前几周给大家分享了一篇《利用R语言进行交互数据可视化》的文章。文章末尾提到的在R的环境中，动态交互图形的优势在于能和knitr、shiny等框架整合在一起，能迅速建立一套可视化原型系统。今天接着给大家分享如何将动态交互图形与shiny框架整合在一起，迅速建立一套可视化原型系统。Shiny是R中的一种Web开发框架，使得R的使用者不必太了解css、js只需要了解一些html的知识就可以快速完成web开发，且shiny包集成了bootstrap、jquery、ajax等特性，极大解放了作为统计语言的R的生产力。Shiny应用包含连个基本的组成部分：一个是用户界面脚本（a user-interface script），另一个是服务器脚本(a server script)。 ...继续阅读 (2)

2016年“大数据时代的统计学”教学研讨会暨第五届全国高校统计类专业骨干教师研修班，由应用统计硕士教指委与五校联合大数据分析硕士培养协同创新平台联合推出。主办单位全国应用统计专业学位研究生教育指导委员会秘书处五校联合大数据分析硕士培养协同创新平台（中国人民大学 北京大学 中国科学院大学 中央财经大学 首都经济贸易大学）协办单位中国人民大学出版社会议介绍2016年“大数据时代的统计学”教学研讨会，定于2016年7月16-18日在北京举办。 届时我们将邀请国内知名专家示范教学方法，介绍大数据统计分析方法与技术的前沿理论和最新发展。探讨大数据时代统计学的教学创新与改革，交流教学中遇到的新问题与疑难点，分享案例教学法以及前沿发展。 ...继续阅读 (3)

2016年“大数据时代的统计学”教学研讨会暨第五届全国高校统计类专业骨干教师研修班应用统计硕士教指委与五校联合大数据分析硕士培养协同创新平台联合推出主办单位全国应用统计专业学位研究生教育指导委员会秘书处五校联合大数据分析硕士培养协同创新平台（中国人民大学 北京大学 中国科学院大学 中央财经大学 首都经济贸易大学）协办单位中国人民大学出版社会议介绍2016年“大数据时代的统计学”教学研讨会，定于2016年7月16-18日在北京举办。 届时我们将邀请国内知名专家示范教学方法，介绍大数据统计分析方法与技术的前沿理论和最新发展。探讨大数据时代统计学的教学创新与改革，交流教学中遇到的新问题与疑难点，分享案例教学法以及前沿发展。授课主题嘉宾介绍房祥忠：博士，北京大学数学科学学院教授，概率统计系主任。曾获的北京科技进步二等奖，国防科学技术三等奖。研究方向为生存分析和可靠性。吴翌琳：经济学博士，中国人民大学统计学院、中国调查与数据中心副教授，主要从事经济统计分析、创新经济计量、指数编制与应用、数据可视化等应用统计方向的研究。张延松：博士，中国人民大学中国调查与数据中心副教授。主要研究方向为大数据分析技术、内存数据库、数据仓库等。获得4项国内发明专利、3项美国PCT发明专利授权。李 丰：中央财经大学统计与数学学院副教授，瑞典斯德哥尔摩大学统计学博士，曾获瑞典皇家统计学会 Cramér 奖(最佳博士奖 ...继续阅读 (31)

作者：谢佳标（乐逗游戏，深圳）前几周给大家分享了一篇《利用R语言进行交互数据可视化》的文章http://cos.name/2016/06/using-r-for-interactive-data-visualization/。文章末尾提到的在R的环境中，动态交互图形的优势在于能和knitr、shiny等框架整合在一起，能迅速建立一套可视化原型系统。今天接着给大家分享如何将动态交互图形与shiny框架整合在一起，迅速建立一套可视化原型系统。Shiny是R中的一种Web开发框架，使得R的使用者不必太了解css、js只需要了解一些html的知识就可以快速完成web开发，且shiny包集成了bootstrap、jquery、ajax等特性，极大解放了作为统计语言的R的生产力。Shiny应用包含连个基本的组成部分：一个是用户界面脚本（a user-interface script），另一个是服务器脚本(a server script)。用户界面(ui)脚本控制应用的布局与外表，它定义在一个称作R的源脚本中。服务器(server)脚本包含构建应用所需要的一些重要指示，它定义在一个称作R的源脚本中。你可以在一个目录中保存一个ui.R文件和server.R文件来创建一个Shiny应用。每一个应用都需要自己独特的存放位置。运行应用的方法是在函数runApp中置入目录名称。例如你的应用目录名称为mya ...继续阅读 (13)

第九届中国R语言会议（北京会场）、第七届中国人民大学国际统计论坛与2016百分点数据与价值国际论坛共同组成的大统计与数据科学联合会议于2016年5月27日至29日在中国人民大学成果举办。5月27日主会场位于世纪馆，5月28、29日各个分会场分别位于逸夫报告厅、国学馆报告厅及第一教学楼。一、会议概况今年是中国R语言会议举办的第九年。本次会议由统计之都与中国人民大学、北京大学、伦敦政治经济学院、百分点集团联合主办，并得到了考拉征信和量邦科技等战略合作伙伴的鼎力支持协办，以及微软、Tableau、懒投资、RStudio、记健康和纽约数据科学学院等友情合作伙伴的大力支持。在三天的会议时间里，数据科学各行各业的同仁们欢聚一堂，共襄盛举，畅所欲言。在大会会务组的不懈努力下，本次会议比往届有了更大的突破。会议共设有22个分会场，126场主题报告，覆盖大数据技术、互联网金融、量化投资、人网物联、生物信息等诸多当下热门话题。报名非常火爆，人数突破5000人，报名单位超过1500个。不仅创下历届之最，也使本次会议成为亚洲地区规模最大的数据科学盛会之一。二、会议内容本次会议分为第一天的主会场和其后两天的22个分会场。主会场演讲嘉宾包括学界杰出代表、业界大咖等。分会场包括互联网征信专场（考拉征信专场）、可视分析专场（Tableau冠名）、量化金融专场（量邦科技冠名）、软件工具专场（微软冠名）、经济金融专场 ...继续阅读 (5)

第九届中国R语言会议（北京会场）、第七届中国人民大学国际统计论坛与2016百分点数据与价值国际论坛共同组成的大统计与数据科学联合会议于2016年5月27日至29日在中国人民大学成果举办。5月27日主会场位于世纪馆，5月28、29日各个分会场分别位于逸夫报告厅、国学馆报告厅及第一教学楼。一、会议概况今年是中国R语言会议举办的第九年。本次会议由统计之都与中国人民大学、北京大学、伦敦政治经济学院、百分点集团联合主办，并得到了考拉征信和量邦科技等战略合作伙伴的鼎力支持协办，以及微软、Tableau、懒投资、RStudio、记健康和纽约数据科学学院等友情合作伙伴的大力支持。在三天的会议时间里，数据科学各行各业的同仁们欢聚一堂，共襄盛举，畅所欲言。在大会会务组的不懈努力下，本次会议比往届有了更大的突破。会议共设有22个分会场，126场主题报告，覆盖大数据技术、互联网金融、量化投资、人网物联、生物信息等诸多当下热门话题。报名非常火爆，人数突破5000人，报名单位超过1500个。不仅创下历届之最，也使本次会议成为亚洲地区规模最大的数据科学盛会之一。二、会议内容本次会议分为第一天的主会场和其后两天的22个分会场。主会场演讲嘉宾包括学界杰出代表、业界大咖等。分会场包括互联网征信专场（考拉征信专场）、可视分析专场（Tableau冠名）、量化金融专场（量邦科技冠名）、软件工具专场（微软冠名）、经济金融专场 ...继续阅读 (4)

第九届中国R语言会议（北京会场）、第七届中国人民大学国际统计论坛与2016百分点数据与价值国际论坛共同组成的大统计与数据科学联合会议于2016年5月27日至29日在中国人民大学成果举办。5月27日主会场位于世纪馆，5月28、29日各个分会场分别位于逸夫报告厅、国学馆报告厅及第一教学楼。一、会议概况今年是中国R语言会议举办的第九年。本次会议由统计之都与中国人民大学、北京大学、伦敦政治经济学院、百分点集团联合主办，并得到了考拉征信和量邦科技等战略合作伙伴的鼎力支持协办，以及微软、Tableau、懒投资、RStudio、记健康和纽约数据科学学院等友情合作伙伴的大力支持。在三天的会议时间里，数据科学各行各业的同仁们欢聚一堂，共襄盛举，畅所欲言。在大会会务组的不懈努力下，本次会议比往届有了更大的突破。会议共设有22个分会场，126场主题报告，覆盖大数据技术、互联网金融、量化投资、人网物联、生物信息等诸多当下热门话题。报名非常火爆，人数突破5000人，报名单位超过1500个。不仅创下历届之最，也使本次会议成为亚洲地区规模最大的数据科学盛会之一。二、会议内容本次会议分为第一天的主会场和其后两天的22个分会场。主会场演讲嘉宾包括学界杰出代表、业界大咖等。分会场包括互联网征信专场（考拉征信专场）、可视分析专场（Tableau冠名）、量化金融专场（量邦科技冠名）、软件工具专场（微软冠名）、经济金融专场 ...继续阅读 (19)

上周在中国R语言大会北京会场上，给大家分享了如何利用R语言交互数据可视化。现场同学对这块内容颇有兴趣，故今天把一些常用的交互可视化的R包搬出来与大家分享。rCharts包说起R语言的交互包，第一个想到的应该就是rCharts包。该包直接在R中生成基于D3的Web界面。rCharts包的安装require(devtools) install_github('rCharts', 'ramnathv')rCharts函数就像lattice函数一样，通过formula、data指定数据源和绘图方式，并通过type指定图表类型。下面通过例子来了解下其工作原理。我们以鸢尾花数据集为例，首先通过name函数对列名进行重新赋值（去掉单词间的点），然后利用rPlot函数绘制散点图(type=“point”)，并利用颜色进行分组（color=“Species”）。 ...继续阅读 (1)

作者：谢佳标（乐逗游戏，深圳）上周在中国R语言大会北京会场上，给大家分享了如何利用R语言交互数据可视化。现场同学对这块内容颇有兴趣，故今天把一些常用的交互可视化的R包搬出来与大家分享。rCharts包说起R语言的交互包，第一个想到的应该就是rCharts包。该包直接在R中生成基于D3的Web界面。rCharts包的安装require(devtools) install_github('rCharts', 'ramnathv')rCharts函数就像lattice函数一样，通过formula、data指定数据源和绘图方式，并通过type指定图表类型。下面通过例子来了解下其工作原理。我们以鸢尾花数据集为例，首先通过name函数对列名进行重新赋值（去掉单词间的点），然后利用rPlot函数绘制散点图(type=”point”)，并利用颜色进行分组（color=”Species”）。library(rCharts) names(iris) = gsub("\\.", "", names(iris)) p1 <- rPlot(SepalLength ~ SepalWidth | Species, data = iris, color = 'Species', type = 'point') p1rCharts支持多个javascript图表库,每个都有自己的长处。每一个图表库有多个定制选 ...继续阅读 (90)

今天要跟大家分享的主题叫做：数据江湖，回归5式！如今啊，大数据时代，群雄割据，天下大乱。各位童鞋，闯荡江湖，凶险难测。没一些必备的看家的本领，就想从数据出发，直达价值的彼岸，恐怕很难。为此呢，熊大教大家几招防身绝技，叫做：回归5式！简单的说，就是5种最常见的回归模型。这5个招式，看似简单，却是熊大行走江湖的看家本领。回归5式，就如同少林长拳，看似平淡无奇，但是如果辅以深厚的内力，就能威力无比。所以呀，今天除了要教给大家这回归5式以外，熊大还要跟大家说道说道这内力的修为。没有深厚的内力修为，任何绝妙的功夫，都是花拳绣腿。好了，闲话少说，先从回归5式开始。 ...继续阅读 (7)

作者：王汉生(北京大学光华管理学院)今天要跟大家分享的主题叫做：数据江湖，回归5式！如今啊，大数据时代，群雄割据，天下大乱。各位童鞋，闯荡江湖，凶险难测。没一些必备的看家的本领，就想从数据出发，直达价值的彼岸，恐怕很难。为此呢，熊大教大家几招防身绝技，叫做：回归5式！简单的说，就是5种最常见的回归模型。这5个招式，看似简单，却是熊大行走江湖的看家本领。回归5式，就如同少林长拳，看似平淡无奇，但是如果辅以深厚的内力，就能威力无比。所以呀，今天除了要教给大家这回归5式以外，熊大还要跟大家说道说道这内力的修为。没有深厚的内力修为，任何绝妙的功夫，都是花拳绣腿。好了，闲话少说，先从回归5式开始。回归分析第1式：线性回归，或者更严格地说，是普通线性回归。前面我们说了，什么是回归分析？回归分析就是关于XY相关性的分析。那么具体到线性回归，它的主要特征是什么呢？普通线性回归的主要特征就是：它的因变量必须是连续型数据。什么是连续型数据呀？简单通俗的讲，就是得是连续的。例如：身高、体重、价格、温度都是典型的连续型数据。但是，在实际工作中，由于所有的计算机，实际上都只能存储有限位有效数字，因此，在真实的数据江湖里，不存在严格的连续数据，只有近似的。接下来，我们讨论一下，普通线性回归在数据江湖中，有哪些重要应用？太多了！随便说几个。先说一个简单刺激的：股票投资。这里的因变量Y是某只股票或者资产组合的未来 ...继续阅读 (5)

看到这个题目，各位看官不妨想一想，淘宝上的信誉高的卖家会收高价，还是会收低价呢？根据我多年的教学经验，这里有四种可能的答案：（A）收高价、（B）收低价、（C）不好说、（D）不知道。您选哪一种？为什么？且听我慢慢道来。1 eBay说：卖家信誉越高，最终成交价格越高从2000年开始，以eBay为代表的电子商务发展势头迅猛，养活了一大票科研人员。eBay以网上拍卖为主要的营业方式，因此，当时科研人员的一个主要的研究题目，就是网上拍卖的卖家的信誉如何影响拍卖结果（如成交率、竞拍次数、最终成交价格等）。那么卖家的信誉和最终成交价格是什么关系呢？**答案是显著的正相关关系：**对于同质商品，高信誉的卖家，其最终成交价格普遍更高。 ...继续阅读 (5)

刘跃文（西安交通大学管理学院）看到这个题目，各位看官不妨想一想，淘宝上的信誉高的卖家会收高价，还是会收低价呢？根据我多年的教学经验，这里有四种可能的答案：（A）收高价、（B）收低价、（C）不好说、（D）不知道。您选哪一种？为什么？且听我慢慢道来。1 eBay说：卖家信誉越高，最终成交价格越高从2000年开始，以eBay为代表的电子商务发展势头迅猛，养活了一大票科研人员。eBay以网上拍卖为主要的营业方式，因此，当时科研人员的一个主要的研究题目，就是网上拍卖的卖家的信誉如何影响拍卖结果（如成交率、竞拍次数、最终成交价格等）。那么卖家的信誉和最终成交价格是什么关系呢？答案是显著的正相关关系：对于同质商品，高信誉的卖家，其最终成交价格普遍更高。2淘宝说：卖家信誉越高，商品价格越低（这不可能！！！）在2000~2010中的若干年里，科研人员们孜孜不倦地撰写和发表这类基于eBay数据的论文。那时候中国的淘宝逐渐兴起。既然大家都在灌，当时作为博士生的我，面临着写论文毕业的压力，也想拿淘宝的数据灌一篇。2007年，我开始写爬虫程序抓淘宝的数据，包括商品信息、卖家信息、买家信息、评论。拿着这些数据，照着葫芦画个瓢，我想得到这么一个结论：平均而言，在淘宝上，高信誉的卖家收相对较高的价格。是不是特别无聊？我还清楚地记得当时和一个比我还耿直的老师的对话：我：我想用淘宝数据证明高信誉的卖家收高价。老师：没 ...继续阅读 (19)

摘要：本文对100万搜索引擎用户的13亿搜索序列文本进行探索分析，对高端车用户以及商学院人群做了描述对比，并针对用户搜索高端车品牌过程中的动态选择行为进行建模。首先，我们发现，在人群划分上，高端车用户和商学院用户表现出更加高端的属性，这主要表现在他们对生活、事业、学业上更卓越的追求。接下来，本文利用逻辑回归构建了忠诚模型，对用户在搜索过程中表现的忠诚和叛变行为进行了刻画，并对影响其忠诚行为的关键因素进行了逐一分析。根据模型的估计结果，我们发现，用户的搜索时间间隔、搜索关键词长度、搜索点击数等指标对用户忠诚行为有显著影响^[由数据保密性需求，本文使用数据均为虚拟数据]。最后，我们利用成本收益曲线对模型进行了评价，并得到了良好的效果。 ...继续阅读 (9)

朱雪宁(北京大学光华管理学院)               王汉生(北京大学光华管理学院)摘要：本文对100万搜索引擎用户的13亿搜索序列文本进行探索分析，对高端车用户以及商学院人群做了描述对比，并针对用户搜索高端车品牌过程中的动态选择行为进行建模。首先，我们发现，在人群划分上，高端车用户和商学院用户表现出更加高端的属性，这主要表现在他们对生活、事业、学业上更卓越的追求。接下来，本文利用逻辑回归构建了忠诚模型，对用户在搜索过程中表现的忠诚和叛变行为进行了刻画，并对影响其忠诚行为的关键因素进行了逐一分析。根据模型的估计结果，我们发现，用户的搜索时间间隔、搜索关键词长度、搜索点击数等指标对用户忠诚行为有显著影响$^1$。最后，我们利用成本收益曲线对模型进行了评价，并得到了良好的效果。一、业务介绍（一）中国汽车行业现状及高端乘用车市场汽车工业是我国国民经济的主导产业和支柱产业之一。自2001年中国加入世贸组织以来，我国私有车辆广泛普及，带来了汽车行业销售量连年增加。截止至2015年底，我国民用汽车保有量已达到16273万辆（如图 1所示）。近十年来，我国汽车销量由2004年的500万辆增加到2013年的2198万辆，增加了三倍有余（图 2$^2$）。另一方面，中国在世界汽车行业的地位日渐凸显，已成为全球车企的主要增长市场。据德勤公布的2014年中国汽车行业投资促进报告显示，截止至2013 ...继续阅读 (23)

**作者：**蔡越(厦门大学经济学院统计系)，郭鹏（厦门数析信息科技有限公司）， 方匡南（厦门大学经济学院统计系，厦门大学数据挖掘研究中心）摘要: 买家的评论文本数据是电子商务领域一种重要的数据形式，通过对其分析，电商卖家可以直接了解顾客对产品的态度与建议，提取顾客关注的热点问题，也可以进行顾客分类，实现精准营销，改进和提高生产和服务等；买家可以提取所关注属性的相关评价，了解舆论情感倾向，提高购物决策效率。但是大数据环境下海量文本的出现给文本数据的有效利用带来了一定的困难，比如结构化处理后的文本数据的高维特性给电子商务文本聚类等分析带来了新的挑战。本文主要研究当词条数目（变量数）远远大于评论文本数（样本数）时如何归纳顾客评论以及提取热点话题。本文抓取了亚马逊中国站热门产品kindle的评论文本，通过惩罚高斯混合模型聚类方法，同时进行文本聚类和有效词条的筛选，实现了大规模评论文本的有效、快速、自动聚类，为后续更加精细的商业分析提供了良好的基础。关键词：顾客评论；文本分析；聚类；热点话题 ...继续阅读 (10)

作者：蔡越(厦门大学经济学院统计系)，郭鹏（厦门数析信息科技有限公司），方匡南（厦门大学经济学院统计系，厦门大学数据挖掘研究中心）摘要: 买家的评论文本数据是电子商务领域一种重要的数据形式，通过对其分析，电商卖家可以直接了解顾客对产品的态度与建议，提取顾客关注的热点问题，也可以进行顾客分类，实现精准营销，改进和提高生产和服务等；买家可以提取所关注属性的相关评价，了解舆论情感倾向，提高购物决策效率。但是大数据环境下海量文本的出现给文本数据的有效利用带来了一定的困难，比如结构化处理后的文本数据的高维特性给电子商务文本聚类等分析带来了新的挑战。本文主要研究当词条数目（变量数）远远大于评论文本数（样本数）时如何归纳顾客评论以及提取热点话题。本文抓取了亚马逊中国站热门产品kindle的评论文本，通过惩罚高斯混合模型聚类方法，同时进行文本聚类和有效词条的筛选，实现了大规模评论文本的有效、快速、自动聚类，为后续更加精细的商业分析提供了良好的基础。关键词：顾客评论；文本分析；聚类；热点话题一、业务介绍电子商务数据分析根据数据类型可以划分为以下几个方面：1）用户行为数据的分析，也可以称为事件分析，包括用户点击、浏览、收藏、购买等行为流程的分析；2）顾客信息分析，包括顾客年龄、性别、地区、交易模式、偏好等数据的分析；3）产品信息分析，包括产品参数、门类等，以实现优化产品结构、库存管理等；4）文本数据分 ...继续阅读 (24)

摘要：面向小微商户以及个人消费的小微信贷是当前互联网金融的重要发展方向，并且正在经历爆发式增长。在这个增长过程中，如何在没有实物抵押的情况下，通过互联网大数据分析实现快速准确征信是一个非常重要的问题。为此，不同的数据来源将各显神通地为信用评估提供依据。本文将通过一个真实的案例出发，进行分析和探讨，针对用户历史行为数据建立信用评分模型，并通过该模型改进信用评估的预测效果。关键词: 小微信贷；互联网征信；信用评分；Logistic回归模型一、业务介绍1. 行业介绍小微信贷，我们定义为金额较小，并且没有抵押担保，完全靠信用的借贷行为。小微信贷可以面向个人（2C），也可以面向小微企业（2B）。对于2C类业务而言，常常是小额短期信用贷款，这是贷款是为解决借款人临时性的消费需要而发放的期限在1年以内、金额在20万元及以下的、毋需提供担保的人民币信用贷款。对于2B类业务而言，由于小微企业的信贷需求特点是 “短、小、频、急”，这种小额、短期、分散的特征更类似于零售贷款，对资金流动性的要求更高。 ...继续阅读 (4)

**作者：**罗应琏(北京维艾思气象信息科技有限公司)，朱珊（中山大学华南统计科学研究中心) ，何顺(中山大学华南统计科学研究中心)，周翔(中山大学华南统计科学研究中心)，李昶(北京维艾思气象信息科技有限公司) ，王学钦(中山大学华南统计科学研究中心)摘要：自建国以来我国的气象系统已经十分完备，2015年中国气象局发布27号令后使得气象数据迈向开放数据（Open Data）新阶段，行业与公众可以使用海量气象数据助力企业，目前行业数据和海量气象数据还没有得到完全应用。本文主要研究气象数据对销售的影响，进而利用气象数据特性完成天气驱动行业销售的预测。我们以两个零售行业的销售数据为例，结合气象局提供的天气数据进行分析。同时，我们在分析中加入了经济因素，如上证指数和CPI数据来提供外部环境支持。与传统的预测不同，在气象数据中，我们不仅知道目前时间点的数据，也有目前公众唾手可得的未来七天精确天气预报。我们采用目前流行的机器学习算法随机森林来建模，得到了很好的泛化结果。我们的预测模型可以解决销售行业传统通过从业人员的主观判断进行销售预测的局限，利用大数据分析实现更加精确可靠的指导。关键词：气象数据、销售预测、随机森林、大数据分析 ...继续阅读 (9)

作者：陈星(中央财经大学统计与数学学院，北京)潘蕊(中央财经大学统计与数学学院，北京）黄亮(彩虹无线(北京)新技术有限公司，北京)摘要：本文的研究内容为UBI车险业务。本文通过车辆前装设备采集驾驶行为数据，并与同期车辆出险情况建立Logistic回归模型，通过该模型挖掘对车辆出险情况具有显著影响的驾驶行为变量，并对其影响程度进行分析。根据分析结果，本文对其在行程打分与车险保费定价两部分业务的实施进行了分析，并对其预期效果与可能存在的问题展开了进一步讨论。关键词：车联网大数据；驾驶行为；Logistic 回归模型；UBI车险 ...继续阅读 (7)

作者：黄丹阳（中国人民大学统计学院）摘要：面向小微商户以及个人消费的小微信贷是当前互联网金融的重要发展方向，并且正在经历爆发式增长。在这个增长过程中，如何在没有实物抵押的情况下，通过互联网大数据分析实现快速准确征信是一个非常重要的问题。为此，不同的数据来源将各显神通地为信用评估提供依据。本文将通过一个真实的案例出发，进行分析和探讨，针对用户历史行为数据建立信用评分模型，并通过该模型改进信用评估的预测效果。关键词: 小微信贷；互联网征信；信用评分；Logistic回归模型一、业务介绍行业介绍小微信贷，我们定义为金额较小，并且没有抵押担保，完全靠信用的借贷行为。小微信贷可以面向个人（2C），也可以面向小微企业（2B）。对于2C类业务而言，常常是小额短期信用贷款，这是贷款是为解决借款人临时性的消费需要而发放的期限在1年以内、金额在20万元及以下的、毋需提供担保的人民币信用贷款。对于2B类业务而言，由于小微企业的信贷需求特点是 “短、小、频、急”，这种小额、短期、分散的特征更类似于零售贷款，对资金流动性的要求更高。小微信贷的产生具有其深刻的市场原因。在2B层面，小微企业受到传统金融机构的歧视和排挤，资金供给严重不足最终导致了小微企业的营养不良。就其原因，主要是小微企业没有足够的抵押物。而传统银行贷款，往往需要企业提供足够的抵押品。小微企业处于发展初级阶段，有限的资金都必须用在刀口上，所以只 ...继续阅读 (7)

作者：罗应琏(北京维艾思气象信息科技有限公司)，朱珊（华南统计科学研究中心) ，何顺(华南统计科学研究中心)，周翔(华南统计科学研究中心)，李昶(北京维艾思气象信息科技有限公司) ，王学钦(华南统计科学研究中心)摘要：自建国以来我国的气象系统已经十分完备，2015年中国气象局发布27号令后使得气象数据迈向开放数据（Open Data）新阶段，行业与公众可以使用海量气象数据助力企业，目前行业数据和海量气象数据还没有得到完全应用。本文主要研究气象数据对销售的影响，进而利用气象数据特性完成天气驱动行业销售的预测。我们以两个零售行业的销售数据为例，结合气象局提供的天气数据进行分析。同时，我们在分析中加入了经济因素，如上证指数和CPI数据来提供外部环境支持。与传统的预测不同，在气象数据中，我们不仅知道目前时间点的数据，也有目前公众唾手可得的未来七天精确天气预报。我们采用目前流行的机器学习算法随机森林来建模，得到了很好的泛化结果。我们的预测模型可以解决销售行业传统通过从业人员的主观判断进行销售预测的局限，利用大数据分析实现更加精确可靠的指导。关键词：气象数据、销售预测、随机森林、大数据分析一、业务介绍天气一直是指导人们生活的重要因素，德国知名的经济议题观察家弗里德黑姆˙施瓦茨（Friedhelm Schwarz）发表的著作《气候经济学》[1]提到地球上有80%的经济活动都是由于天气因素影响甚至 ...继续阅读 (7)

呐，统计之都已经创建十周年。作为所谓的创始人，自然也是时候卷起袖子跟大家一起干一大碗鸡汤，毕竟十年这个时间长度听起来好像还蛮厉害的。不巧最近这些天挺忙，加上我其实并不太喜欢专门写文字给乌泱乌泱的客官们看，年龄越大，就越不愿意去安利别人。这篇十周年感言如何写，每天晚上苦苦思考三分钟之后就睡得特别香。想全面概括这十年的发展是不可能的，只能用我最擅长的意识流方式想到哪儿说到哪儿了，这篇文章基本上是纯个人视角，无意借机强行输出价值观。想当初创建统计之都那会儿，朕是天不怕地不怕，心高气傲，不懂就放狗搜了若无其事地回来装懂，在满论坛的点赞声中深藏功与名。有时候在论坛回帖回到半夜一两点，就是那种“扶朕起来朕还能回”的感觉。时间长了，偶尔会有不知情的热心网友称谢教授，嗨别介，我就一逗比本科生而已，然而心里自然窃喜不已，三条腿的蛤蟆好找，二十二岁的教授不常见啊。现在想想人不轻狂枉少年，虚荣心也不是什么坏事，我的 R 语言技能，大致就是在三天两头帮人看函数文档中学出来的。话说那时候 R 帮助文档还是 CHM 格式的，现在的娃估计都不知道咩是 CHM 了。这话题切换到 R 也忒快了。十年之后我们回头来看看统计之都的成败。现在我的世界观越来越倾向于世界被偶然性主要操纵，听起来有点消极，但我并非悲观主义者。俗话说七分天注定，三分靠打拼，还剩下九十分都靠脸。我最不喜欢听那种把成功归结于努力、把失败归咎于运气的 ...继续阅读 (37)

作者：陈星(中央财经大学统计与数学学院，北京)潘蕊(中央财经大学统计与数学学院，北京）黄亮(彩虹无线(北京)新技术有限公司，北京)摘要：本文的研究内容为UBI车险业务。本文通过车辆前装设备采集驾驶行为数据，并与同期车辆出险情况建立Logistic回归模型，通过该模型挖掘对车辆出险情况具有显著影响的驾驶行为变量，并对其影响程度进行分析。根据分析结果，本文对其在行程打分与车险保费定价两部分业务的实施进行了分析，并对其预期效果与可能存在的问题展开了进一步讨论。一、业务介绍（一）车联网行业介绍车联网（Internet of Vehicles）是指由车辆位置、速度和路线等信息构成的巨大交互网络。车联网主要依托移动通信与信息科学技术，通过无线通信技术(例如 GSM, GPRS等通信方式)、地理位置定位技术(例如 GPS,LSB 定位)、汽车传感器技术(汽车总线 CAN-bus) 以及行车记录仪技术等完成车辆行驶状态与周边环境的采集、数据的传输与处理工作[10]。车联网行业目前处于飞速发展阶段。根据中国产业信息网的车联网行业分析报告，车联网用户数在2005年至2013年由5万增至600万，且将随着我国汽车保有量的增加而进一步增长，其市场规模将从130亿元增长到665亿元，并将保持30%到50%之间的高速连续增长。车联网的发展为其行业创造了海量数据，而该行业的主要价值也将基于其数据的信息价值体现。 ...继续阅读 (16)

大家好，我是水妈，在大学工作，主要教统计学。今天代表狗熊会，发起一个新的系列，丑图百讲。这个系列不讲炫酷的、高大上的统计图，而是给大家分享如何画好最基础的统计图。读者可能会问，为什么要分享统计画图？熊大说了，数据分析的第一步，是梳理业务目标，接下来才是分析数据。水妈认为，在分析数据环节，第一步是做描述分析。这里的描述分析，包括三个内容：一、明确行业背景和变量含义；二、用统计图、统计表以及各种统计指标对数据进行描述；三、适当的解读描述的结果，发现问题，支撑后续的建模。其中，第二个环节尤为重要，因为统计图是最容易给人留下深刻印象的。做好了，能给你的报告或者展示加分，帮助你发现数据当中的问题。做不好，那就是一场灾难。读者可能又要问，最基础的统计图有什么好讲的啊。我看过太多学生的报告，学生看自己画的图，就像是看自己家孩子，越看越喜欢，殊不知别人早就受不了你在朋友圈天天晒娃娃了。大家不要觉得画最最基础的统计图这件事情非常简单容易，可谓不画不知道，一画吓一跳。真的自己动手去画，才知道自己画出来的图有多丑。 ...继续阅读 (5)

作者：水妈大家好，我是水妈，在大学工作，主要教统计学。今天代表狗熊会，发起一个新的系列，丑图百讲。这个系列不讲炫酷的、高大上的统计图，而是给大家分享如何画好最基础的统计图。读者可能会问，为什么要分享统计画图？熊大说了，数据分析的第一步，是梳理业务目标，接下来才是分析数据。水妈认为，在分析数据环节，第一步是做描述分析。这里的描述分析，包括三个内容：一、明确行业背景和变量含义；二、用统计图、统计表以及各种统计指标对数据进行描述；三、适当的解读描述的结果，发现问题，支撑后续的建模。其中，第二个环节尤为重要，因为统计图是最容易给人留下深刻印象的。做好了，能给你的报告或者展示加分，帮助你发现数据当中的问题。做不好，那就是一场灾难。读者可能又要问，最基础的统计图有什么好讲的啊。我看过太多学生的报告，学生看自己画的图，就像是看自己家孩子，越看越喜欢，殊不知别人早就受不了你在朋友圈天天晒娃娃了。大家不要觉得画最最基础的统计图这件事情非常简单容易，可谓不画不知道，一画吓一跳。真的自己动手去画，才知道自己画出来的图有多丑。今天是这个系列的第一期，我们先开个头，我要概括性的讲讲，如何画好统计图。 总的来说，我看统计图，有四个标准：准确、有效、简洁、美观！这次的分享，从这四个方面谈一谈如何让大家画的统计图成为实力派（准确&有效）+偶像派（简洁&美观）。成为实力派，至少要做到“准确”+“有效 ...继续阅读 (14)

作者：杜晓梦(百分点信息科技)，唐晓密(百分点信息科技)，张文学(百分点信息科技)摘要：近年来，深耕国产手机市场多年的某手机及家电品牌厂商推出了旗下智能手机独立子品牌，之后不定期推出该品牌的系列新产品。随着智能手机竞争日趋激烈，新机上市时，如何从国产智能手机大军中脱颖而出，并获得消费者的青睐，就需要一套行之有效的适合市场的营销策略。本文主要总结此智能手机品牌利用大数据分析与数据挖掘技术，辅助其实现新品上市营销的策略过程。首先，在中国手机用户市场进入换机时代背景下，本文分析了其新机上市前如何加强对老客户的深度营销。主要依据该手机及家电厂商手机、电视、冰箱、洗衣机、空调、移动电源、空气净化器等品类线上电商和线下销售公司的客户交易数据，提取了用户的行为特征，包括识别这个终端消费用户的购买频次，消费的品类，价格承受度等，运用关联规则模型，度量这个新品手机和其他品类的相似性。结合购买概率预测、产品生命周期预测等模型，输出目标群体的营销列表，找到整个老用户群体里有可能去购买新品手机的用户群体，并对购买概率进行排序，最终设计具有针对性一些相关联的深度营销计划。其次，在社会化媒体高速发展的背景下，本文阐述了其新机上市前如何进行微博营销推广。一是介绍了如何通过构建行业微博影响力指数模型，甄别出最有影响力的行业微博，有效传播品牌和产品。二是介绍了如何使用SNA社会网络模型，识别意见领袖，通过影响意见领 ...继续阅读 (12)

作者：迟保昉 (猎聘大数据研究院)     苏铖 (猎聘大数据研究院)    单艺 (猎聘大数据研究院)摘要：猎聘每天有数万新用户注册。但是，其中有的用户只是填写了少量的职业信息，即名片信息，而并未完成整个简历的填写。为获得完整的简历，猎聘职业顾问团队（GCDC）需要电话联系该部分用户完善简历。历史数据表明，未填写简历的用户中有相当数量的高价值的用户，而猎聘职业顾问需要能够优先拨打这批高级用户并提升其转化率。 为此，我们研发了基于kNN算法的自动名片用户分类系统——card-rater。该系统根据用户填写的名片信息对新用户的级别进行预测，推断其为高级简历用户的可能性。将评分较高、更有可能是高级的用户推荐给GCDC进行优先电话拨打，显著地提高了高级用户简历转化率。一、业务介绍猎聘（www.liepin.com），于2011年上线。是国内唯一真正实现企业、猎头和职业经理人三方互动的职业发展平台。猎聘始终专注于打造以经理人用户体验为核心的职业发展平台，全面颠覆传统网络招聘以企业为核心的广告发布平台。截至2016年4月，猎聘拥有超过2800万的注册会员，已服务超过50万家优质企业。目前，有超过25万名猎头在猎聘平台上寻找核心岗位的候选人。自2014年起，猎聘建立全球职业发展中心（Global Career Develop Center, 简称GCDC），同时服务企业和求职者，作为两者互动的 ...继续阅读 (11)

作者：常莹北京博雅立方科技有限公司，北京，cycufepku@126.com摘要：本文主要介绍了一种使用公开的SEM广告展现数据，判断行业竞争态势及竞争对手动向、并进而优化SEM投放的方法。此方法由SEM第三方代理公司根据教育培训行业客户的通用需求研发，但具备通用性，可以便捷地复制到其他行业或供某一广告主使用。研究中所使用的主要数据是搜索引擎公开展示的SEM广告。整套方法由一个概念模型和一系列用于完成具体数据分析任务的描述性统计方法组成。分析结果包含一套刻画行业(也可以是子行业/业务线/竞争对手/行业重要关键词等维度)SEM广告投放策略特征及变化趋势的图表，以及据此生成的对市场趋势的判断和优化投放建议。这种方法所需的数据容易获取、方法可扩展性好，产出可用来制定有针对性的投放策略和优化方案，是一种非常经济监控竞品以及提升广告投放效果的方法。一、问题的引入中国互联网信息中心(CNNIC)于2016年1月发布数据显示，我国网民规模在2015年底已达6.9亿，其中82%的网民使用搜索引擎。互联网和搜索引擎成为终端消费者的重要聚集地，必然会带动企业将营销推广重心向线上及搜索引擎转移。有超过1/3的企业开拓有至少一个互联网营销渠道，其中近半数在进行SEM推广。SEM是Search Engine Marketing的首字母简写词，是广告主在搜索引擎上投放的竞价关键字广告。这种广告形式带来的收入在 ...继续阅读 (12)

2016年，是统计之都倡导的中国R语言会议第九年，也是统计之都成立十周年。本届R语言会议将与第七届中国人民大学国际统计论坛、2016百分点数据与价值国际论坛联合举办，共同组成迄今为止中国最大的统计盛会——大统计与数据科学联合会议。中国R语言会议是由统计之都发起，并同国内高校共同举办的R语言与数据科学会议。2008年，中国R语言会议在中国人民大学举办第1届，2015年已发展至全国七个城市举办，报名人数近万人。内容覆盖数据科学及R语言在各行各业的应用，包括天文、地理、医疗、生物、金融、能源、互联网等领域。R语言会议不断发展，统计之都也已走过了十年风雨。十年间，统计之都服务着广大统计学爱好者，推动着R语言在中国的不断发展，见证着数据科学时代的逐渐崛起。在这样一个值得纪念的时刻，让我们相聚人大，相聚统计之都十周年庆典，也相聚这场数据与统计的盛宴！会议的相关情况如下：一、会议时间2016年5月27日~29日二、会议地点会议在中国人民大学举办：5月27日：世纪馆5月28日：逸夫会议报告厅、国学馆报告厅、第一教学楼5月29日：逸夫会议报告厅、国学馆报告厅、800人大报告厅三、会议演讲截至目前，本次大会共筹备了Keynote专场(27日)和22个分会场(28~29日)。分会场主题如下：量化金融经济金融互联网征信（考拉征信专场）可视分析商务分析智慧城市天文地理概率统计机器学习A机器学习B自然语言计算 ...继续阅读 (29)