现场观众认真聆听讲座
讲座伊始,李丹枫博士回溯了自己在清华大学和美国伊利诺伊大学的求学以及其工作历程,并与现场的听众分享了工作经历中数据挖掘和机器学习的实战经验。特别是关于信用卡反欺诈行为,以及广告的定点投放展示等几个案例。随后,李丹枫博士梳理了用户行为数据价值挖掘的整个业务流程,首先是数据的来源,其次是数据的基础分析,最后是数据业务的应用。并以用户行为数据的价值挖掘在金融领域以及营销领域的应用作为结尾。
在用户行为数据的来源和内容中,李丹枫博士提到可以通过嵌入到手机App中的SDK来采集移动互联网(APP)数据,以及可以通过在网页中嵌入网站统计的JS SDK来采集手机用户浏览互联网(PC-Web)数据,并展示了相应的代码。
在得到了用户数据(诸如PC浏览数据、APP使用数据、线下行为数据、社交行为数据、营销反馈数据等)后,李丹枫博士分享了对初始数据进行相应的特征提取方法,并结合知识库系统和标准数据库对消费者进行标签预测。李丹枫博士同时分享了关于内容分类和标签生成的几种常用的方法。同时提到了如何将不同平台搜集到的数据进行相应的整合。有了处理后的数据,根据数据服务的对象,就可以应用到如数据运营、内容推荐、精准投放、金融风控等业务上面。
讲座尾声,李丹枫博士详细分析了用户行为数据在金融行业的应用。他提到,在行为数据风控中,行为数据、社交数据、运行商数据、消费数据、征信数据对风控的权重越来越大,但是数据的获取难度也是逐步升级的。随后,李丹枫博士详细介绍了个人贷款互联网金融机构和手机贷款两个应用案例。