到分析工具。其实目前主要用的也就是SQL跟Python,主要是看你公司的数据量,如果数据量不是很大的话,基础的一些SQL知识就够了,可能关系数据库就可以了,包括在单机里面,去运行Python也可以的;但是如果公司的数据量特别大的话,比如我目前是在Hadoop的平台做一些数据分析跟数据挖掘。如果本身的数据量就比较大,可能会用到Hive数据仓库等。
再看到建模工具,目前其实主流是Python,还有集成了Pyspark,这是用得比较多的。然后建模的话,考虑到数据量Python在80%的情况上都是够用的。
关于通用工具,Excel跟PPT都是比较基础的。下面这个Shell是开发工具,很多时候会涉及到一些开发的工作,比如说标签表的开发,然后就会用到Shell结合ETL自动化平台,调用需要的脚本进行自动化的运行。就相当于是每天它会自动的跑一些脚本,而不需要去手工或者是在单机操作,这些都是在平台上面自动完成的。
软技能
软技能这块简单看一下,包括像业务的理解,比如你进入任何一个行业,你前几个月会多花时间了解该行业的业务表,业务涉及的一些内容,核心的盈利业务是哪些。还有一些通用的能力,比如沟通、汇报能力等,因为你经常会需要将模型和分析报告讲给别人听,因此这些能力也是十分重要的。还有学习能力。数据行业的迭代比较快,需要有持续学习的能力。
下面来讲一个电信产品的项目案例,在此之前让看一下目前会涉及到的主要模型。
这边将用户生命周期划分为这样几块:第一、新用户获取阶段;第二、入网期;第三、成长期;第四、成熟期;第五、衰退期。
在不同的时期会有不同的模型。当然要根据具体的业务,就不同行业可能它的业务不一样,但是用户生命周期都是类似的。都需要获取用户,用户在平台上成长,包括会有成熟到衰退的生命周期,会有一个曲线。比如在新用户获取这边,会有很多像家庭圈模型等类型。
下面介绍一下入网期中天翼看家这个模型。它是一个看家的智能设备,一般在农村比较多,安装在家里,在外务工的人群就可以通过它看到家里老人和小孩的情况。
还有一类是满意度的模型。这边核心关注就是三块,第一块是像这种开源的营销模型。第二块是用于节流的,减少损失的离网模型。第三种是提升用户满意度的模型。
电信产品办理预测模型
整体模型的建置分为以下4个步骤,第一个步骤是数据的准备;第二个步骤是模型的构建;第三个是预测感知,也就是模型预测;第四个是结果应用。
首先第一点是基于产品营销模型,也就是基于客户的一些产品数据,还有行为数据、消费数据等维度,从而去构造样本空间。
样本空间包括特征空间,样本空间就是正负样本。正样本就是已经办理,比如说11月已经办理的用户作为正样本,同时这个月没有办理的用户都可以作为负样本。接着进行抽样,构造样本空间。
特征工程也就是特征构造,基于客户的一些基本属性信息,还有套餐信息,包括产品订购的信息,包括消费信息。其实还有很多其他维度的信息,比如说浏览内容、访问轨迹、位置信息等都可以考虑进来。
构造产品预测模型可分为这样几块。将数据分割成训练集,测试集跟验证集。测试集本身应该是在下一步构造的,指的是没有用户的标签,需要预测其将来的标签,给每个用户打标签。
在训练集里划分成训练集跟测试集,训练集用于训练模型,验证集用于修正模型。
接着看到数据探索,这部分会进行一些统计分析,还有每个变量跟目标变量之间的关系,这些都都需要做一些探索。模型的话,当时是用了几种集成模型做建置,进行模型间对比,最后输出模型的重要特征。
然后第三步对用户办理预测。对未办理的用户拿过来,输入刚才训练的模型,预测出其对产品营销的办理可能会响应的概率。最后输出的就是用户是否会办理的产品,以及办理的产品的预测概率值。从而根据预测概率值,划定阈值。比如说想营销响应概率在40%以上的用户,这时就可以将这些用户筛选出来,然后最后生成关联标签,交给营销平台,做营销派单,之后做一些短信或电话触达。最后可以针对转化进行跟踪,以上就是该项目的整体流程。
下面分步骤讲一下模型的情况。首先是模型的背景,目前已办理天翼看家用户的规模,建置模型的预期等目标。
样本选择方面,已办理的作为正样本,接触过没办理的作为负样本,这里正负样本有些不均衡。针对这种样本不均衡的数据,可以采用采样的技术。
下面是关于取数的问题。取数会有一个时间窗口的问题,在这边会分成训练数据跟测试数据,假设预测变量y是10月到11月,训练数据的x就要往前取。这里是要看用户过去的行为,可能会对将来产生什么影响。所以训练特征要往前取,比如看用户在7到10月的通话行为。
下面是关于模型特征的一些构建。
这边是分了很多,比如技术信息、家庭结构、消费行为、行为偏好、地域特点等因素。
建模过程方面,也是一些常规的流程。比如数据清洗中,错误值的填充,错误值的处理。离群值可以使用盖帽法进行处理,对于套餐价值量可以进行离群值的处理。然后空值的填补,比如说像分类变量连续性变量,可以用一些统计方法或模型方法来做。
数据编码这块,对于连续性变量可以去做一些分箱,在字段分箱之后,看一下对目标变量是否有一些显著的影响。建模调参方面,对模型参数进行调整,选择最佳模型。
接着我们看到模型评估。
模型评估会输出混淆矩阵,行是实际值,实际有没有办理,列可能是预测值,预测它有没有办理。营销比较关注的是命中率,也就是说预测差不多有8000多个人会办理这个产品,但实际上办理了多少,这里实际办理有6000多,所以命中率是68%。预测得准不准非常重要。
之后会跟踪营销活动的转化率。
预测用户可能是比较高概率的用户,在将来的一段时间可能是一到两个月,预测家装的用户中的加装比例,也就是营销活动的转化的情况。
再看到地域特点部分。
比如说农村用户家装的是33万,城市用户家装是9万多。这里看到百分比,农村占比70%,其实是远远超过城市的。在城市这个群体中,家装概率是2.58%,然后在农村这个群体中,它加装的概率是9.82%。可以看到,如果营销农村这个区域,响应概率来说相对会比较高。
以上就是我分享的内容了,希望对大家能有所帮助。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14