【BI学习心得17-智能供应链与评分卡模型】

---

写在前面的话

我不知道你有没有这种感受，你知道要进行数据探索，特征工程，但是你还是没有点点感觉，在你确定一个，然后魔改，分数上去了。数据处理就像是一场‘寻宝之旅’，不经意间的Idea带来不一样的结果，有种小小的成就感。

1.智能供应链的特征分析

1.1RFM指标

• Recency，最近一次消费时间间隔
• Frequency，消费频率，一段时间（比如1年）内的消费次数
• Monetary，消费金额，一段时间（比如1年）内的消费金额
  比如今天8月22日，用户A在商店里购买了商品，上一次购买是8月15日，请问Recency=？
• 每个指标越大=>用户价值越高，用3个指标作为XYZ坐标轴，将空间分成8个部分进行分析

1.1.1RFM指标使用场景

一个店铺，某个月收入大幅下跌60%，通过数据分析，发现原来几个重要的用户被竞争对手挖走了（这几个用户贡献了店铺60%的收入）

• $出现这个问题的原因是什么？$

因为店主没有对用户分类，也就是所有用户都采取相同的运营决策 => 用户分类，识别有价值的用户

比如第1类用户，RFM每个指标都很高的用户，是最重要的用户（最近一次消费较近，消费频率高，消费金额高）=> 要提供vip服务

1.1.2RFM指标计算

• Step1，计算用户的R、F、M打分
  

• Step2，计算平均值
  
• Step3，用户分类

• Step4，对应表格，找到用户属于哪个分类
  用户1：重要挽留用户（分类4）
  用户2：一般价值用户（分类5）

1.2分位数(quantile)

四分位数，把数值由小到大排列并分成四等份，处于三个分割点位置的数值就是四分位数

第1四分位数 (Q1)，也叫“较小四分位数”，等于该样本中所有数值由小到大排列后第25%的数字

第2四分位数 (Q2)，也叫“中位数”，等于该样本中所有数值由小到大排列后第50%的数字

第3四分位数 (Q3)，也叫“较大四分位数”，等于该样本中所有数值由小到大排列后第75%的数字

1.2.1分位数的计算

在计算的过程中，考虑p分位，当p=0.25 0.5 0.75 时，相当于计算四分位数

pos = 1+(n-1)*p

mport pandas as pd
import numpy as np
df = pd.DataFrame(np.array([[1, 1], [2, 10], [3, 100], [4, 1000]]), columns=['a', 'b'])
print("原始数据：")
print(df)
print("当p=0.1时，column a和b的分位数")
print(df.quantile(0.1))
print(df.quantile([0.25, 0.75]))

# 计算a列
pos = 1 + (4 - 1)*0.1 = 1.3fraction = 0.3result = 1 + (2 - 1) * 0.3 = 1.3

# 计算b列
pos = 1.3
result = 1 + (10 - 1)* 0.3 = 3.7

# (n-1)*p的结果中整数部分a, 小数部分为b 
# pos = a+1
# 最终的结果为df[pos]+(df[pos+1]-df[pos])*b

1.3LDA

LDA，即线性判别分析（Linear Discriminant Analysis）。LDA的目的是进行分类，思想就是：最大化类间方差与最小化类内方差，即减少分类内部之间的差异，增加不同分类之间的差异
假设有红蓝两类样本，按照LDA的思想，对于二分类问题，要找一条直线，使得样本在线上的投影满足上述条件

可以看到两条曲线，LD1和LD2：
在LD1的投影，两个类间距较大
在LD2的投影，间距很小，几乎重合
这就满足了最大化类间方差，和最小化类内方差