[自介] 資料探勘/預測性模型建置/資料分析

作者: seremo (seremo)   2016-12-18 22:23:33
◎上次自介發表日:初次發表
◎ID、暱稱,或團隊、工作室、公司名稱:seremo
◎現況:個人,於正職工作之餘接案。
◎地區:皆可,人目前位於臺北市。
◎聯絡方式:請站內信
◎可否開立發票:否
◎服務項目或專長領域:
1.專業背景:
商業分析與資料分析研所畢業,並於零售業、科技業以及金融產業有實務服務經驗,
主要運用資料分析軟體進行資料探勘與處理,結合機器學習法建置預測性模型,
發掘資料中有價值之洞察,提供予商業決策之依據。
2.分析工具:R Language, Python, SPSS, Weka, Toad for SQL, Tableau。
3.實務/專案經驗:
(1)客戶消費行為分析:
運用降維與羅吉斯迴歸等技術與演算法建立預測性模型,透過ROC驗證模型精準度,
藉以識別可增加客戶轉換率之關鍵因素與關鍵產品功能,進而調整產品銷售決策,
增加客戶購買產品之機率。
(2)行銷活動分析與優化:
運用分群演算法識別具鑑別度之關鍵消費客群,並分別建立預測性模型
(glm, decision tree)以識別行銷活動、行銷種類以及行銷地點之關聯性
與有效性,藉以設計合適之行銷活動,提升客戶消費之次數與金額。
(3)產品推薦組合:
運用購物籃分析、協同過濾推薦之演算法建立產品銷售組合清單,依據客戶與產品
屬性以及偏好相似性推薦產品予客戶,進而增加客戶轉換率與產品銷售機率。
⊙網址:無
⊙自介、經歷、作品集或參考資料:
由於客戶資料皆屬機密不可公開之資訊,
意者再請來信詢問過往專案執行以及資料分析內容(無涉及客戶機密資料的部分),
感謝。
⊙開始時間或預計開始時間:即日起
⊙想:尋找廠商∕尋找客戶

Links booklink

Contact Us: admin [ a t ] ucptt.com