[套装书]用户画像：方法论与工程化解决方案+零售金融：数据化用户经营方法、工具与实践（2册）

作者
赵宏田雷健雄 王黎理
丛书名
出版社
机械工业出版社
ISBN
9782002279202
简要
简介
内容简介书籍计算机书籍 ---------------------------用户画像：方法论与工程化解决方案--------------------------- 本书从技术维度系统讲解了用户画像的方法论和一些常见的工程化解决方案。 全书共分为9个章节。 第一章 用户画像基础：讲述用户画像的一些基础概念、数据仓库架构、整个项目开发的流程、以及画像相关的表结构设计； 第二章 数据指标体系：从用户属性、用户行为、用户消费、风险控制等四个维度详细罗列了常用到的用户标签，这些标签基本涵盖了大部分场景一半以上的标签需求。同时介绍了标签的规范化命名方式； 第三章 标签数据存储：讲了为什么使用Hive、MySQL、hbase等数据库对标签数据进行存储，以及存储实现方式； 第四章 标签数据开发：本章是全书的重点章节，讲述了统计类标签、规则类标签、挖掘类标签、流式计算类标签的开发。以及用户特征库、人群计算、标签权重计算、打通数据服务层等方面的开发。； 第五章 开发性能调优：主要包括数据倾斜调优、开发中间表、读取小文件处理、redis缓存热数据等数据性能优化方面； 第六章 作业流程调度：数据的ETL调度是数据开发中的重要内容，本章主要讲了如何使用当下热门的开源调度工具Airflow进行数据的调度及场景调度异常的排查工作； 第七章 用户画像产品化：开发画像后的标签数据，如果只是“躺在”数据仓库中，并不能发挥更大的业务价值。只有将画像数据产品化后才能更方便业务方的使用。本章主要讲述了产品端的用户画像是什么样子？如何帮助业务人员进行分析，提供服务的； 第八章 用户画像应用：用户画像的应用包括用户分析、商品分析、流量分析、push、短信、邮件等营销以及站内的个性化推荐等应用场景； 第九章 实践案例详解：前面的八个章节主要从工程化开发的角度讲了如何从0到1搭建起用户画像系统及其应用场景，本章从完整的工业实践应用角度，通过两个实践案例帮助读者更好地理解画像系统是如何切入到应用场景中帮助提升工作效率、提高ROI的。 ---------------------------零售金融：数据化用户经营方法、工具与实践--------------------------- . 本书以如何更好地“了解你的用户”（KYC）为主轴，按照金融机构和用户形成关系的发展顺序及用户生命周期的时间顺序，详细解析了消费信贷业务在用户经营管理上想要取得成功的秘诀。本书详细阐述了数据驱动在了解用户、制定策略过程中的价值和应用，介绍了在信贷用户经营过程中用到的各类大数据分析方法、常用的机器学习算法、预测模型的开发及管理流程，还着重介绍了经营过程中各个阶段所涉及的策略开发及其背后的逻辑思维，包括潜在用户挖掘、用户开发策略、授信准入、风险定价、风险管理、反欺诈、额度管理、授权交易管理、用户促活、用户留存、用户交互、贷后催收、合规管理、反洗钱以及用户服务等。 本书贴近真实场景，兼具权威性与前瞻性，是广泛适用的普及读物，适合对大数据驱动业务感兴趣的企业高管、决策者、创业者、数据分析师、风险管理者、产品经理以及相关专业的学生等，还可以为中国日益兴起的互联网金融及直销银行的数据化运营提供借鉴。
目录



---------------------------用户画像：方法论与工程化解决方案---------------------------


前言
第1章　用户画像基础1
1.1　用户画像是什么1
1.1.1　画像简介1
1.1.2　标签类型3
1.2　数据架构4
1.3　主要覆盖模块5
1.4　开发阶段流程7
1.4.1　开发上线流程7
1.4.2　各阶段关键产出9
1.5　画像应用的落地10
1.6　某用户画像案例11
1.6.1　案例背景介绍11
1.6.2　相关元数据12
1.6.3　画像表结构设计16
1.7　定性类画像21
1.8　本章小结22
第2章　数据指标体系23
2.1　用户属性维度23
2.1.1　常见用户属性23
2.1.2　用户性别26
2.2　用户行为维度27
2.3　用户消费维度27
2.4　风险控制维度29
2.5　社交属性维度30
2.6　其他常见标签划分方式31
2.7　标签命名方式33
2.8　本章小结34
第3章　标签数据存储35
3.1　Hive存储35
3.1.1　Hive数据仓库35
3.1.2　分区存储37
3.1.3　标签汇聚39
3.1.4　ID-MAP41
3.2　MySQL存储45
3.2.1　元数据管理45
3.2.2　监控预警数据47
3.2.3　结果集存储47
3.3　HBase存储50
3.3.1　HBase简介50
3.3.2　应用场景52
3.3.3　工程化案例52
3.4　Elasticsearch存储59
3.4.1　Elasticsearch简介59
3.4.2　应用场景60
3.4.3　工程化案例64
3.5　本章小结67
第4章　标签数据开发69
4.1　统计类标签开发69
4.1.1　近30日购买行为标签案例70
4.1.2　最近来访标签案例73
4.2　规则类标签开发74
4.2.1　用户价值类标签案例75
4.2.2　用户活跃度标签案例79
4.3　挖掘类标签开发84
4.3.1　案例背景84
4.3.2　特征选取及开发85
4.3.3　文本分词处理86
4.3.4　数据结构处理89
4.3.5　文本TF-IDF权重90
4.3.6　朴素贝叶斯分类92
4.4　流式计算标签开发95
4.4.1　流式标签建模框架95
4.4.2　Kafka简介96
4.4.3　Spark Streaming集成Kafka97
4.4.4　标签开发及工程化99
4.5　用户特征库开发104
4.5.1　特征库规划105
4.5.2　数据开发107
4.5.3　其他特征库规划111
4.6　标签权重计算112
4.6.1　TF-IDF词空间向量112
4.6.2　时间衰减系数114
4.6.3　标签权重配置115
4.7　标签相似度计算116
4.7.1　案例场景116
4.7.2　数据开发118
4.8　组合标签计算122
4.8.1　应用场景122
4.8.2　数据计算123
4.9　数据服务层开发124
4.9.1　推送至营销系统125
4.9.2　接口调用服务127
4.10　GraphX图计算用户129
4.10.1　图计算理论及应用场景129
4.10.2　数据开发案例132
4.11　本章小结135
第5章　开发性能调优137
5.1　数据倾斜调优137
5.2　合并小文件141
5.3　缓存中间数据143
5.4　开发中间表144
5.5　本章小结145
第6章　作业流程调度146
6.1　crontab命令调度146
6.2　Airflow工作平台148
6.2.1　基础概念149
6.2.2　Airflow服务构成150
6.2.3　Airflow安装151
6.2.4　主要模块功能151
6.2.5　工作流调度155
6.2.6　脚本实例155
6.2.7　常用命令行158
6.2.8　工程化调度方案158
6.3　数据监控预警161
6.3.1　标签监控预警161
6.3.2　服务层预警162
6.4　ETL异常排查164
6.5　本章小结166
第7章　用户画像产品化167
7.1　即时查询167
7.2　标签视图与标签查询169
7.3　元数据管理171
7.4　用户分群功能173
7.5　人群分析功能175
7.6　本章小结177
第8章　用户画像应用178
8.1　经营分析178
8.1.1　商品分析178
8.1.2　用户分析179
8.1.3　渠道分析180
8.1.4　漏斗分析185
8.1.5　客服话术186
8.1.6　人群特征分析186
8.2　精准营销187
8.2.1　短信/邮件营销187
8.2.2　效果分析188
8.3　个性化推荐与服务189
8.4　本章小结190
第9章　实践案例详解191
9.1　风控反欺诈预警191
9.1.1　应用背景191
9.1.2　用户画像切入点192
9.2　A/B人群效果测试193
9.2.1　案例背景194
9.2.2　用户画像切入点194
9.2.3　效果分析195
9.3　用户生命周期划分与营销195
9.3.1　生命周期划分196
9.3.2　不同阶段的用户触达策略201
9.3.3　画像在生命周期中的应用204
9.3.4　应用案例206
9.4　高价值用户实时营销209
9.4.1　项目应用背景209
9.4.2　用户画像切入点209
9.4.3　HBase应用场景小结209
9.5　短信营销用户211
9.5.1　案例背景211
9.5.2　画像切入及其应用效果211
9.6　Session行为分析应用213
9.6.1　关于用户行为分析213
9.6.2　案例背景218
9.6.3　特征构建219
9.6.4　分析方法与结论221
9.7　人群效果监测报表搭建228
9.7.1　案例背景228
9.7.2　逻辑梳理228
9.7.3　自动报表邮件237
9.8　基于用户特征库筛选目标人群239
9.8.1　案例背景239
9.8.2　应用方式及效果240
9.9　本章小结241
附录　某产品用户画像项目规划文档242



---------------------------零售金融：数据化用户经营方法、工具与实践---------------------------


赞　誉
推荐序
序言一
序言二
致　谢
第1章　消费信贷行业的创新与数据驱动/1
1.1　消费信贷行业简述/1
1.2　大数据背景下消费信贷行业的创新/3
1.3　消费信贷业务要以用户经营为中心/6
1.4　KYC的重要性/9
1.5　大数据思维的本质/11
1.6　讨论：数据驱动文化的建立和组织架构设计/19
第2章　新用户获取及用户分群的策略设计/24
2.1　潜在用户挖掘：内部名单和外部名单/25
2.2　用户分群以及激活响应排序/26
2.3　新用户获取策略的设计和效果监控/36
2.4　新手礼包的设计与效果监控/40
2.5　用户分群的定性分析思路探讨/41
2.6　RFM用户分群分析方法/44
2.7　案例1：年轻持卡用户分群策略及效果分析/46
2.8　案例2：数据驱动App获取用户的新思路/49
第3章　用户准入和授信/53
3.1　授信数据来源/54
3.2　授信风险评估：申请评分卡/59
3.3　申请欺诈的识别/65
3.4　信用额度优化：授信及初始额度策略/67
3.5　差异化风险定价/68
3.6　观察期、表现期基本流程/69
3.7　FICO信用分介绍/71
3.8　案例：Python环境下的评分卡构建过程/73
第4章　存量用户的经营策略/82
4.1　存量用户生命周期管理的方法及划分依据/82
4.2　新用户成长期策略思路/86
4.3　成熟期用户的经营策略思路/88
4.4　衰退期用户的监控及对策/91
4.5　流失期用户的二次召回/93
4.6　存量用户的价值提升策略/95
4.7　存量用户的额度管理和定价策略/98
4.8　存量用户经营效果的监控/100
4.9　用户画像的构建及验证方法探讨/101
4.10　案例1：“母婴用户”标签预测模型的探索/105
4.11　案例2：账单分期用户的经营思路探究/111
第5章　用户生命价值的计量/118
5.1　用户生命价值体系框架概述/119
5.2　衡量用户当前价值/121
5.3　衡量用户潜在价值/137
5.4　结论/138
5.5　案例：信用卡用户生命价值的评估/139
第6章　贷中授权交易策略详解/141
6.1　授权交易的定义和决策范围/142
6.2　授权交易的具体策略/143
6.3　授权交易的额度设定/146
6.4　授权交易策略的验证/147
6.5　授权交易策略的部署/147
6.6　授权交易补充策略/147
6.7　案例：授权交易策略的冠军挑战赛/148
第7章　贷后催收的新思维/150
7.1　突破传统催收策略的逻辑思维/150
7.2　利用大数据分析让催收成为一种竞争优势/155
7.3　催收分析能力转型的要点及方向/156
7.4　案例：机器学习提升催收效率/157
第8章　数据挖掘与用户服务/161
8.1　大数据正在改变用户服务的不同方面/162
8.2　大数据技术的具体应用/163
8.3　案例：利用文本挖掘发现用户的真实需求和用户的态度/165
第9章　大数据提升反洗钱效率/169
9.1　反洗钱合规面临的问题/169
9.2　大数据，大挑战/170
9.3　大数据技术驱动变革/171
9.4　金融机构的实践/172
9.5　案例：用机器学习模型判断用户风险等级并解决样本数据不平衡问题/176
第10章　数据驱动的工具箱：数据挖掘和常用建模方法概述/182
10.1　数据分析能力的进阶/183
10.2　模型开发的基本流程/184
10.3　数据收集和假设检验/189
10.4　因子分析/主成分分析/196
10.5　决策树/205
10.6　随机森林算法/210
10.7　梯度提升决策树/215
10.8　贝叶斯分类/223
10.9　支持向量机/227
10.10　聚类分析/230
10.11　线性回归和逻辑回归/235
10.12　推荐算法/243
10.13　神经网络/248
10.14　社交网络分析/256
10.15　文本挖掘/259
10.16　讨论：模型的解释性VS.模型的准确性/268
第11章　模型的评审、验证和生命周期管理/276
11.1　模型管理的全流程/276
11.2　模型管理系统/277
11.3　模型风险等级/278
11.4　模型检查的时间点/279
11.5　模型验证数据库/279
11.6　模型文档/280
11.7　模型生命周期管理/281
11.8　讨论：模型验证团队的架构设计/282
第12章　大数据：用户忠诚度计划背后的秘密武器/283
12.1　引言/283
12.2　构建用户激励体系，陪伴用户成长/284
12.3　用户忠诚度的衡量方法及评价标准/289
12.4　案例：世界十大零售银行用户忠诚度计划简介/292
参考文献/300



有问题微信扫码联系

推荐

Understand China
桂ICP备20004708号-4