金融大數(shù)據(jù)實(shí)踐研究

1、金融大數(shù)據(jù)實(shí)踐研究連接連接降維降維新一代金融服務(wù):需要？一把手工程一把手工程數(shù)據(jù)科學(xué)家數(shù)據(jù)科學(xué)家風(fēng)險(xiǎn)管理貸款服務(wù)商業(yè)票據(jù)系統(tǒng)投資理財(cái)系統(tǒng)中間業(yè)務(wù)三方存托管賬戶管理卡業(yè)務(wù)各類生活應(yīng)用 （出行 購(gòu)物 醫(yī)療服務(wù)）積分管理 流量管理打造互聯(lián)網(wǎng)金融銀行證券保險(xiǎn)銀之杰生態(tài)圈公司介紹大數(shù)據(jù)與互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)定價(jià)精準(zhǔn)營(yíng)銷互聯(lián)網(wǎng)資產(chǎn)交易平臺(tái)互聯(lián)網(wǎng)財(cái)富管理互聯(lián)網(wǎng)保險(xiǎn)征信超級(jí)支付大數(shù)據(jù)互聯(lián)網(wǎng)金融業(yè)務(wù)板塊互聯(lián)網(wǎng)金融基礎(chǔ)設(shè)施金融行業(yè)大數(shù)據(jù)建設(shè)方法論大數(shù)據(jù)平臺(tái)的建設(shè)。首先應(yīng)該規(guī)整、規(guī)范、統(tǒng)一和梳理行內(nèi)已有數(shù)據(jù)。對(duì)已有的客戶綜合視圖，產(chǎn)品視圖和賬戶視圖進(jìn)行完整和統(tǒng)一的梳理；能夠完全兼容并提高現(xiàn)有查詢等。 這是基礎(chǔ)。獲取、豐富

2、數(shù)據(jù)； 整合外部數(shù)據(jù)；打通外部數(shù)據(jù)； 完成多層次、多維度的360度客戶視圖的完善和補(bǔ)充， 其中技術(shù)實(shí)現(xiàn)如模型和算法的提升、自動(dòng)化和具備前瞻性。針對(duì)具體的、明確的新業(yè)務(wù)和新產(chǎn)品進(jìn)行快速落地和創(chuàng)新實(shí)現(xiàn)。用互聯(lián)網(wǎng)模式進(jìn)行快速迭代，孵化出全新的業(yè)務(wù)應(yīng)用。大數(shù)據(jù)就在你我身邊衣食住行優(yōu)衣庫(kù) 線上線下打通 促進(jìn)服務(wù)提升 店面選址APP應(yīng)用輿情分析智能探頭，肯特基 跟蹤用戶互動(dòng)、店內(nèi)客流和預(yù)定情況，大數(shù)據(jù)分析人員對(duì)于菜單變化和餐廳設(shè)計(jì)等的優(yōu)化和預(yù)測(cè)是物流等整個(gè)閉環(huán)優(yōu)化。 星巴克的選址和部分店面空間設(shè)計(jì)采用大數(shù)據(jù)分析大數(shù)據(jù)于我們就如水電一樣在我們身邊俱樂(lè)部式高檔酒店大數(shù)據(jù)分析客戶歷史數(shù)據(jù)和酒店就餐和運(yùn)動(dòng)及活動(dòng)數(shù)

3、據(jù)優(yōu)質(zhì)客戶旅游線熱線路0元出行， 10%本金出行。從搜索到交易達(dá)成、包括金融服務(wù)大數(shù)據(jù)在國(guó)際銀行業(yè)的主要應(yīng)用大數(shù)據(jù)在國(guó)內(nèi)銀行業(yè)的主要應(yīng)用個(gè)人畫(huà)像；企業(yè)畫(huà)像批量獲客跨界融合整合資源與產(chǎn)業(yè)升級(jí)反欺詐應(yīng)用(申請(qǐng)欺詐；交易欺詐)小微企業(yè)貸款評(píng)估P2P平臺(tái)快速(極速)放貸產(chǎn)品組合優(yōu)化輿情分析服務(wù)升級(jí)(個(gè)性化、多樣化服務(wù))精準(zhǔn)預(yù)測(cè)個(gè)性化推薦聯(lián)合營(yíng)銷 從上一周的聲量表現(xiàn)來(lái)看，南京銀行聲量略高于江蘇銀行。 從聲量平臺(tái)分布來(lái)看，南京銀行在新聞、論壇和博客上產(chǎn)生的聲量遠(yuǎn)高于江蘇銀行。輿情聲量概覽 一周總聲量備注：數(shù)據(jù)周期為2015年7月20日-7月26日，南京銀行總聲量為2,733，江蘇銀行總聲量為1,608。聲

4、量平臺(tái)分布南京銀行熱詞云圖熱詞云圖 在新聞平臺(tái)上，南京銀行經(jīng)常與平安銀行、寧波銀行和交通銀行等共同提及，江蘇銀行提及量較為靠后。 股票和理財(cái)產(chǎn)品是最為熱門(mén)的兩個(gè)討論話題。在新聞平臺(tái)上，南京銀行經(jīng)常與平安銀行、寧波銀行、交通銀行、興業(yè)銀行、華泰證券，江蘇銀行、中信銀行和浦發(fā)銀行共同提及。股票是時(shí)下的熱議話題，在銀行板塊的股票中，南京銀行的正面評(píng)價(jià)居多。理財(cái)產(chǎn)品也收到消費(fèi)者熱議，其收益率表現(xiàn)是普遍關(guān)注點(diǎn)。備注：數(shù)據(jù)周期為2015年7月20日-7月26日，南京銀行總聲量為2,733，江蘇銀行總聲量為1,608。熱詞云圖 江蘇銀行與招商銀行、平安銀行、民生銀行等共同提及率較高。 其房貸首付六折政策在新

5、聞平臺(tái)上傳播較廣。 消費(fèi)者對(duì)信用卡和理財(cái)產(chǎn)品最為關(guān)注。江蘇銀行熱詞云圖 備注：數(shù)據(jù)周期為2015年7月20日-7月26日，南京銀行總聲量為2,733，江蘇銀行總聲量為1,608。江蘇銀行與招商銀行、平安銀行、民生銀行、南京銀行、匯豐銀行、光大銀行、交通銀行、興業(yè)銀行和寧波銀行等共同提及率較高。江蘇銀行實(shí)行房貸首付六折政策，相關(guān)新聞報(bào)道較多。信用卡和理財(cái)產(chǎn)品是消費(fèi)者較為關(guān)注的話題。情感表現(xiàn) 由于聲量來(lái)源以新聞為主，因此帶有情感傾向的消費(fèi)者討論聲量非常小。其中，南京銀行的口碑優(yōu)于負(fù)面口碑。 南京銀行由于股票未跌停以及沒(méi)有手續(xù)費(fèi)收到好評(píng)，然后消費(fèi)者也對(duì)其報(bào)表持不信任態(tài)度。 江蘇銀行的正面聲量主要來(lái)源

6、于對(duì)其銀行的崇拜和公益活動(dòng)的稱贊，負(fù)面聲量較為含糊，未明確為指出原因。備注：數(shù)據(jù)周期為2015年7月20日-7月26日，南京銀行總聲量為2,733，江蘇銀行總聲量為1,608。情感表現(xiàn)南京銀行江蘇銀行正面94中立2,7231,598負(fù)面16聲量情感表現(xiàn)負(fù)面聲量舉例不良率和業(yè)績(jī)?cè)鏊僦笜?biāo)整體都不容樂(lè)觀。此外南京銀行的報(bào)表會(huì)美到我不敢相信。正面聲量舉例而我買的 南京銀行 是銀行里唯一漲得還是很欣慰的。.銀行板塊也普遍下跌，僅 南京銀行 一只股票在漲。.只有少數(shù)銀行沒(méi)有手續(xù)費(fèi)，目前好像有 南京銀行 .例舉負(fù)面聲量舉例江蘇銀行 是不是倒閉了啊，沒(méi)有聽(tīng)到動(dòng)靜跑了好幾站路，發(fā)現(xiàn)一家 江蘇銀行 ，結(jié)果不能辦現(xiàn)

7、在坐車去浦發(fā)銀行看看.正面聲量舉例今天很幸運(yùn)見(jiàn)到了江蘇銀行的夏董事長(zhǎng)，估計(jì)這輩子也就只能這一次了，其他的行長(zhǎng)都沒(méi)什么特別的，他一出場(chǎng)就有一股浩然正氣的感覺(jué)為讓這些馬路天使能在這么酷熱的天氣中有個(gè)喝口水、歇歇腳的地方，錦帆路社區(qū)聯(lián)系 江蘇銀行 滄浪支行在行里為環(huán)衛(wèi)工人們?cè)O(shè)立了一處“清涼驛站”，給他們一個(gè)夏日小憩、清涼飲水之處。.傳統(tǒng)客戶視圖-數(shù)據(jù) +模型 =用戶畫(huà)像-立體 多維度 深層次 細(xì)顆粒度 對(duì)應(yīng)的不同的業(yè)務(wù)和多樣的應(yīng)用場(chǎng)景-快速識(shí)別白名單和黑名單；提高自動(dòng)核準(zhǔn)率， 從而提升效率-精準(zhǔn)營(yíng)銷；征信評(píng)級(jí)； 反欺詐； 動(dòng)態(tài)調(diào)整級(jí)別和監(jiān)控 （增收和降低壞賬率）、快速放貸運(yùn)營(yíng)提升 和 服務(wù)提升 。-

8、這里需要刻畫(huà)用戶， 不同特征， 不同地區(qū)往往涉及到基本自然屬性、興趣愛(ài)好、購(gòu)物行為和愛(ài)好。 用戶畫(huà)像vs 打標(biāo)簽 （標(biāo)簽的組合，標(biāo)簽 派生特征， 標(biāo)簽關(guān)聯(lián)關(guān)系)大數(shù)據(jù)客戶畫(huà)像銀行的數(shù)據(jù) + 外部數(shù)據(jù)1. 銀行在使用的數(shù)據(jù)“銀行內(nèi)部可用信息的使用率僅僅是1/3, 仍然有大片數(shù)據(jù)荒地， 價(jià)值有待挖掘”-信用卡交易記錄-用戶交易往來(lái)記錄-用戶貸款還款數(shù)據(jù)-客戶基本信息-基本評(píng)分?jǐn)?shù)據(jù)2. 尚未有效 使用的數(shù)據(jù)- 銀行網(wǎng)站互動(dòng)信息和使用行為信息- 社交媒體公眾號(hào)信息- 呼叫中心錄音數(shù)據(jù)- 移動(dòng)銀行用戶定位和行為數(shù)據(jù)- 監(jiān)控視頻3. 多樣多維豐富的外部數(shù)據(jù)- 如運(yùn)營(yíng)商數(shù)據(jù)、主流電商網(wǎng)站數(shù)據(jù)；上網(wǎng)痕跡數(shù)據(jù)；

9、- 旅行航空數(shù)據(jù)等；- 企業(yè)用戶行業(yè)數(shù)據(jù)；- 企業(yè)用戶經(jīng)營(yíng)相關(guān)數(shù)據(jù)；- 企業(yè)用戶納稅和工商數(shù)據(jù)；- 房租水電數(shù)據(jù)- 用戶的三表數(shù)據(jù)明略大數(shù)據(jù)畫(huà)像樣例標(biāo)簽維度標(biāo)簽維度子維度子維度關(guān)鍵詞匹配關(guān)鍵詞匹配語(yǔ)義分析語(yǔ)義分析機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)標(biāo)簽文本標(biāo)簽文本標(biāo)簽取值標(biāo)簽取值姓名姓名姓y姓置信度名y名置信度人口屬性人口屬性性別yyy0表示女，100表示男年齡y年齡置信度教育程度y0,1,2,3置信度收入水平y(tǒng)0,1,2,3置信度職業(yè)yy職業(yè)置信度地域yy地域置信度家庭成員家庭成員有配偶y0表示無(wú)，100表示有有老人y0表示無(wú)，100表示有有子女yy0表示無(wú)，100表示有有寵物yy0表示無(wú)，100表示有消費(fèi)興趣

10、消費(fèi)興趣行業(yè)大類yy頻次子類目yy頻次個(gè)性標(biāo)簽yy頻次推薦標(biāo)簽y置信度大數(shù)據(jù)客戶畫(huà)像實(shí)戰(zhàn)模型 - 大數(shù)據(jù)客戶畫(huà)像實(shí)戰(zhàn)模型 - 自定義自定義航空出行yy頻次租車yy頻次旅游yy頻次信用卡yy頻次P2Pyy頻次外部數(shù)據(jù)源y置信度逾期y頻次退貨y頻次統(tǒng)計(jì)指標(biāo)統(tǒng)計(jì)指標(biāo)短信數(shù)量短信數(shù)量高頻詞 高頻詞（多個(gè)）頻次（多個(gè)）優(yōu)質(zhì)客戶特征分析- 模型流程模型流程個(gè)人信貸數(shù)據(jù)數(shù)據(jù)清洗特征處理特征降維基于經(jīng)驗(yàn)規(guī)則標(biāo)注K-近鄰算法補(bǔ)充信貸經(jīng)理標(biāo)注優(yōu)質(zhì)/不良客戶識(shí)別模型新客戶識(shí)別結(jié)果存量客戶精耕細(xì)作 優(yōu)質(zhì)分析#1、基于經(jīng)驗(yàn)規(guī)則標(biāo)注種子、基于經(jīng)驗(yàn)規(guī)則標(biāo)注種子#2、K-近鄰算法補(bǔ)充近鄰算法補(bǔ)充#3、信貸經(jīng)理標(biāo)注驗(yàn)證、信貸經(jīng)

11、理標(biāo)注驗(yàn)證#4、最終結(jié)果、最終結(jié)果存量客戶分析的一些基本算法優(yōu)質(zhì)客戶&不良客戶特征分析共發(fā)現(xiàn)客戶92萬(wàn)多個(gè)特征其中有效區(qū)分優(yōu)質(zhì)不良客戶的特征9000多個(gè)存量客戶分析的算法和模型優(yōu)化優(yōu)質(zhì)客戶&不良客戶統(tǒng)計(jì)存量客戶分析結(jié)果樣例優(yōu)質(zhì)客戶&不良客戶特征分析存量客戶分析結(jié)果樣例優(yōu)質(zhì)客戶&不良客戶特征分析存量客戶分析結(jié)果樣例存量客戶分析結(jié)果樣例數(shù)據(jù)+平臺(tái)+應(yīng)用“三位一體”方法論26第一階段：存量客戶統(tǒng)一視圖實(shí)施路線業(yè)務(wù)指標(biāo)摸底業(yè)務(wù)指標(biāo)摸底數(shù)據(jù)數(shù)據(jù)現(xiàn)狀調(diào)研和分析現(xiàn)狀調(diào)研和分析數(shù)據(jù)治理數(shù)據(jù)治理和和規(guī)范規(guī)范標(biāo)準(zhǔn)標(biāo)準(zhǔn)大數(shù)據(jù)平臺(tái)大數(shù)據(jù)平臺(tái)-可控的-好用的-數(shù)據(jù)一致的-反應(yīng)及時(shí)的-彈性

12、可擴(kuò)展的客戶統(tǒng)一客戶統(tǒng)一視圖視圖- 業(yè)務(wù)部門(mén)- 信科部- 數(shù)據(jù)源頭摸底系統(tǒng)化調(diào)查、記錄、整理- 總行數(shù)據(jù)庫(kù)平臺(tái)- 省行數(shù)據(jù)下載平臺(tái)- 業(yè)務(wù)分析和業(yè)務(wù)發(fā)展需求(和數(shù)據(jù)平臺(tái)支撐相關(guān))調(diào)研并確定最優(yōu)先業(yè)務(wù)- 目前數(shù)據(jù)質(zhì)量分析- 數(shù)據(jù)治理重點(diǎn)領(lǐng)域規(guī)劃- 數(shù)據(jù)標(biāo)準(zhǔn)和規(guī)范機(jī)制規(guī)劃和執(zhí)行計(jì)劃 客戶基本信息 客戶聯(lián)系信息 客戶關(guān)系信息 客戶服務(wù)和互動(dòng)信息 客戶VIP分析循環(huán)調(diào)研分析和輸出物討論,螺旋式不斷完善存量客戶梳理統(tǒng)一視圖結(jié)果圖存量客戶梳理統(tǒng)一視圖結(jié)果圖銀行已有數(shù)據(jù)資產(chǎn)：客戶關(guān)系CRM系統(tǒng)， ECIF系統(tǒng)中的數(shù)據(jù).外部數(shù)據(jù) = 不同特征、不同維度的數(shù)據(jù)使用場(chǎng)景 （應(yīng)景彈性變化的數(shù)據(jù)）； 客戶準(zhǔn)入： 直接

13、驗(yàn)證 （手機(jī)# 姓名 證件#） 規(guī)則： 過(guò)去的信貸歷史 （增值服務(wù)平臺(tái)如短信） 風(fēng)險(xiǎn)級(jí)別： 不同程度的審核審查； 客戶風(fēng)險(xiǎn)的綜合評(píng)價(jià)、各種模型 進(jìn)行定價(jià)； 精準(zhǔn)獲客（廣告的精準(zhǔn)投放） 貸款人預(yù)篩選、預(yù)審批 （如白名單）； 逾期管理： 催收的策略和催收的手段（催繳公司黑名單);第二階段：引入外部數(shù)據(jù)數(shù)據(jù)分析體系數(shù)據(jù)分析體系現(xiàn)有系統(tǒng)現(xiàn)有系統(tǒng)-業(yè)務(wù)體系業(yè)務(wù)體系銀行集中的數(shù)據(jù)中心銀行集中的數(shù)據(jù)中心各業(yè)務(wù)條線各業(yè)務(wù)條線系統(tǒng)系統(tǒng)財(cái)務(wù)系統(tǒng)財(cái)務(wù)系統(tǒng)會(huì)計(jì)系統(tǒng)會(huì)計(jì)系統(tǒng)支撐系統(tǒng)支撐系統(tǒng)【如客管系統(tǒng)如客管系統(tǒng)】柜臺(tái)業(yè)務(wù)柜臺(tái)業(yè)務(wù)ATM/電子銀行電子銀行POS/商易通商易通報(bào)表統(tǒng)計(jì)風(fēng)險(xiǎn)控制綜合營(yíng)銷通知預(yù)警平臺(tái)業(yè)務(wù)提醒決策

14、分析管理、統(tǒng)計(jì)報(bào)表績(jī)效考核自定義查詢平臺(tái)報(bào)表生成平臺(tái)大數(shù)據(jù)平臺(tái)大數(shù)據(jù)平臺(tái)目前銀行數(shù)據(jù)源梳理整合到某統(tǒng)一數(shù)據(jù)交換平臺(tái)數(shù)據(jù)處理與完善外部數(shù)據(jù)源第三階段： 建設(shè)大數(shù)據(jù)平臺(tái)路線演進(jìn)圖 數(shù)據(jù)量巨大，低成本實(shí)現(xiàn)了傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)無(wú)法處理的復(fù)雜數(shù)據(jù)分析 基于數(shù)據(jù)挖掘(DataInsight)和可視化產(chǎn)品，持卡人的自動(dòng)化畫(huà)像和消費(fèi)預(yù)測(cè)等業(yè)務(wù)應(yīng)用 業(yè)務(wù)上完成商圈聚合分析， 20種持卡人的自動(dòng)化畫(huà)像，持卡人的100+多維分析和關(guān)聯(lián)挖掘分析， 競(jìng)爭(zhēng)交叉分析； 持卡人消費(fèi)預(yù)測(cè)的精準(zhǔn)度使得銀聯(lián)和主要商戶一起進(jìn)行精準(zhǔn)營(yíng)銷和個(gè)性化推薦銀聯(lián)商務(wù)海量交易流水的客戶行為分析和預(yù)測(cè)商圈競(jìng)爭(zhēng)形勢(shì)分析刷卡筆數(shù)刷卡金額橢圓狀：商店與商圈

15、內(nèi)同行業(yè)其它商店的比對(duì)。橢圓形狀越寬，表示商店的筆數(shù)越高，橢圓形狀越長(zhǎng)，表示商店的金額越高。2014年X月分店選擇銀聯(lián)商務(wù)商圈聚合和競(jìng)品分析所在省直轄市分店產(chǎn)品組合關(guān)聯(lián)度產(chǎn)品組合利潤(rùn)率（假定1:1）星級(jí)標(biāo)志產(chǎn)品C和產(chǎn)品X33%12%產(chǎn)品X和產(chǎn)品Z28%11%產(chǎn)品D和產(chǎn)品F25%5%產(chǎn)品G和產(chǎn)品O22%4%產(chǎn)品A和產(chǎn)品C15%9%產(chǎn)品X和產(chǎn)品Y12%3%產(chǎn)品H和產(chǎn)品L12%14%產(chǎn)品F和產(chǎn)品P10%7%產(chǎn)品品類組合自動(dòng)分析1、關(guān)聯(lián)度：用戶同時(shí)購(gòu)買2種產(chǎn)品的關(guān)聯(lián)指數(shù)。關(guān)聯(lián)度越高，同時(shí)購(gòu)買的可能性越大。2、產(chǎn)品組合利潤(rùn)率指用戶同時(shí)購(gòu)買組合產(chǎn)品時(shí)商戶所獲得的利潤(rùn)率。以兩種產(chǎn)品等重為前提。3、標(biāo)星的產(chǎn)品

16、組合是銀聯(lián)商務(wù)向商戶推薦的產(chǎn)品促銷組合。銀聯(lián)商務(wù)用戶購(gòu)物籃分析 每促銷一單位的產(chǎn)品Z （默認(rèn)金額最高的產(chǎn)品，此處可對(duì)其它品類進(jìn)行選擇）對(duì)其它產(chǎn)品的影響對(duì)刷卡筆數(shù)筆數(shù)的影響對(duì)刷卡金額金額的影響對(duì)刷卡收入的影響對(duì)刷卡收益的影響2014年X月分店選擇銀聯(lián)商務(wù)品類促銷分析 ZestFinance(原名ZestCash）新興的互聯(lián)網(wǎng)金融公司 使用機(jī)器學(xué)習(xí)的方式評(píng)估個(gè)人貸款的信貸風(fēng)險(xiǎn)指數(shù)。研發(fā)主要團(tuán)隊(duì)有數(shù)據(jù)科學(xué)家、數(shù)學(xué)家和計(jì)算機(jī)科學(xué)家組成。ZestFinance利用機(jī)器學(xué)習(xí)和大數(shù)據(jù)分析，提供全新的客戶信貸征信服務(wù)。前谷歌首席信息官Douglas Merrill和Capital One 公司前高管Shawn

17、 Budde創(chuàng)建。分析上萬(wàn)個(gè)(達(dá)70000個(gè)）潛在信用變量從財(cái)務(wù)信息到可以使用的一切數(shù)據(jù)以更好地獲取諸如潛在欺詐、長(zhǎng)期客戶關(guān)系等元素。大數(shù)據(jù)分析模式高于現(xiàn)在行業(yè)最佳水平40%。更精確的信貸決策，使得借款人有更高的信用額度，而貸款機(jī)構(gòu)有更高的還款率。前期業(yè)務(wù)提供放貸，后來(lái)越來(lái)越多信用評(píng)估業(yè)務(wù)。大數(shù)據(jù)分析使得貸款機(jī)構(gòu)得以批量增加客戶群，從競(jìng)爭(zhēng)對(duì)手中得到更多的生意，同時(shí)更好地服務(wù)現(xiàn)有客戶，而充分控制好違約率。從本質(zhì)上講，這是一家數(shù)據(jù)科學(xué)家企業(yè)，它精通數(shù)據(jù)計(jì)算、關(guān)聯(lián)分析和深度機(jī)器學(xué)習(xí)。到2015年5月梅里爾麾下的百人團(tuán)隊(duì)中，大部分是數(shù)據(jù)科學(xué)家，他們?nèi)麻_(kāi)發(fā)了10+個(gè)基于學(xué)習(xí)機(jī)器的分析模型，對(duì)每位信貸申

18、請(qǐng)人的超過(guò)幾萬(wàn)條原始信息數(shù)據(jù)進(jìn)行分析，并得出萬(wàn)個(gè)可對(duì)其行為做出測(cè)量的指標(biāo)： 這一切5秒鐘完成。結(jié)果，ZestFinance稱這種方式比傳統(tǒng)的衡量模型提升了60的效率，更重要的是，還款率也比傳統(tǒng)的方法高出了90。該公司旨在為那些個(gè)人信用不良或者不滿足傳統(tǒng)銀行貸款資格的個(gè)人提供服務(wù)。目前業(yè)務(wù)已經(jīng)發(fā)展到提供信用評(píng)估。美國(guó)互聯(lián)網(wǎng)金融公司ZestFinancel 針對(duì)非專業(yè)人員的專業(yè)大數(shù)據(jù)挖掘工具l 基于Spark技術(shù)構(gòu)建的并行大數(shù)據(jù)挖掘平臺(tái)l 與企事業(yè)數(shù)據(jù)和應(yīng)用無(wú)縫對(duì)接，減少模型再次部署和開(kāi)發(fā)的成本支持用戶基于指定的數(shù)據(jù)集合通過(guò)直觀的界面操作創(chuàng)建、管理和執(zhí)行數(shù)據(jù)挖掘模型；內(nèi)置了高效的轉(zhuǎn)換器和分析器，來(lái)幫助用戶實(shí)現(xiàn)自己對(duì)于數(shù)據(jù)分析的想法，并且還提供了有效的模型參數(shù)調(diào)整和反饋機(jī)制，支持用戶隨時(shí)優(yōu)化。算法模型用戶精準(zhǔn)畫(huà)像個(gè)性化推薦自然語(yǔ)言分析 用戶精準(zhǔn)畫(huà)像 人口屬性畫(huà)像 行為屬性畫(huà)像 業(yè)務(wù)屬性畫(huà)像 個(gè)性化推薦 個(gè)性化商品推薦 個(gè)性化信息推薦 個(gè)性化業(yè)務(wù)推薦 自然語(yǔ)言分析 用戶瀏覽內(nèi)容 用戶反饋情感 領(lǐng)域/類別模型構(gòu)建 三大算法模型聚類算法 K-Means K-Center K-Medoid推薦算法 User-based Collaborative Filter It