大數(shù)據(jù)是現(xiàn)在很多企業(yè)發(fā)展中必不可少的工具，它究竟對企業(yè)會(huì)有什么作用呢?從傳統(tǒng)企業(yè)的運(yùn)行流程來看，大數(shù)據(jù)主要能夠在了解用戶、鎖定資源、規(guī)劃生產(chǎn)、做好運(yùn)營、開展服務(wù)等方面，那么大數(shù)據(jù)在這些方面又是怎么做的呢?以下是小編為你整理的想學(xué)大數(shù)據(jù)怎么樣去學(xué) ?

客戶是企業(yè)重要的數(shù)據(jù)源，當(dāng)數(shù)量龐大的客戶處于同一個(gè)平臺上時(shí)，就會(huì)產(chǎn)生無數(shù)個(gè)數(shù)據(jù)源，而企業(yè)通過大數(shù)據(jù)的整合分析，對這些數(shù)據(jù)源進(jìn)行分析，探碼大數(shù)據(jù)客流分析通過對人群熱力指數(shù)計(jì)算潛力圖，競品分布，大數(shù)據(jù)識別城市生活消費(fèi)功能區(qū)，用戶畫像反映出商場附近客流情況以及客流潛力。將會(huì)總結(jié)出一套新的規(guī)律，從而幫助企業(yè)了解客戶，為企業(yè)的確定更準(zhǔn)確的發(fā)展方向。

今天的客戶和以往有很大不同。大數(shù)據(jù)的興起使他們能夠在購買一個(gè)產(chǎn)品之前徹底和孜孜不倦地研究它，并了解他們的消費(fèi)情況。通過運(yùn)用大數(shù)據(jù)，將客戶、用戶和產(chǎn)品進(jìn)行有機(jī)串聯(lián)，對用戶的產(chǎn)品偏好，客戶的關(guān)系偏好進(jìn)行個(gè)性化定位，生產(chǎn)出用戶驅(qū)動(dòng)型的產(chǎn)品，提供客戶導(dǎo)向性的服務(wù)。并從數(shù)據(jù)中發(fā)掘出適應(yīng)企業(yè)發(fā)展環(huán)境的社會(huì)和商業(yè)形態(tài)，用數(shù)據(jù)對用戶和客戶對待產(chǎn)品的態(tài)度，進(jìn)行挖掘和洞察，準(zhǔn)確發(fā)現(xiàn)并解讀客戶及用戶的諸多新需求和行為特征， ?

通過大數(shù)據(jù)技術(shù)，使企業(yè)在運(yùn)營過程中，對運(yùn)營所需資源的挖掘、具體情況和儲(chǔ)量分布等，企業(yè)都可以進(jìn)行搜集分析，形成基于企業(yè)的資源分布可視圖，就如同“電子地圖”一般，將各種優(yōu)勢點(diǎn)，進(jìn)行“點(diǎn)對點(diǎn)”的數(shù)據(jù)化、圖像化展現(xiàn)，讓企業(yè)的管理者可以更直觀地面對自己的企業(yè)，更好地利用各種已有和潛在資源。如果沒有大數(shù)據(jù)，將很難發(fā)現(xiàn)曾經(jīng)認(rèn)為是完全無關(guān)行為間的相互關(guān)聯(lián)性，就如同外媒曾經(jīng)提到的“啤酒”與“尿片”之間的關(guān)聯(lián)營銷一樣，如果沒有大數(shù)據(jù)這將是一種幾乎不可能的事情。 ?

選擇模型/自定義模型 ?

基于業(yè)務(wù)基礎(chǔ)來決定選擇模型的形態(tài)，比如，如果要預(yù)測產(chǎn)品銷量，則可以選擇數(shù)值預(yù)測模型。(可采用回歸模型，時(shí)序預(yù)測) ?

之所以叫模型，因?yàn)槊總€(gè)模型大致的模式是固定的，但其中還會(huì)有一些不確定的變量在里面，這樣模型才會(huì)有通用性，而訓(xùn)練模型的意思就是找到最合適的參數(shù)，一旦找到*參數(shù)，模型就基本可用了! ?

也即是字面意思，但一個(gè)模型的好壞是需要放在其特定的業(yè)務(wù)場景下來評估的。 ?

評價(jià)模型質(zhì)量的常用指標(biāo)有：平均誤差率、判定系數(shù)R2 ?

評估分類預(yù)測模型質(zhì)量的常用指標(biāo)(如下圖所示)：正確率、查全率、查準(zhǔn)率、ROC曲線和AUC值等 ?

第四步：應(yīng)用模型 ?

評估測量完成后，就要將此模型應(yīng)用于業(yè)務(wù)基礎(chǔ)的實(shí)踐中去，用于解決工作中的業(yè)務(wù)問題的，比如預(yù)測客戶行為，比如劃分客戶群。 ?

第五步：優(yōu)化模型，一般發(fā)生在兩種情況下： ?

1.在評估模型中，如果發(fā)現(xiàn)模型欠擬合，或者過擬合，說明這個(gè)模型待優(yōu)化; ?

2.在真實(shí)應(yīng)用場景中，定期進(jìn)行優(yōu)化，或者當(dāng)發(fā)現(xiàn)模型在真實(shí)的業(yè)務(wù)場景中效果不好時(shí)，也要啟動(dòng)優(yōu)化; ?

數(shù)據(jù)存儲(chǔ)層 ?

數(shù)據(jù)存儲(chǔ)層主要用于數(shù)據(jù)的存儲(chǔ)。目前采用MongoDB存儲(chǔ)結(jié)果數(shù)。 ?

通過Storm處理后的數(shù)據(jù)，首先緩存到Redis中，每隔一定得時(shí)間間隔，將數(shù)據(jù)批量轉(zhuǎn)存到MongoDB中。 ?

MongoDB是一個(gè)高性能、易部署、易使用的分布式數(shù)據(jù)存儲(chǔ)系統(tǒng)，介于結(jié)構(gòu)化數(shù)據(jù)庫和非結(jié)構(gòu)化數(shù)據(jù)庫之間，數(shù)據(jù)存儲(chǔ)格式不固定，可以非常方便的進(jìn)行擴(kuò)充。

?

04數(shù)據(jù)處理層 ?

數(shù)據(jù)處理層主要采集一些數(shù)據(jù)挖掘算法對數(shù)據(jù)進(jìn)行挖掘，或者進(jìn)行實(shí)時(shí)計(jì)算。 ?

數(shù)據(jù)挖掘主要借助于統(tǒng)計(jì)學(xué)方法、機(jī)器學(xué)習(xí)方法、神經(jīng)網(wǎng)絡(luò)方法等對數(shù)據(jù)進(jìn)行知識挖掘，發(fā)掘潛在的價(jià)值。 ?

比如利用線性回歸算法，預(yù)測車輛的停留時(shí)間。利用k-means算法對位置臨近的出租車做聚類分析，從而發(fā)現(xiàn)最有可能搭載乘客的熱點(diǎn)區(qū)域。根據(jù)速度將軌跡數(shù)據(jù)進(jìn)行分段，從而分析某個(gè)時(shí)間段的道路暢通狀況等。 ?

數(shù)據(jù)分析層 ?

數(shù)據(jù)分析層主要是數(shù)據(jù)的展示和分析。 ?

比如將GPS數(shù)據(jù)加載到地圖上，利用抓路算法將GPS數(shù)據(jù)和地圖數(shù)據(jù)進(jìn)行融合，對分段的軌跡進(jìn)行不同顏色的顯示，可以讓調(diào)度人員對當(dāng)前時(shí)間段的道路通行情況一目了然，輔助車輛的調(diào)度。 ?

我秀*不斷提高自身數(shù)據(jù)處理能力，就是為了給您提供更快速、更精準(zhǔn)、更豐富的數(shù)據(jù)分析功能。 ?

利用消費(fèi)記錄來進(jìn)行評分 ?

大會(huì)數(shù)據(jù)風(fēng)控除了可以識別出壞人，還可以評估貸款人的還款能力。過去傳統(tǒng)金融依據(jù)借款人的收入來判斷其還款能力，但是有些客戶擁有工資以外的收入，例如投資收入、顧問咨詢收入等。另外一些客戶可能從父母、伴侶、朋友那里獲得其他的財(cái)政支持，擁有較高的支付能力。 ?

按照傳統(tǒng)金融的做法，在家不工作照顧家庭的主婦可能還款能力較弱。無法給其提供貸款，但是其丈夫收入很高，家庭日常支出由其太太做主。這種情況，就需要消費(fèi)數(shù)據(jù)來證明其還款能力了。 ?

常用的消費(fèi)記錄由銀行卡消費(fèi)、電商購物、公共事業(yè)費(fèi)記錄、大宗商品消費(fèi)等。還可以參考航空記錄、手機(jī)話費(fèi)、特殊會(huì)員消費(fèi)等方式。例如頭等艙乘坐次數(shù)，物業(yè)費(fèi)高低、高爾夫球俱樂部消費(fèi)，游艇俱樂部會(huì)員費(fèi)用，奢侈品會(huì)員，豪車4S店消費(fèi)記錄等消費(fèi)數(shù)據(jù)可以作為其信用評分重要參考。 ?

互聯(lián)網(wǎng)金融的主要客戶是屌絲，其電商消費(fèi)記錄、旅游消費(fèi)記錄、以及加油消費(fèi)記錄都可以作為評估其信用的依據(jù)。有的互聯(lián)金融公司專門從事個(gè)人電商消費(fèi)數(shù)據(jù)分析，只要客戶授權(quán)其登陸電商網(wǎng)站，其可以借助于工具將客戶歷史消費(fèi)數(shù)據(jù)全部抓取并進(jìn)行匯總和評分。 ?