数据处理：计算用户得分进行用户重要性排名

不妥之处，欢迎评论指出。

场景说明

假设我们有10000个用户的信息（涉及四个指标，不排除指标之间有相关性），我们希望能够对用户进行重要性排名，找出最重要的用户进行业务上的重点观察（业务方设定这部分用户占总体用户的20%）.

四个指标的特性如下：

指标名称	指标特性	单因素排序时的处理方式	指标重要级别
历史消费金额	越大越好	降序取前20%	****
历史违约次数	越小越好	升序取前20%	***
历史消费次数	越大越好	降序取前20%	**
用户月收入	越大越好	降序取前20%	*

我们通过上表可以发现这四个指标有以下特性：
1.前三个指标的业务意义明显相近，而第四个指标（用户月收入）则与前三个指标明显并不属于同一类别，但是该指标确实又会对前三个指标有一定的影响。同时，第四个指标的数据质量很难保证，也就是说企业所获取的用户月收入数据真实性无法衡量。
2.有的指标需要降序处理，有的指标需要升序处理，那么如何进行综合处理呢？
3.指标量纲不一。单从数值来看次数与金额明显不会是一个数量级别。

处理方式

业务方提出了一个需求：我们想知道最重要的20%用户都是谁。

方案一
业务方也没非说要计算一个总得分再进行排名，那么数据分析方想到的第一个方案是，既然业务方已经划定了各指标的重要性级别，那么我们就分层进行过滤就好啦。我们计算出一个方案，每一层抽取ai%用户进入下一层的抽取。只要保证20%=${\sum }_{i=1}^{4}ai$就可以了。
那么如何保证能在ai上体现各个指标的重要性差别呢？我们需要给更重要的指标更大的过滤权利，也就是使a1<a2<a3<a4，这样就能使第一个指标过滤掉大部分的用户（比如说a1=30，那么在最重要的指标这里我们一下子就能筛去70%的用户），而最不重要的指标（比如说a4=95，那么最后一层仅仅能筛掉上一层留下来的用户中5%的用户）则无法筛掉太多用户。

方案二
但是方案一的ai组合很难计算得出，并且具有一定的偶然性，我们希望能够对这个计算的结果进行非常强势的把控，于是我们想到了方案2。我们真的想计算一个总得分再排名，那么怎么办呢？
一般来说我们会给各指标根据重要性赋权重（重要性越高权重值越大），然后对数值进行归一化处理，最后计算就好啦。但是！我们这里有的指标是越大越好，有的指标是越小越好，因此直接使用数值进行加权计算是不合理的。
针对这种让人头大的数据情况，我们使用了一个比较骚的方法，我们先对每个指标按其指标特性进行升序或者降序排序，以其排序值代替其原始数值作为特征，然后再对处理后的特征进行加权计算，最终得到一个总得分。
比如我们对历史消费金额、历史消费次数、用户月收入进行降序排序，用户违约次数进行升序排序，一共进行4次排序（N个指标就进行N次排序，每次独立地针对一个指标），记录下每一个用户id的数据在每一次排序时的排序数值。对排序值进行加权计算，那么最后对得到的总得分进行升序排序，排在前20%的就是我们要的用户群体啦。
关于对指标进行排序时使用的方法，由于需要使用排序值进行加权计算，因此我们需要保证具有相同数值的记录排序数值也相同，也就是需要使用rank()进行排序而不是row_number()。
关于排序时如何选择升序还是降序，原则是我们需要保证各个指标排序的前x%部分都是（注意！要都是）我们想要的，或者都是我们不想要的。也就是在排序上要将我们的偏好统一，统一排序的前x%是满足我们偏好的，或者后x%是满足我们偏好的。