對于了解機(jī)器學(xué)習(xí)的人來說，數(shù)據(jù)挖掘無疑是一個范圍更大且錢力無限的方向。但隨著這兩年越來越多的有IT編程經(jīng)驗的職場老鳥轉(zhuǎn)行到數(shù)據(jù)分析大賽道，企業(yè)對人才的要求也越來越高了。前一陣，廣大碼農(nóng)們被官方劃成了“新生代農(nóng)民工”，引起了咱圈里或多或少的不服不忿。咱作為技術(shù)人才，怎么就成了工具人了？

算法崗的你也別不服氣，問個問題：雖然手上掌握大幾套算法理論，但換個應(yīng)用場景或業(yè)務(wù)需求，你還那么底氣十足嗎？

01、技術(shù)側(cè)的數(shù)據(jù)挖掘，你缺了啥？

我在互聯(lián)網(wǎng)公司工作多年，看過大量的類似案例，給我最深的感覺就是：同樣一個算法大多用在同樣的業(yè)務(wù)場景。我們在做精準(zhǔn)營銷的時候，大家往往會用邏輯回歸做一個，神經(jīng)網(wǎng)絡(luò)再做一個，然后對比兩者之間的結(jié)果，再從中選擇最優(yōu)者，其實這樣的研究很多時候只能說是在浪費(fèi)資源。

因為大家都知道神經(jīng)網(wǎng)絡(luò)是非線性模型，效果肯定好。但是做研究的目的并不是為了創(chuàng)造一個神經(jīng)網(wǎng)絡(luò)算法，所以類似的研究結(jié)果沒有任何實質(zhì)意義。

長此以往下，精于算法理論的你會產(chǎn)生一種挫敗感：費(fèi)了這么大功夫，產(chǎn)生的價值只是測試了這套算法的可行性。至于當(dāng)被質(zhì)問如何能用算法更好解決復(fù)雜多變的實際業(yè)務(wù)問題時，可能在一臉滄桑的淡定面孔下是慌亂一批的心。

所以，如果你才剛踏入這個行業(yè)或者還有心力把能力和薪資都往上提一提，那么你一定要看看更值錢的那批頂尖的人，除了技術(shù)比你強(qiáng)在哪里。

我們分析了BOSS上的3000個算法崗位發(fā)現(xiàn)，想要拿到年薪百萬，把算法應(yīng)用摸透了或者說將算法用到該用到的地方是你一定要具備的能力。

02、企業(yè)對數(shù)據(jù)的需求點

在企業(yè)當(dāng)中，數(shù)據(jù)主要是為了支持我們做決策，一般也就是在四個層級產(chǎn)生價值：戰(zhàn)略、管理、運(yùn)營和操作。

戰(zhàn)略層級，毋庸置疑，C-Level的這群企業(yè)高管一般要定的是1年周期計劃或是3-5年的戰(zhàn)略方向。哪個賽道有機(jī)會？企業(yè)增長點在哪里？這時候，主要用到的是PEST分析，通過研究報告、行業(yè)分析、宏觀經(jīng)濟(jì)等維度，對數(shù)據(jù)進(jìn)行直接的采集和應(yīng)用。

第二層級就是我們企業(yè)的中堅力量——重要部門的管理者，這一Part考驗的是咱數(shù)據(jù)人商業(yè)策略的優(yōu)化能力。再往下每個分支機(jī)構(gòu)的管理者，就是咱最基層的廣大執(zhí)行部門小領(lǐng)導(dǎo)了。數(shù)據(jù)在這個層面主要就是以報表的形式幫助管理者進(jìn)行業(yè)務(wù)決策。

最下面一個層級的執(zhí)行操作層環(huán)境復(fù)雜，工作繁復(fù)，拿著民工的錢操著老板的心。這一層級絕對是數(shù)據(jù)和算法崗相愛相殺的好戰(zhàn)友，既依賴你給策略又埋怨你不落地。如果你不懂應(yīng)用場景，怎么能搞定這幫眼冒綠光的狼人呢？
比如做節(jié)點大促，需要通過你的算法支持進(jìn)行用戶運(yùn)營和市場觸達(dá)。如果你不清楚用戶畫像、沒搞明白前后端的部門協(xié)同關(guān)系、SOP流轉(zhuǎn)關(guān)鍵結(jié)點和流量的轉(zhuǎn)化路徑，再牛的算法理論都只能是紙上談兵。

不管哪個行業(yè)，都需要這樣一個能給操作層級進(jìn)行AI賦能，讓業(yè)務(wù)效果肉眼可見的蹭蹭漲起來的數(shù)據(jù)大神。

03、掌握解決你99%業(yè)務(wù)問題的算法絕對不靠耗命

看了上面這些，你一定想問：算法在我們實際工作中到底能應(yīng)用于哪些領(lǐng)域？

在波特的價值鏈模型中，真正產(chǎn)生價值的是哪些呢？主要集中在最下端的基本活動。

比如說我們是賣手機(jī)的，從進(jìn)料、后勤生產(chǎn)、后勤銷售、售后服務(wù)，這個就是我們真正的價值鏈。

我們說工業(yè)革命，其實是實現(xiàn)了制造業(yè)的自動化，使得我們的物質(zhì)極為豐富了。那么這次數(shù)字化，其實是在非生產(chǎn)領(lǐng)域產(chǎn)生顛覆性的價值體現(xiàn)。

有些學(xué)者會認(rèn)為，生產(chǎn)領(lǐng)域也是數(shù)字化轉(zhuǎn)型很重要的一個部分，這點不可否認(rèn)。但是我們說在數(shù)字化概念提出之前，像德國這種制造業(yè)的老牌國家，它的生產(chǎn)領(lǐng)域已經(jīng)非常智能，基本上實現(xiàn)了機(jī)器人的完全自動化。

那么問題來了，人家在數(shù)字化概念提出之前，就已經(jīng)實現(xiàn)了完全智能化，那么我們的數(shù)字化特點體現(xiàn)在哪里？就像我上文所說的，非生產(chǎn)領(lǐng)域是我們數(shù)字化轉(zhuǎn)型的重點方向。比如說庫存管理階段的進(jìn)料、后勤、發(fā)貨，銷售營銷，數(shù)字化運(yùn)營，售后服務(wù)，還有研究與開發(fā)等等。

此外，如人力資源管理和一些其他的企業(yè)基礎(chǔ)設(shè)施，比如說財務(wù)，在這次的數(shù)字化革命當(dāng)中，體現(xiàn)的也非常多。

價值鏈上環(huán)節(jié)那么多，如果你還是不懂變通的花費(fèi)大量精力去啃那些只適用于固定場景的算法理論，那么我勸你不如看看我們總結(jié)的能解決你99%業(yè)務(wù)需求的“三大分析范式，九大算法模板”。

04、三大分析范式，九大算法模板

學(xué)術(shù)研究講求標(biāo)新立異，而數(shù)據(jù)挖掘商業(yè)應(yīng)用實踐講求的是標(biāo)準(zhǔn)化和模型質(zhì)量穩(wěn)定。因此CDA.F認(rèn)證委員會提出數(shù)據(jù)挖掘建模框架的三個原則，即以成本-收益分析為單一分析框架、區(qū)分分析主體和客體兩個視角、全模型生命周期工作模板。并且將紛繁多樣的數(shù)據(jù)挖掘應(yīng)用主題歸納為以下“三大分析范式和九大算法模板”。

想要用好這些范式和模板，首先要明確的是要以“成本-收益分析”為單一分析框架。

世界萬事萬物都具有矛盾的兩面性，數(shù)據(jù)挖掘建模力圖通過數(shù)據(jù)反應(yīng)行為背后的規(guī)律，緊抓主要矛盾就是找尋規(guī)律的捷徑。大家都知道，挖掘有效的入模特征是數(shù)據(jù)挖掘建模的難點，一旦我們了解了分析課題的主要矛盾，這個難點就迎刃而解了?！疤煜挛跷踅詾槔麃?，天下攘攘皆為利往”，因此行為分析建模以成本-收益為主要矛盾便是不二的選擇。下面講解如何使用這個框架進(jìn)行分析。

以金融行業(yè)為例，舉三個常見應(yīng)用：

01

信用評分模型中，是否逾期是被預(yù)測變量，而解釋變量中經(jīng)常出現(xiàn)的收入穩(wěn)定性、職業(yè)穩(wěn)定性、家庭穩(wěn)定性、個人社會資本都是在度量其違約成本。信用歷史既是被解釋變量的滯后項，而且也反應(yīng)了違約成本，這就是所謂“破罐子破摔”的人違約程度低。收益會用貸存比、貸收比、首付占比等指標(biāo)來衡量。

02

申請欺詐模型，其標(biāo)簽往往是客觀存在的。入模的特征構(gòu)建以反應(yīng)異常為主，比如異常高的收入、異常高的學(xué)歷、異常密集的關(guān)系人網(wǎng)絡(luò)等。這背后有其統(tǒng)一的成本-收益分析框架。之所以會顯示出異常，是因為造假是有成本的，信用卡申請欺詐者知道收入證明造假可以獲得更高的信用額度，但是由于其居住地、職業(yè)和學(xué)歷沒有造假，因此按照這三個維度對其收入進(jìn)行標(biāo)準(zhǔn)化之后很容易發(fā)現(xiàn)其收入會異常的高。這個可以說是公開的秘密，因為信用卡公司會根據(jù)造假成本對非可靠申請者進(jìn)行授信，使得欺詐者無利可圖。

03

運(yùn)營優(yōu)化模型比如資產(chǎn)組合的持倉問題，其收益是資產(chǎn)的收益率，而成本是其帶來的風(fēng)險，即波動率。建模人員需要選擇收益-成本最優(yōu)的組合。

其次是要區(qū)分分析主體和客體兩個視角。

在數(shù)據(jù)挖掘建模中，定義標(biāo)簽是主體視角。比如營銷預(yù)測模型中客戶是否響應(yīng)，是建模人員自己定的規(guī)則，這個規(guī)則有可能是收到營銷短信后三天內(nèi)注冊賬號并產(chǎn)生訂單。在構(gòu)建入模的特征集時需要采用客體視角，比如手機(jī)銀行的營銷響應(yīng)模型中，入模的特征應(yīng)該反應(yīng)客體的成本-收益的變量，比如年齡反應(yīng)的是使用手機(jī)銀行和去實體渠道的成本。當(dāng)建模人員意識到標(biāo)簽是自己主觀臆斷的時候，便會對該標(biāo)簽的選擇更用心，當(dāng)意識到入模的特征來自于客體時，才會從客體的視角出發(fā)更高效的構(gòu)建特征集。

最后討論全模型生命周期工作模板。

CDA.F認(rèn)證委員會在CRIP-DM和SEMMA的基礎(chǔ)上提出 “高質(zhì)量數(shù)據(jù)挖掘模型開發(fā)的七步法”。在以上七步中，前三步是蓄勢階段，更多的是從業(yè)務(wù)人員、數(shù)據(jù)中吸收經(jīng)驗、形成感知。制作特征、變量處理和建立模型階段是豐富特征、尋找有效模型的階段，幾十個變量和一兩個模型顯然是沒什么選擇必要性的，因此需要通過各種手段探查到最有效的特征和精度最高的模型。最后，模型輸出階段，選出的模型不但精度高，還要穩(wěn)定性強(qiáng)，在業(yè)務(wù)人員使用時要有清晰的業(yè)務(wù)表述。