数据分析
静若晨光
这个作者很懒,什么都没留下…
展开
-
数据挖掘建模过程
1.目标定义明确本次的挖掘目标是什么,针对餐饮行业目标可定义为:1)实现动态菜品智能推荐2)对餐饮客户进行细分3)综合考虑节假日、气候等影响因素,对菜品销量进行预测4)基于餐饮大数据,优化新店选址2.数据取样抽取数据的标准:相关性;可靠性;有效性任何时候都不能忽视数据质量,衡量数据质量的标准包括:资料完整无缺,各类指标齐全;数据准确无误,反映的都是正常状态下的水平。对获取的数据可从中做抽样操作,常见的抽样方式如下:1)随机抽样:在采用随机抽样方式时,数据集中每一组观察值都有相同的原创 2022-05-04 23:17:10 · 1080 阅读 · 0 评论 -
数据挖掘基础
以餐饮企业为例,讲述数据挖掘对企业决策的作用。数据挖掘的前提是存在数据,对于餐饮企业而言,往往存在信息化管理系统,比如1、客户关系管理系统,用于记录客户个性化信息,比如生日、纪念日、喜恶等。2、前厅管理系统,通过无线点点菜方式,快速完成点菜过程。3、后厨管理系统,前厅的菜单可瞬时传达到后厨。4、财务管理系统,用于完成销售统计、销售分析,财务分析。5、物资管理系统,用于完成对物资的进销存管理。通过信息化的建设,餐饮公司积累了大量的历史数据,企业可以从这些数据中洞察商机,提升价值。原创 2022-05-01 22:20:21 · 873 阅读 · 0 评论 -
数据分析思维
在工作中当我们遇到难题时,首先我们需要知道,比如问题诊断、识别机会,规避风险等。这是WHY。那分析什么?比如战略分析,用户偏好分析,STP分析,品牌建设分析,营销组合分析,客户画像等等这是WHAT。那如何分析?就需要打开你的思路与分析视角。如何打开思路:学会提问,熟悉模型,掌握结构化思维。实际的业务问题单靠一个算法模型是解决不好的,很多时候需要多个算法模型来运行。那分析视角有哪些呢?对比视角、相关视角、分类视角和描述视角。对应的分析方法有很多:频数统计、均值分析、SWOT分析,内外因素评价统计、变异原创 2022-01-21 23:55:12 · 1862 阅读 · 0 评论 -
互联网舆情分析
随着互联网的迅速发展,舆情并不是简单的对民意的概括与,而是对某些事件演变过程中民众所持有的社会态度的,已引起越来越高度的重视,互联网已经成为一个虚拟的世界,人们的认知、观点倾向、情感倾向,以碎片化、非体系化的方式在互联网中体现,因此,政府、企业、管理部门开始在对互联网舆情进行监测,关注舆情事件的发生,发展和趋势,提高社会管理工作。因为从事风险管理工作,从舆情的方向分析小微企业客户,因为小微企业固有的特征,信息披露制度不健全,无法通过常规的方式对小微企业的经营活动进行综合评估,银行及其他金融机构能够利原创 2022-01-08 23:18:25 · 916 阅读 · 0 评论 -
分类模型效果评价
通常使用的分类模型包括Rpart决策树、Ctree决策树、Random Forest随机森林、Logistics回归等。这些模型通常利用准确率、精确率、召回率、F值和ROC面积等指标进行评估,针对二分类问题,将实例分成正类(positive)和负类(negative)两类。实际业务中会出四种情况:真正类(True Positive,TP):被模型预测为正类的正样本;假正类(False Positive,FP):被模型预测为正类的负样本;假负类(False Negative,FN):被模型原创 2022-01-07 22:30:00 · 1449 阅读 · 0 评论 -
RFM模型
RFM模型是Recency、Frequency、Monetary三个首字母的缩写,根据最近一次消费、消费频率、消费金额研究客户特征,并因此对客户进行等级划分。通常改进后可以适用多个业务场景,以银行为例,使用BFM模型对客户进行分类,B—存贷款余额,F—最近一年交易次数,M—为最近一年交易金额。建模时,日均余额: 排名前5%——3分 5%-20%——2分 其余——1分 Score1月均交易次数 :排名前50% ——2分 其余——1分 Score2月均交易金额:排名前50% ——2分 其...原创 2022-01-06 23:28:04 · 867 阅读 · 0 评论 -
用户画像的应用
用户画像的维度分解用户画像的数据类型主要是包括静态数据和动态数据,其中静态的数据包括人口属性、商业属性、消费特征、生活形态等;动态属性包括场景、媒体和路径,具体到互联网中场景包括设备访问、访问时段等。**各行业通用的用户画像维度分解:**人口属性描述人的基本信息,对于企业找到目标客户,以及如何触达目标客群有帮助,比如姓名、性别、年龄、电话、邮箱、住址等。信用属性描述客户收入潜力、收入情况和支付能力。收集这些信息有助于了解客户资产情况,定位目标客户,比如学历、职业、收入、资产、负债、信原创 2022-01-05 21:42:52 · 1918 阅读 · 0 评论 -
客户数据分析方法——用户画像
用户画像是建立在一系列真实数据之上的目标用户模型,通过调查、数据采集等一系列手段采取用户信息,了解用户,并根据他们的目标、行为和观点,将他们区分为不同的类型,抽取出每种类型的特征,形成不同的群体。简单来说,用户画像就是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。构建用户画像的核心的工作,是给用户贴“标签”,标签是通过对用户信息分析而来的高度精炼的特征标识。在大数据时代,用户画像已经成为用户分析和用户研究的最为重要的方法之一,我们需要特别注意的是用户画像要建立在真实的数据之上,同原创 2022-01-04 23:50:38 · 3496 阅读 · 0 评论