欧美40老熟妇色xxxxx,免费+国产+在线观看,末成年女a∨片一区二区,久久伊人色av天堂九九,免费中文熟妇在线影片
Menu
產(chǎn)品
Tempo大數(shù)據(jù)分析平臺
Tempo商業(yè)智能平臺
Tempo人工智能平臺
Tempo數(shù)據(jù)工廠平臺
Tempo數(shù)據(jù)治理平臺
Tempo主數(shù)據(jù)管理平臺
Tempo指標(biāo)平臺
解決方案
自助式可視化分析
算法模型管理
指標(biāo)管理解決方案
數(shù)字指揮中心
湖倉一體解決方案
智能場景應(yīng)用構(gòu)建
主數(shù)據(jù)應(yīng)用監(jiān)管
數(shù)據(jù)中臺
行業(yè)應(yīng)用
發(fā)電
電網(wǎng)
制造
油氣
煤炭
高校
政企
金融
科研院所
數(shù)據(jù)資產(chǎn)入表
大模型應(yīng)用
產(chǎn)教融合
認(rèn)證中心
DCMM認(rèn)證
DAMA認(rèn)證
關(guān)于我們
美林?jǐn)?shù)據(jù)
合作生態(tài)
內(nèi)容中心
幫助中心
美林新聞
行業(yè)資訊
申請?jiān)囉?/a>
方案咨詢
產(chǎn)品
Tempo大數(shù)據(jù)分析平臺
面向企業(yè)級用戶的一體化大數(shù)據(jù)分析平臺
Tempo商業(yè)智能平臺
面向業(yè)務(wù)人員的自助式可視化分析平臺
Tempo人工智能平臺
自動化、智能化的分析模型構(gòu)建平臺
Tempo數(shù)據(jù)工廠平臺
批流一體的大數(shù)據(jù)開發(fā)平臺
Tempo數(shù)據(jù)治理平臺
打破數(shù)據(jù)治理困境,為業(yè)務(wù)價值保駕護(hù)航
Tempo主數(shù)據(jù)管理平臺
解決主數(shù)據(jù)集成難、應(yīng)用難的問題
Tempo指標(biāo)平臺
讓管理更敏捷、業(yè)務(wù)更智能
解決方案
自助式可視化分析
數(shù)據(jù)指導(dǎo)行動,讓每一次都有進(jìn)步
算法模型管理
構(gòu)建企業(yè)級模型管理與應(yīng)用平臺
指標(biāo)管理解決方案
輕量化打造指標(biāo)體系,讓企業(yè)高質(zhì)量發(fā)展
數(shù)字指揮中心
從數(shù)據(jù)中獲得見解,讓決策有據(jù)可依
湖倉一體解決方案
一體化的數(shù)據(jù)存儲、集成、開發(fā)解決方案
智能場景應(yīng)用構(gòu)建
從數(shù)據(jù)開發(fā)到智能分析的一站式解決方案
主數(shù)據(jù)應(yīng)用監(jiān)管
解決企業(yè)主數(shù)據(jù)應(yīng)用無法監(jiān)管難題
數(shù)據(jù)中臺
打造企業(yè)數(shù)字化轉(zhuǎn)型數(shù)據(jù)底座
行業(yè)應(yīng)用
發(fā)電
數(shù)字化賦能新能源電廠提質(zhì)增效
電網(wǎng)
助力數(shù)字電網(wǎng)建設(shè)
制造
數(shù)字化智造從頂層設(shè)計(jì)到落地實(shí)施
油氣
以AI視角優(yōu)化油氣行業(yè)生產(chǎn)流程
煤炭
AI賦能智慧煤礦安全、高效生產(chǎn)
高校
教學(xué)、實(shí)踐、科研一體化實(shí)驗(yàn)室解決方案
政企
助力智慧政務(wù)決策
金融
客群價值深度挖掘,打造精準(zhǔn)營銷新模式
科研院所
提升科研轉(zhuǎn)化能力,助力產(chǎn)業(yè)應(yīng)用創(chuàng)新
數(shù)據(jù)資產(chǎn)入表
大模型應(yīng)用
產(chǎn)教融合
認(rèn)證中心
DCMM認(rèn)證
掌握DCMM國家標(biāo)準(zhǔn),全面提升數(shù)據(jù)管理技能
DAMA認(rèn)證
學(xué)習(xí)國際數(shù)據(jù)管理業(yè)界權(quán)威知識體系,培養(yǎng)數(shù)據(jù)人才
關(guān)于我們
美林?jǐn)?shù)據(jù)
連續(xù)7年大數(shù)據(jù)企業(yè)50強(qiáng)
合作生態(tài)
基于多年成功經(jīng)驗(yàn),提供技術(shù)與方法論支持
內(nèi)容中心
大數(shù)據(jù)專業(yè)知識沉淀與成果共享
幫助中心
Tempo產(chǎn)品操作手冊及常見問題解析
美林新聞
美林?jǐn)?shù)據(jù)動態(tài)盡在掌握
行業(yè)資訊
第一時間洞察最新行業(yè)資訊
美林?jǐn)?shù)據(jù)
ABOUT US
美林?jǐn)?shù)據(jù)技術(shù)股份有限公司(簡稱:美林?jǐn)?shù)據(jù),NEEQ:831546)是國內(nèi)知名的數(shù)據(jù)治理和數(shù)據(jù)分析服務(wù)提供商。
產(chǎn)品簡介
Tempo商業(yè)智能平臺
提供了從數(shù)據(jù)接入、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)可視化分析于一體的完整的解決方案
Tempo人工智能平臺
為“全民數(shù)據(jù)科學(xué)家”提供自動化、智能化的數(shù)據(jù)分析模型構(gòu)建能力。
Tempo數(shù)據(jù)工廠平臺
支持大規(guī)模數(shù)據(jù)的快速集成和高效計(jì)算,構(gòu)建流批一體大數(shù)據(jù)開發(fā)平臺。
Tempo指標(biāo)平臺
指標(biāo)的體系化建設(shè)和全生命周期管理。
Tempo數(shù)據(jù)資產(chǎn)管理平臺
面向企業(yè)數(shù)據(jù)治理、數(shù)據(jù)中臺落地的應(yīng)用平臺。
Tempo主數(shù)據(jù)管理平臺
為用戶提供全生命周期管控的主數(shù)據(jù)治理工具。
相關(guān)推薦
Tempo+金融|銀行智能分析決策平臺建設(shè)實(shí)踐
數(shù)字化轉(zhuǎn)型的四大典型場景,TempoBI來支持
數(shù)據(jù)分析上手難?2招幫你快速生成高質(zhì)量數(shù)據(jù)可視化報(bào)表
美林新聞
/
NEWS
首頁
美林?jǐn)?shù)據(jù)
大數(shù)據(jù)分析與應(yīng)用
如何快速完成一個數(shù)據(jù)挖掘分析項(xiàng)目?—企業(yè)數(shù)據(jù)挖掘成功之道(方法篇)
2019-06-13 15:49:03
次
引子:通過上周的文章,大家應(yīng)該已經(jīng)對“數(shù)據(jù)挖掘”有了一個更清晰全面的認(rèn)識。哪些在具體業(yè)務(wù)中,如何有效應(yīng)用,快速落地一個項(xiàng)目應(yīng)用實(shí)踐呢?今天我們將以一個行業(yè)實(shí)際案例為主,依據(jù)“數(shù)據(jù)挖掘方法論”【詳細(xì)可參閱歷史文章
《數(shù)據(jù)挖掘方法論》
】為大家詳細(xì)解析,如何快速完成一個項(xiàng)目應(yīng)用實(shí)踐,通過數(shù)據(jù)挖掘技術(shù)和方法,獲取業(yè)務(wù)應(yīng)用價值。
數(shù)據(jù)挖掘方法論為開展數(shù)據(jù)挖掘項(xiàng)目提供了一套完整的、高效的、質(zhì)量可控的項(xiàng)目管理過程。CRISP-DM方法論將一個數(shù)據(jù)挖掘項(xiàng)目的生命周期分為六個階段,其中包括業(yè)務(wù)理解(business understanding),數(shù)據(jù)理解 (data understanding),數(shù)據(jù)準(zhǔn)備(data preparation),建立模型(modeling),評估模型(evaluation)和結(jié)果部署(deployment)。
那么,在一個實(shí)際的數(shù)據(jù)挖掘工作中,如何落地實(shí)踐這套挖掘方法論呢?下面我們將以“公募基金精準(zhǔn)營銷”為例,詳細(xì)介紹數(shù)據(jù)挖掘項(xiàng)目開展流程和步驟【建模工具采用:TempoAI完成】。
階段一:業(yè)務(wù)理解(business understanding)
業(yè)務(wù)背景:券商發(fā)行的公募基金產(chǎn)品,傳統(tǒng)的營銷方式為外呼人員電話營銷。傳統(tǒng)電話營銷方式存在的問題主要有兩點(diǎn):
工作量巨大,因?yàn)槭怯萌靠蛻裘麊蝸泶螂娫挔I銷:開展10萬人次外呼營銷任務(wù),要4個外呼人員1年的工作量;
意向成功率過低,平均接通率54%,意向成功率18.09%左右。
涉及部門:信息技術(shù)部、營銷部、客服部(外呼中心)
業(yè)務(wù)目標(biāo):提升意向成功率,優(yōu)化外呼營銷策略,切實(shí)增加意向成功用戶數(shù),提高投入產(chǎn)出率。
分析方案:
分類預(yù)測:構(gòu)建潛客預(yù)測模型,預(yù)測高概率購買公募基金的潛在客戶,為券商提供精準(zhǔn)營銷客戶名單。
分析成果驗(yàn)證:將分析產(chǎn)生的預(yù)測會夠買的人員名單,提供給外呼中心,進(jìn)行外呼推薦公募基金產(chǎn)品,最終將推薦名單外呼和傳統(tǒng)的外呼效果進(jìn)行比對,對比外呼成功率,從而判斷分析成果是否顯著。
階段二:數(shù)據(jù)理解 (data understanding)
收集的數(shù)據(jù)表信息包括:
•借記卡用戶基本信息表
•信用卡用戶基本信息表、用戶狀態(tài)標(biāo)識代碼表
•信用卡卡片信息表、信用卡卡片代碼表、卡片狀態(tài)標(biāo)識代碼表
•信用卡交易流水信息表
•用戶的業(yè)務(wù)信息表
•公共信息表:商戶代碼MCC碼表、用戶職業(yè)代碼表等
•歷史外呼反饋信息表
•信用卡違約狀態(tài)及未還款的歷史數(shù)據(jù)
•設(shè)備信息
針對收集到的數(shù)據(jù)信息,進(jìn)行數(shù)據(jù)理解:
用戶特征探索:待營銷用戶群體的分布形態(tài),營業(yè)部分布,性別分布,風(fēng)險等級分布及業(yè)務(wù)開通情況。
階段三:數(shù)據(jù)準(zhǔn)備(data preparation)
數(shù)據(jù)準(zhǔn)備工作包括為建模工作準(zhǔn)備數(shù)據(jù)的選擇、轉(zhuǎn)換、清洗、構(gòu)造、整合及格式化等多種數(shù)據(jù)預(yù)處理工作。這里主要進(jìn)行了數(shù)據(jù)指標(biāo)體系設(shè)計(jì)、建模所需字段的生成、缺失值處理等。
TempoAI
數(shù)據(jù)處理:
階段四:建立模型(modeling)
基于用戶基本信息如風(fēng)險等級、開戶年限、年齡等,資產(chǎn)信息如總資產(chǎn)、近一年最大資產(chǎn)、近半年日均資產(chǎn)等,產(chǎn)品交易信息如股票交易次數(shù)、近兩年最后買公墓基金天數(shù)、近半年理財(cái)持有比例,構(gòu)建用戶公募基金潛客預(yù)測模型,基于該模型,可以預(yù)測高概率購買公募基金的潛在客戶,為券商提供精準(zhǔn)營銷客戶名單。在TempoAI中構(gòu)建的建模流程如下:
建模步驟說明:
(1)讀取數(shù)據(jù)
拖入關(guān)系數(shù)據(jù)庫輸入節(jié)點(diǎn),選擇數(shù)據(jù)源,選擇購買公募基金用戶的歷史數(shù)據(jù)集,完成數(shù)據(jù)讀取。
(2)設(shè)置角色
在設(shè)置角色節(jié)點(diǎn),選擇參與模型訓(xùn)練的變量設(shè)置自變量(影響因素)和因變量(預(yù)測變量)。
自變量為:用戶基本信息/資產(chǎn)信息及產(chǎn)品交易信息等字段;
因變量為:flag(是否購買公募基金,1代表購買,0代表不夠買)。
(3)數(shù)據(jù)拆分
為了保證模型的可靠性,我們一般將原始數(shù)據(jù)集拆分成兩個或三個數(shù)據(jù)集,這里我們拆分為兩部分:一部分用于訓(xùn)練模型,另外一部分用于測試模型的泛化能力(預(yù)測能力)。如下圖所示,70%的數(shù)據(jù)作為訓(xùn)練集 30%的數(shù)據(jù)作為測試集。
(4)梯度提升決策樹
選擇一個分類算法,構(gòu)建分類模型,這里我們選擇梯度提升決策樹算法,將數(shù)據(jù)拆分后的訓(xùn)練集接入算法,參數(shù)設(shè)置如下:
(5)訓(xùn)練集分類評估
將算法的M端口和D端口連接一個分類評估節(jié)點(diǎn),評估訓(xùn)練集的預(yù)測效果。分類評估節(jié)點(diǎn)參數(shù)設(shè)置如下:
(6)模型利用
將算法輸出的M端口連接模型利用節(jié)點(diǎn),同時將數(shù)據(jù)拆分后的測試集D端口接入模型利用,這里將利用梯度提升決策樹產(chǎn)生的模型對測試數(shù)據(jù)集進(jìn)行預(yù)測。
(7)測試集分類評估
將模型利用輸出的M端口和D端口連接一個分類評估節(jié)點(diǎn),評估測試集的預(yù)測效果。
(8)模型輸出
將訓(xùn)練好的模型輸出到模型庫。
(9)連接END端點(diǎn),完成流程構(gòu)建,點(diǎn)擊執(zhí)行。
階段五:評估模型(evaluation)
評估模型,指在此階段,需要從技術(shù)層面判斷模型效果以及從業(yè)務(wù)層面判斷模型在實(shí)際商業(yè)環(huán)境當(dāng)中的實(shí)用性。
流程執(zhí)行成功后,可在洞察頁面,查看流程執(zhí)行的結(jié)果:
這里我們主要看分類模型評估結(jié)果及分類模型預(yù)測結(jié)果。
點(diǎn)擊“梯度提升決策樹節(jié)點(diǎn)”查看分類模型內(nèi)容及預(yù)測結(jié)果數(shù)據(jù)集:
下圖為模型內(nèi)容:決策樹及層級說明信息
下圖為預(yù)測結(jié)果數(shù)據(jù)集信息:可從業(yè)務(wù)角度評估預(yù)測結(jié)果的合理性。
點(diǎn)擊“分類評估節(jié)點(diǎn)”查看分類評估結(jié)果(包括訓(xùn)練集評估和測試集評估)
訓(xùn)練集評估結(jié)果:包括模型的準(zhǔn)確率、混淆矩陣、ROC/PR、Lift曲線、Gains曲線、基尼系數(shù) 、K-S曲線。綜合各評估指標(biāo)及曲線,模型評估效果較好。
測試集評估結(jié)果:如下圖
階段六:結(jié)果部署(deployment)
經(jīng)過模型訓(xùn)練和模型測試,得到了比較理想的預(yù)測模型。需要將模型的成果書面化,結(jié)合前幾個階段進(jìn)行總結(jié),形成數(shù)據(jù)“分析報(bào)告”。如果涉及到工程化應(yīng)用,還需要將模型發(fā)布成不同方式(調(diào)度、同步/異步服務(wù)API、實(shí)時服務(wù)等),供其它業(yè)務(wù)系統(tǒng)進(jìn)行整合,形成最終的決策應(yīng)用系統(tǒng),需要“部署應(yīng)用”。
分析報(bào)告
TempoAI
洞察頁面,支持直接導(dǎo)出Word格式的完整挖掘流程建模分析報(bào)告。如下圖所示:
部署應(yīng)用
構(gòu)建一個預(yù)測流程,利用訓(xùn)練好的模型,然后把預(yù)測流程發(fā)布,并部署為應(yīng)用。
(1)構(gòu)建預(yù)測流程
將要預(yù)測的數(shù)據(jù)作為數(shù)據(jù)源,讀取并利用已輸出的分類預(yù)測模型,構(gòu)建預(yù)測流程。如下所示:
(2)發(fā)布預(yù)測流程
進(jìn)入“部署”“-“發(fā)布”,將預(yù)測流程發(fā)布。
(3)構(gòu)建調(diào)度
在“部署”-“應(yīng)用”,將已發(fā)布的預(yù)測流程構(gòu)建調(diào)度任務(wù)。平臺提供任務(wù)調(diào)度器,可配置調(diào)度任務(wù),將的一個或多個流程在指定的日期范圍內(nèi)按一定的頻率定期執(zhí)行,完成預(yù)測任務(wù)。如下所示:
(4)構(gòu)建服務(wù)
在“部署”-“應(yīng)用”,用戶可將已發(fā)布流程構(gòu)建一個服務(wù),根據(jù)流程數(shù)據(jù)源的不同,分為同步服務(wù)、異步服務(wù)和流服務(wù)。同步服務(wù):支持第三方系統(tǒng)通過Thrift/Rest調(diào)用流程,實(shí)時返回預(yù)測結(jié)果。異步服務(wù):支持第三方系統(tǒng)通過Rest調(diào)用流程,按照指定頻率定期執(zhí)行,完成模型構(gòu)建或數(shù)據(jù)預(yù)測,預(yù)測結(jié)果輸入到指定數(shù)據(jù)庫。流服務(wù):開啟服務(wù),當(dāng)Kafka的隊(duì)列中有消息時,即可執(zhí)行流程,完成對于流式數(shù)據(jù)的實(shí)時處理。
(5)服務(wù)調(diào)用
第三方系統(tǒng)可調(diào)用相應(yīng)的API,通過在第三方系統(tǒng)輸入?yún)?shù),調(diào)用服務(wù),并返回服務(wù)的執(zhí)行狀態(tài)。
調(diào)用方式:打開該服務(wù)的測試頁面,“下載示例代碼”、“下載SDK”。將下載的示例代碼文件中的代碼段復(fù)制粘貼,即可通過運(yùn)行代碼調(diào)用該異步服務(wù)。調(diào)用接口可供營銷業(yè)務(wù)系統(tǒng)進(jìn)行整合,形成最終的決策應(yīng)用系統(tǒng),給營銷外呼中心提供營銷名單,指導(dǎo)實(shí)際業(yè)務(wù)的開展。
(6)部署結(jié)果驗(yàn)證
將預(yù)測分析產(chǎn)生的預(yù)測夠買人員名單,提供給外呼中心,進(jìn)行外呼推薦公募基金產(chǎn)品,最終將推薦名單外呼和傳統(tǒng)的外呼效果進(jìn)行比對,對比結(jié)果如下:推薦外呼11天,撥打5877通電話(占傳統(tǒng)外呼36.01%),得到意向客戶數(shù)1664個,是傳統(tǒng)外呼開展32天的整體意向客戶數(shù)的1.08倍。結(jié)合營銷活動的成本和成果兩個方面考慮,綜合效果提升3.14倍。
上一篇:寫給千萬考生的大學(xué)志愿報(bào)考指南
下一篇:10秒破2億!10000+評論解讀華為P30系列是否值得購買
產(chǎn)品
Tempo大數(shù)據(jù)分析平臺
Tempo商業(yè)智能平臺
Tempo人工智能平臺
Tempo數(shù)據(jù)工廠平臺
Tempo數(shù)據(jù)治理平臺
Tempo主數(shù)據(jù)管理平臺
Tempo指標(biāo)平臺
產(chǎn)教融合
解決方案
自助式可視化分析
算法模型管理
指標(biāo)管理解決方案
數(shù)字指揮中心
湖倉一體解決方案
智能場景應(yīng)用構(gòu)建
主數(shù)據(jù)應(yīng)用監(jiān)管
數(shù)據(jù)中臺
行業(yè)應(yīng)用
發(fā)電
電網(wǎng)
制造
油氣
煤炭
高校
政企
金融
科研院所
關(guān)于我們
美林?jǐn)?shù)據(jù)
合作生態(tài)
內(nèi)容中心
幫助中心
美林新聞
行業(yè)資訊
聯(lián)系我們
全國服務(wù)電話:
400-608-2558 029-8869-6198
企業(yè)郵箱:tempo@meritdata.com.cn
地址:中國西安 ? 雁塔區(qū)西三環(huán)天谷八路軟件新城國家電子商務(wù)示范基地六層
掃碼關(guān)注我們
掃碼立即咨詢
友情鏈接:
美林?jǐn)?shù)據(jù)官網(wǎng)
Tempo Talents大數(shù)據(jù)應(yīng)用能力成長平臺
Copyright ? 2020 MeritData.All Rights Reserved
陜ICP備05005361號-1.
陜公網(wǎng)安備 61019002000171號
網(wǎng)站地圖
版權(quán)所有@2022
美林?jǐn)?shù)據(jù)技術(shù)股份有限公司
在線咨詢
服務(wù)熱線
400-608-2558
咨詢熱線
15502965860
電話聯(lián)系
微信掃描二維碼,立即在線咨詢
微信溝通
申請?jiān)囉?/div>