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。
更多考试介绍及备考福利请点击:CDA 认证考试中心官网
数据分析咨询请扫描二维码
需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20