[自介] 资料探勘/预测性模型建置/资料分析

楼主: seremo (seremo)   2016-12-18 22:23:33
◎上次自介发表日:初次发表
◎ID、暱称,或团队、工作室、公司名称:seremo
◎现况:个人,于正职工作之余接案。
◎地区:皆可,人目前位于台北市。
◎联络方式:请站内信
◎可否开立发票:否
◎服务项目或专长领域:
1.专业背景:
商业分析与资料分析研所毕业,并于零售业、科技业以及金融产业有实务服务经验,
主要运用资料分析软件进行资料探勘与处理,结合机器学习法建置预测性模型,
发掘资料中有价值之洞察,提供予商业决策之依据。
2.分析工具:R Language, Python, SPSS, Weka, Toad for SQL, Tableau。
3.实务/专案经验:
(1)客户消费行为分析:
运用降维与罗吉斯回归等技术与算法建立预测性模型,透过ROC验证模型精准度,
藉以识别可增加客户转换率之关键因素与关键产品功能,进而调整产品销售决策,
增加客户购买产品之机率。
(2)行销活动分析与优化:
运用分群算法识别具鉴别度之关键消费客群,并分别建立预测性模型
(glm, decision tree)以识别行销活动、行销种类以及行销地点之关联性
与有效性,藉以设计合适之行销活动,提升客户消费之次数与金额。
(3)产品推荐组合:
运用购物篮分析、协同过滤推荐之算法建立产品销售组合清单,依据客户与产品
属性以及偏好相似性推荐产品予客户,进而增加客户转换率与产品销售机率。
⊙网址:无
⊙自介、经历、作品集或参考资料:
由于客户资料皆属机密不可公开之资讯,
意者再请来信询问过往专案执行以及资料分析内容(无涉及客户机密资料的部分),
感谢。
⊙开始时间或预计开始时间:即日起
⊙想:寻找厂商∕寻找客户

Links booklink

Contact Us: admin [ a t ] ucptt.com