系统掌握计算机科学、统计分析和大数据挖掘,熟悉互联网金融和电商行业;
具有10+年数据分析/数据挖掘/数据仓库工作经验,掌握机器学习、统计分析等数据分析和数据挖掘模型;
具有SAS认证证书,熟练掌握SAS、SPSS、Clementine、R、Python等统计分析软件,熟悉利用上述软件工具实现数据挖掘的常用算法,拥有千万级的客户记录的海量数据处理和挖掘经验;
对开源项目的云计算框架(Hadoop),以及基于hadoop的分布式系统上的Hbase、Hive和Mahout、Spark、TensorFlow具有一定的研究和应用实践;
(1)电商客户的分类:从多个维度(人口统计信息如年龄、性别、职业、收入、婚否,地区,学历+客户交易信息如客户交易频次、最近购买时间、贡献等),对现有的客户群进行分类,分析目标客户的特征和偏好,指导产品的采购和定价,确定公司目标客户群。
(2)基于社交媒体的小额贷款客户风险评分模型。传统的贷款客户风险评估的数据来源于客户的基本信息和征信报告,由于互联网小额贷款客户的基本信息和征信报告的缺失,导致基于FICO的客户信用评分模型的效果较差。我们在客户的基本信息基础上,增加社交媒体的信息,同时采用机器学习算法建立互联网小额贷款客户风险评估模型,和传统的模型比较,预测的准确性有较大的提高
(3)呼叫中心文本分析。对呼叫中心记录的通话文本信息进行分析,发现客户投诉较多的类型,及时采取措施,达到提高客户服务质量和获得销售机会。