读书笔记//《数据科学工程实践》

出版时间：2021年11月
副标题：用户行为分析、A/B实验、SQLFlow
作者们是一线互联网企业的数据科学家、数据分析师和算法工程师，主要就职于滴滴、部分就职于腾讯、快手等。
点评：神仙下凡布道。感谢大佬们的分享。本书让我领略了大厂如何运用最新数据技术解决商业问题。有点小瑕疵就是，有部分章节的引用案例不是大厂实战，缺少说服力。

再次感叹，平台和机会多么重要啊！

一、数据科学是什么

数据科学包括三要素，商业理解是方向，量化模型是起点，数据技术是道路。

二、观测数据的分析技术

（一）如何分析用户的选择

场景：
家庭旅游时，选择哪种交通方式出行？自驾还是非自驾？飞机、火车、长途汽车、自驾？

DCM的功能：
用来分析”从有限互斥选项集中进行单项选择“的计量模型。选择结果=F（决策者，备选项集合，备选项属性）。

DCM的任务：
1.预测一组决策者的决策行为
2.决策者在做出决策时，衡量不同选项属性的影响
3.了解不同群体如何评价一个备选项的不同属性，以便通过精心设计的策略，修改对个体决策者有重要影响的选项的属性，以主动的方式去改变用户行为。

常用的DCM模型：

附IIA假设：选择两个备选项的概率之比与其他备选项的存在无关。这条假设一般很难达到。因此，NL比MNL更科学、严谨，应用更广。

python实现：

pip install statsmodels
pip install pylogitfrom collections import OrderedDict #记录模型的声明specification
import scipy # Hausman卡方检验
import statsmodels.stats.outliers_influence import variance_inflation_factor #多重共线性检验。因LR是广义线性模型。import statsmodels.api as sm # 引入逻辑回归
import pylogit

（二）与时间相关的行为分析

场景：

二手车定价（本章案例）。通过建模分析找到最优定价策略并实现自动化定价。
其他应用如用户留存分析、病人的治愈情况、 婚姻持续情况、产品出现故障的情况。

• 问题
  价格越高存放时间越长，则仓储及维护成本越高。

• 两个核心点
  1.求解在不同价格水平下，具备不同信息参数的二手车随时间连续变化的留存（未被出售）概率曲线，进而得出随时间推移车辆消耗的成本。
  2.基于毛利最大化原则寻找最优价格。

解决方案排除：
回归模型（如线性回归、决策树回归等）处理的是截面数据。模型输出结果是特定时间截面下的事件发生概率。有两个不足：1.它无法处理连续时间信息，即车辆留存概率与时间的关系。2.难以分析调价对出售概率的影响。

生存分析：
同时关注事件结果、事件发生时间。

• 关键词：
  生存曲线、半衰期（中位生存时间）

python实现：

from lifelines import KaplanMeierFitter #引入生存分析包 KM生存曲线
from lifelines.statistics import logrank_test #引入生存分析包 logrank检验
from lifelines import NelsonAalenFitter #引入生存分析包 风险曲线
from lifelines import CoxPHFitter #引入生存分析包 Cox模型

（三）洞察用户长期价值：基于神经网络的LTV模型

LTV （lift time value)
用户长期价值，是基于用户行为的公司估值法。该方法有5大要素：用户获取、用户留存、用户下单、用户消费、边际利润。

行业应用：零售、金融服务、媒体、制药等。

特点：
1.长期性
2.变化性。初创公司，重视获客规模；稳定发展的公司，重视留存、用户平台价值。好的产品和运营策略，可以增强用户黏性，延长LTV。

LTV能解决的问题：
1.如何找出最优价值的用户？
2.企业怎么才能产生让用户长期喜爱和依赖的产品？
3.影响用户购买行为的因素有哪些？如何更好地满足不同用户的需求？
4.如何制定获客预算？

python实现：

pip install Kerasfrom sklearn.preprocessing import MinMaxScaler
from Keras.layers import Input,ConvID,Dropout,LSTM,TimeDistributed,Bidirectional,Dense
from Keras.models import model
from Keras.callbacks import EarlyStopping

（四）使用体系化分析方法进行场景挖掘

（待补充）

（五）行为规律的发现与挖掘

（待补充）

（六）对观测到的事件进行因果推断

（待补充）