6个令人惊奇的数据科学应用
作者:DATAFLAIR TEAM 原文链接:https://data-flair.training/blogs/data-science-applications/ 数据科学导论 数据科学几乎主宰了当今世界的所有行业。当今世界没有哪个行……
陆勤 2019-09-14
如何在BI平台中实现自动分级预警?
在互联网+时代,一切都讲究“数据化”,而真正用好“数据”,不仅仅是“人看数据”,更要“数据追人”,才能让“数据落地”,如此才称得上将产品/运营/服务等实现“数据化”。 那么,如何做到“数据追人”,特别是有针对性、差异化的“数据追人”呢?观……
R语言面试问题集1
以下是你需要准备的R语言面试问题和参考答案答案。这个文章涵盖了你在R的面试中可能会问到重要问题。这些R的面试问题将使你在数据分析市场中处于优势,在这个市场中,全球和当地的企业,无论大小,都在寻找具有R认证专业知识的专业人士。 > R是一种编……
陆勤 2019-05-10
数据科学&机器学习面试题
技术的不断进步使得数据和信息的产生速度今非昔比,并且呈现出继续增长的趋势。此外,目前对解释、分析和使用这些数据的技术人员需求也很高,这在未来几年内会呈指数增长。这些新角色涵盖了从战略、运营到管理的所有方面。因此, 当前和未来的需求将需要更多……
数据跨界 2019-05-08
3大分析模块,7大分析场景!一文解析购物中心智能数据分析怎么做
> “为了在数字时代生存,购物中心需要重塑自我”——麦肯锡 什么是购物中心智能分析? 购物中心和品牌商之间的合作是双向的,购物中心获得租赁费(通常包括固定租金加上商铺销售额的百分比),作为回报,零售商希望商场所有者为他们创造流量。因此,购物……
10个常见的模型面试题
评分卡模型建模如今已经是非常流程化的过程,但是在实际运用的过程中,每一个环节都常常会出现各种各样的问题,比如样本不是无偏的、样本量过少、整体指标缺失率过高等等,都是可能会出现的情况。 金融科技应用研究院(简称FAL)特别整合了经常被学员们问……
数据跨界 2019-05-07
我是怎么走上推荐系统这条(不归)路的……
> 什么是推荐系统?有哪些类型的推荐系统?怎么做推荐系统?想知道?可以看看这篇小白文~ 在这个系列文章中,我将分享掌握推荐系统的经验,以及围绕推荐系统从低级模型到高级模型的实现。 我还会简要提及你构建推荐系统时将会遇到的挑战以及我所用的解……
数商 2019-05-03
如何搭建信用风险量化模型
当前,大型金融机构已被监管机构批准使用内部模型来计量风险和监管资本;中小金融机构的积极性也很高,力求借鉴资本管理高级法,调整资产组合,提高资本使用效率,推进管理流程再造,由“干了再算”向“算了再干”转变。 以上趋势令人鼓舞。我们看到,强化风……
数据跨界 2019-04-26
类信贷信用评级模型构建思路
本文以自然人融资融券业务为例,说明类信贷信用评级模型构建过程。评级模型构建思路如下:第一步,界定违约,并对样本数据进行收集和清洗转换。第二步,初步选择评级模型的变量,名义型和次序型变量根据IV值选择,数值型变量经过单变量回归和相关性变量选择……
数据跨界 2019-04-23
如何支持用户运营,搭建流失预警模型
有一个比喻非常恰当:产品如同蓄水池,用户好比池中之水。池子中每时每刻都有新用户源源不断地加入,也有一部分用户选择离开。如果用户流失超过新用户的补给,且速度越来越快、规模越来越大时,产品如若不警惕,蓄水池迟早会干涸。 这是用户流失研究的背景。……
数据跨界 2019-04-22
评估客户价值的三种模型:RFM、CLV、顾客社交价值模型
笔者一直从事于用户运营领域,很多情况下都是要在资源有限情况下,去最大化的撬动效益,如何挖掘能创造最大价值的客户就是用户运营的最基础工作了。这个和基于用户价值的细分模型基本上是一个意思,注意本文讨论的用户价值指的是用户对企业创利能力的衡量,而……
数商 2019-04-20
从阿里88VIP会员卡说起的5个客户模型
淘宝推出了”88VIP卡”,可享受购物折扣、饿了么超级会员、优酷VIP、虾米超级VIP等尊享服务,权益价值近2000元/年,几乎涵 盖阿里新零售生态旗下吃喝玩乐的一条龙服务。这样的一张会员卡,普通会员售价888元/年,而淘气值满1000的超……
数据跨界 2019-04-18
详解数据挖掘之客户全生命周期管理
数据挖掘涉及到公司运营的方方面面,这包括对企业部门经营情况的评估、内部员工的管理、生产流程的监管、产品结构优化与新产品开发、财务成本优化、市场结构的分析和客户关系的管理。其中,关于客户与市场的数据分析是“重头戏”。 客户全生命周期管理 首……
数商 2019-04-17
商业数据科学
没有商业意识的数据科学就像下棋没有国王在棋盘上。对于每个企业来说,使其产品或服务更好是数据科学项目的最终目标。不考虑这一点是荒谬的。 您的数据团队可以使用最好的程序员和最好的统计人员,但是如果他们不知道他们的数据项目的实际业务应用,那么整个……
陆勤 2019-04-16