通過(guò)兩周前的文章“美林?jǐn)?shù)據(jù)： 數(shù)據(jù)挖掘方法論—企業(yè)數(shù)據(jù)挖掘成功之道（方法篇）| 會(huì)員專欄”大家應(yīng)該已經(jīng)對(duì)“數(shù)據(jù)挖掘”有了一個(gè)更清晰全面的認(rèn)識(shí)。哪些在具體業(yè)務(wù)中，如何有效應(yīng)用，快速落地一個(gè)項(xiàng)目應(yīng)用實(shí)踐呢？今天我們將以一個(gè)行業(yè)實(shí)際案例為主，依據(jù)“數(shù)據(jù)挖掘方法論”“詳細(xì)可參閱歷史推文《數(shù)據(jù)挖掘方法論》”為大家詳細(xì)解析，如何快速完成一個(gè)項(xiàng)目應(yīng)用實(shí)踐，通過(guò)數(shù)據(jù)挖掘技術(shù)和方法，獲取業(yè)務(wù)應(yīng)用價(jià)值。

數(shù)據(jù)挖掘方法論為開(kāi)展數(shù)據(jù)挖掘項(xiàng)目提供了一套完整的、高效的、質(zhì)量可控的項(xiàng)目管理過(guò)程。CRISP-DM方法論將一個(gè)數(shù)據(jù)挖掘項(xiàng)目的生命周期分為六個(gè)階段，其中包括業(yè)務(wù)理解(businessunderstanding），數(shù)據(jù)理解 (data understanding），數(shù)據(jù)準(zhǔn)備(data preparation)，建立模型(modeling），評(píng)估模型(evaluation)和結(jié)果部署(deployment)。

那么，在一個(gè)實(shí)際的數(shù)據(jù)挖掘工作中，如何落地實(shí)踐這套挖掘方法論呢？下面我們將以“公募基金精準(zhǔn)營(yíng)銷”為例，詳細(xì)介紹數(shù)據(jù)挖掘項(xiàng)目開(kāi)展流程和步驟【建模工具采用：TempoAI完成】。

業(yè)務(wù)背景：券商發(fā)行的公募基金產(chǎn)品，傳統(tǒng)的營(yíng)銷方式為外呼人員電話營(yíng)銷。傳統(tǒng)電話營(yíng)銷方式存在的問(wèn)題主要有兩點(diǎn)：

• 工作量巨大，因?yàn)槭怯萌靠蛻裘麊蝸?lái)打電話營(yíng)銷：開(kāi)展10萬(wàn)人次外呼營(yíng)銷任務(wù)，要4個(gè)外呼人員1年的工作量；

• 意向成功率過(guò)低，平均接通率54%，意向成功率18.09%左右。

涉及部門：信息技術(shù)部、營(yíng)銷部、客服部（外呼中心）

業(yè)務(wù)目標(biāo)：提升意向成功率，優(yōu)化外呼營(yíng)銷策略，切實(shí)增加意向成功用戶數(shù)，提高投入產(chǎn)出率。

分析方案：

• 分類預(yù)測(cè)：構(gòu)建潛客預(yù)測(cè)模型，預(yù)測(cè)高概率購(gòu)買公募基金的潛在客戶，為券商提供精準(zhǔn)營(yíng)銷客戶名單。

分析成果驗(yàn)證：將分析產(chǎn)生的預(yù)測(cè)會(huì)夠買的人員名單，提供給外呼中心，進(jìn)行外呼推薦公募基金產(chǎn)品，最終將推薦名單外呼和傳統(tǒng)的外呼效果進(jìn)行比對(duì)，對(duì)比外呼成功率，從而判斷分析成果是否顯著。

收集的數(shù)據(jù)表信息包括：

• 借記卡用戶基本信息表

• 信用卡用戶基本信息表、用戶狀態(tài)標(biāo)識(shí)代碼表

• 信用卡卡片信息表、信用卡卡片代碼表、卡片狀態(tài)標(biāo)識(shí)代碼表

• 信用卡交易流水信息表

• 用戶的業(yè)務(wù)信息表

• 公共信息表：商戶代碼MCC碼表、用戶職業(yè)代碼表等

• 歷史外呼反饋信息表

• 信用卡違約狀態(tài)及未還款的歷史數(shù)據(jù)

• 設(shè)備信息

針對(duì)收集到的數(shù)據(jù)信息，進(jìn)行數(shù)據(jù)理解：

用戶特征探索：待營(yíng)銷用戶群體的分布形態(tài)，營(yíng)業(yè)部分布，性別分布，風(fēng)險(xiǎn)等級(jí)分布及業(yè)務(wù)開(kāi)通情況。

數(shù)據(jù)準(zhǔn)備工作包括為建模工作準(zhǔn)備數(shù)據(jù)的選擇、轉(zhuǎn)換、清洗、構(gòu)造、整合及格式化等多種數(shù)據(jù)預(yù)處理工作。這里主要進(jìn)行了數(shù)據(jù)指標(biāo)體系設(shè)計(jì)、建模所需字段的生成、缺失值處理等。

TempoAI數(shù)據(jù)處理：

基于用戶基本信息如風(fēng)險(xiǎn)等級(jí)、開(kāi)戶年限、年齡等，資產(chǎn)信息如總資產(chǎn)、近一年最大資產(chǎn)、近半年日均資產(chǎn)等，產(chǎn)品交易信息如股票交易次數(shù)、近兩年最后買公墓基金天數(shù)、近半年理財(cái)持有比例，構(gòu)建用戶公募基金潛客預(yù)測(cè)模型，基于該模型，可以預(yù)測(cè)高概率購(gòu)買公募基金的潛在客戶，為券商提供精準(zhǔn)營(yíng)銷客戶名單。在TempoAI中構(gòu)建的建模流程如下：

建模步驟說(shuō)明：

1、讀取數(shù)據(jù)

2、設(shè)置角色

3、數(shù)據(jù)拆分

4、梯度提升決策樹(shù)

選擇一個(gè)分類算法，構(gòu)建分類模型，這里我們選擇梯度提升決策樹(shù)算法，將數(shù)據(jù)拆分后的訓(xùn)練集接入算法，參數(shù)設(shè)置如下：

5、訓(xùn)練集分類評(píng)估

將算法的M端口和D端口連接一個(gè)分類評(píng)估節(jié)點(diǎn)，評(píng)估訓(xùn)練集的預(yù)測(cè)效果。分類評(píng)估節(jié)點(diǎn)參數(shù)設(shè)置如下：

6、模型利用

7、測(cè)試集分類評(píng)估

8、模型輸出

將訓(xùn)練好的模型輸出到模型庫(kù)。

9、連接END端點(diǎn)

評(píng)估模型，指在此階段，需要從技術(shù)層面判斷模型效果以及從業(yè)務(wù)層面判斷模型在實(shí)際商業(yè)環(huán)境當(dāng)中的實(shí)用性。

流程執(zhí)行成功后，可在洞察頁(yè)面，查看流程執(zhí)行的結(jié)果：

這里我們主要看分類模型評(píng)估結(jié)果及分類模型預(yù)測(cè)結(jié)果。

• 點(diǎn)擊“梯度提升決策樹(shù)節(jié)點(diǎn)”查看分類模型內(nèi)容及預(yù)測(cè)結(jié)果數(shù)據(jù)集：

下圖為模型內(nèi)容：決策樹(shù)及層級(jí)說(shuō)明信息

下圖為預(yù)測(cè)結(jié)果數(shù)據(jù)集信息：可從業(yè)務(wù)角度評(píng)估預(yù)測(cè)結(jié)果的合理性。

• 點(diǎn)擊“分類評(píng)估節(jié)點(diǎn)”查看分類評(píng)估結(jié)果（包括訓(xùn)練集評(píng)估和測(cè)試集評(píng)估）

訓(xùn)練集評(píng)估結(jié)果：包括模型的準(zhǔn)確率、混淆矩陣、ROC/PR、Lift曲線、Gains曲線、基尼系數(shù) 、K-S曲線。綜合各評(píng)估指標(biāo)及曲線，模型評(píng)估效果較好。

測(cè)試集評(píng)估結(jié)果：如下圖

經(jīng)過(guò)模型訓(xùn)練和模型測(cè)試，得到了比較理想的預(yù)測(cè)模型。需要將模型的成果書面化，結(jié)合前幾個(gè)階段進(jìn)行總結(jié)，形成數(shù)據(jù)“分析報(bào)告”。如果涉及到工程化應(yīng)用，還需要將模型發(fā)布成不同方式（調(diào)度、同步/異步服務(wù)API、實(shí)時(shí)服務(wù)等），供其它業(yè)務(wù)系統(tǒng)進(jìn)行整合，形成最終的決策應(yīng)用系統(tǒng)，需要“部署應(yīng)用”。

分析報(bào)告

TempoAI洞察頁(yè)面，支持直接導(dǎo)出Word格式的完整挖掘流程建模分析報(bào)告。如下圖所示：

部署應(yīng)用

構(gòu)建一個(gè)預(yù)測(cè)流程，利用訓(xùn)練好的模型，然后把預(yù)測(cè)流程發(fā)布，并部署為應(yīng)用。

（1）構(gòu)建預(yù)測(cè)流程

將要預(yù)測(cè)的數(shù)據(jù)作為數(shù)據(jù)源，讀取并利用已輸出的分類預(yù)測(cè)模型，構(gòu)建預(yù)測(cè)流程。如下所示：

（2）發(fā)布預(yù)測(cè)流程

進(jìn)入“部署”“-“發(fā)布”，將預(yù)測(cè)流程發(fā)布。

（3）構(gòu)建調(diào)度

在“部署”-“應(yīng)用”，將已發(fā)布的預(yù)測(cè)流程構(gòu)建調(diào)度任務(wù)。平臺(tái)提供任務(wù)調(diào)度器，可配置調(diào)度任務(wù)，將的一個(gè)或多個(gè)流程在指定的日期范圍內(nèi)按一定的頻率定期執(zhí)行，完成預(yù)測(cè)任務(wù)。如下所示：

（4）構(gòu)建服務(wù)

在“部署”-“應(yīng)用”，用戶可將已發(fā)布流程構(gòu)建一個(gè)服務(wù)，根據(jù)流程數(shù)據(jù)源的不同，分為同步服務(wù)、異步服務(wù)和流服務(wù)。同步服務(wù)：支持第三方系統(tǒng)通過(guò)Thrift/Rest調(diào)用流程，實(shí)時(shí)返回預(yù)測(cè)結(jié)果。異步服務(wù)：支持第三方系統(tǒng)通過(guò)Rest調(diào)用流程，按照指定頻率定期執(zhí)行，完成模型構(gòu)建或數(shù)據(jù)預(yù)測(cè)，預(yù)測(cè)結(jié)果輸入到指定數(shù)據(jù)庫(kù)。流服務(wù)：開(kāi)啟服務(wù)，當(dāng)Kafka的隊(duì)列中有消息時(shí)，即可執(zhí)行流程，完成對(duì)于流式數(shù)據(jù)的實(shí)時(shí)處理。

（5）服務(wù)調(diào)用

第三方系統(tǒng)可調(diào)用相應(yīng)的API，通過(guò)在第三方系統(tǒng)輸入?yún)?shù)，調(diào)用服務(wù)，并返回服務(wù)的執(zhí)行狀態(tài)。

調(diào)用方式：打開(kāi)該服務(wù)的測(cè)試頁(yè)面，“下載示例代碼”、“下載SDK”。將下載的示例代碼文件中的代碼段復(fù)制粘貼，即可通過(guò)運(yùn)行代碼調(diào)用該異步服務(wù)。調(diào)用接口可供營(yíng)銷業(yè)務(wù)系統(tǒng)進(jìn)行整合，形成最終的決策應(yīng)用系統(tǒng)，給營(yíng)銷外呼中心提供營(yíng)銷名單，指導(dǎo)實(shí)際業(yè)務(wù)的開(kāi)展。

（6）部署結(jié)果驗(yàn)證

將預(yù)測(cè)分析產(chǎn)生的預(yù)測(cè)購(gòu)買人員名單，提供給外呼中心，進(jìn)行外呼推薦公募基金產(chǎn)品，最終將推薦名單外呼和傳統(tǒng)的外呼效果進(jìn)行比對(duì)，對(duì)比結(jié)果如下：推薦外呼11天，撥打5877通電話（占傳統(tǒng)外呼36.01%），得到意向客戶數(shù)1664個(gè)，是傳統(tǒng)外呼開(kāi)展32天的整體意向客戶數(shù)的1.08倍。結(jié)合營(yíng)銷活動(dòng)的成本和成果兩個(gè)方面考慮，綜合效果提升3.14倍。

【會(huì)員企業(yè)】美林?jǐn)?shù)據(jù)

美林?jǐn)?shù)據(jù)技術(shù)股份有限公司（簡(jiǎn)稱：美林?jǐn)?shù)據(jù)，NEEQ：831546）是國(guó)內(nèi)知名的數(shù)據(jù)治理和數(shù)據(jù)分析服務(wù)提供商，重點(diǎn)面向企業(yè)客戶提供數(shù)據(jù)資產(chǎn)管理、數(shù)據(jù)分析與挖掘、數(shù)據(jù)開(kāi)發(fā)應(yīng)用為主的大數(shù)據(jù)產(chǎn)品及增值解決方案，引領(lǐng)大數(shù)據(jù)應(yīng)用和產(chǎn)業(yè)數(shù)據(jù)運(yùn)營(yíng)等創(chuàng)新服務(wù)模式。

公司專注數(shù)據(jù)價(jià)值發(fā)掘、深耕行業(yè)應(yīng)用，以大數(shù)據(jù)、人工智能技術(shù)及產(chǎn)品創(chuàng)新應(yīng)用為方向，構(gòu)建企業(yè)核心競(jìng)爭(zhēng)力。公司現(xiàn)已形成數(shù)據(jù)資源管理平臺(tái)（TempoDM）、數(shù)據(jù)可視化平臺(tái)（TempoBI）、人工智能平臺(tái)（TempoAI）系列大數(shù)據(jù)管理與分析應(yīng)用系列產(chǎn)品，為企業(yè)級(jí)用戶提供一體化、一站式大數(shù)據(jù)服務(wù)。依托領(lǐng)先的產(chǎn)品和技術(shù)優(yōu)勢(shì)，美林?jǐn)?shù)據(jù)聚焦智能制造、智慧能源兩大核心領(lǐng)域，同時(shí)拓展智慧軍工、汽車裝配、家電制造、智慧水務(wù)、智慧金融等細(xì)分領(lǐng)域，致力于打造企業(yè)級(jí)大數(shù)據(jù)應(yīng)用樣板，以數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)、探索行業(yè)數(shù)據(jù)運(yùn)營(yíng)新模式。

會(huì)員專欄是針對(duì)會(huì)員企業(yè)的高質(zhì)量原創(chuàng)內(nèi)容與精彩觀點(diǎn)的分享欄目，為會(huì)員企業(yè)提供深度思考、創(chuàng)新理念、案例經(jīng)驗(yàn)、專業(yè)成就等內(nèi)容分享的平臺(tái)，旨在擴(kuò)大會(huì)員企業(yè)先進(jìn)思想的影響，傳播AI大數(shù)據(jù)的正確理念，促進(jìn)AI大數(shù)據(jù)落地應(yīng)用，助力傳統(tǒng)產(chǎn)業(yè)智能化轉(zhuǎn)型升級(jí)。
會(huì)員專欄歡迎廣大會(huì)員企業(yè)積極參與、踴躍投稿，投稿請(qǐng)注意須為原創(chuàng)。

投稿郵箱：contact@tsingdata.com
合作聯(lián)系：小數(shù)點(diǎn)（decimal_point）