量化評(píng)估流程的實(shí)現(xiàn)思路是什么

本篇內(nèi)容主要講解“量化評(píng)估流程的實(shí)現(xiàn)思路是什么”，感興趣的朋友不妨來(lái)看看。本文介紹的方法操作簡(jiǎn)單快捷，實(shí)用性強(qiáng)。下面就讓小編來(lái)帶大家學(xué)習(xí)“量化評(píng)估流程的實(shí)現(xiàn)思路是什么”吧!

一、量化思維

在編程體系中有很多復(fù)雜的業(yè)務(wù)是很難理解的，但是又需要做一個(gè)量化分析，給業(yè)務(wù)人員或者運(yùn)營(yíng)，或者用戶一個(gè)參考標(biāo)準(zhǔn)，例如常見指數(shù)，芝麻分?jǐn)?shù)，店鋪等級(jí)，這類業(yè)務(wù)評(píng)定標(biāo)準(zhǔn)非常復(fù)雜，因?yàn)橛绊懡Y(jié)果的因素很多。

在多個(gè)維度的業(yè)務(wù)考量模型中，有一個(gè)核心概念叫做權(quán)重，指某一因素或指標(biāo)相對(duì)于某一事物的重要程度，其不同于一般的比重，體現(xiàn)的不僅僅是某一因素或指標(biāo)所占的百分比，強(qiáng)調(diào)的是因素或指標(biāo)的相對(duì)重要程度，傾向于貢獻(xiàn)度或重要性。通常情況下每個(gè)維度的權(quán)重在0-1之間，所有維度的權(quán)重之和為1。

可以從一個(gè)實(shí)際案例來(lái)分析權(quán)重的概念，比如判斷一個(gè)客戶是否是重點(diǎn)運(yùn)營(yíng)的對(duì)象，通常會(huì)從每周登錄次數(shù)，在線時(shí)長(zhǎng)，交易量等維度考慮，如果客戶A經(jīng)常登錄，但是沒(méi)有核心業(yè)務(wù)交易，客戶B很少登錄，但是業(yè)務(wù)交易高，所以這里登錄次數(shù)的權(quán)重就應(yīng)該低于交易量這個(gè)維度。

如何確定權(quán)重占比，通常有兩個(gè)思路，一借鑒專業(yè)業(yè)務(wù)人員的提供的經(jīng)驗(yàn)，放到業(yè)務(wù)中不斷嘗試調(diào)優(yōu)；二根據(jù)產(chǎn)品的分析數(shù)據(jù)，計(jì)算各個(gè)維度權(quán)重，也是需要在業(yè)務(wù)中不斷嘗試優(yōu)化。

實(shí)際上復(fù)雜業(yè)務(wù)場(chǎng)景的量化過(guò)程是復(fù)雜且漫長(zhǎng)的，需要對(duì)多個(gè)維度的數(shù)據(jù)做收集，有時(shí)候不但需要做周期性量化，例如幾家大廠的信用分，也可能存在實(shí)時(shí)分析的場(chǎng)景，金融業(yè)務(wù)中的欺詐風(fēng)控等，也有兩種場(chǎng)景綜合的實(shí)時(shí)推薦體系，都會(huì)用到量化流程。

二、場(chǎng)景案例

1、綜合評(píng)估

對(duì)用戶、店鋪、產(chǎn)品等多種場(chǎng)景做綜合評(píng)估，把一個(gè)復(fù)雜的事物通過(guò)多個(gè)維度抽象分析，生成簡(jiǎn)單容易理解的評(píng)估結(jié)果，例如店鋪等級(jí)、產(chǎn)品評(píng)分、用戶綜合指數(shù)等，進(jìn)而對(duì)各個(gè)使用場(chǎng)景產(chǎn)生參考的依據(jù)。從結(jié)果來(lái)看可能是很容易理解，但是獲取結(jié)果的分析過(guò)程是相對(duì)復(fù)雜的，有的場(chǎng)景可能需要周期性執(zhí)行評(píng)估模型，有的場(chǎng)景可能需要實(shí)時(shí)計(jì)算，還有可能是兩種情況結(jié)合即依賴周期評(píng)估，也需要參考實(shí)時(shí)計(jì)算。

2、場(chǎng)景推薦

這個(gè)場(chǎng)景相對(duì)復(fù)雜度較高，例如用戶進(jìn)行搜索，但是又勾選一系列排除或者必要條件，這在搜索類的功能中很常見，在處理時(shí)不但要對(duì)用戶的搜索條件做最高的匹配度分析，還要基于搜索結(jié)果做最優(yōu)排序，這種就存在兩個(gè)階段評(píng)估，第一個(gè)階段匹配最優(yōu)搜索條件，第二階段對(duì)匹配結(jié)果做最優(yōu)選排序，最大可能的給出用戶想要的搜索結(jié)果。

3、風(fēng)控評(píng)分

在金融領(lǐng)域內(nèi)，這是很常見的一種風(fēng)控模型，即對(duì)用戶多個(gè)維度統(tǒng)計(jì)，做維度評(píng)分然后累加到一起，風(fēng)控分越高，說(shuō)明該用戶風(fēng)險(xiǎn)越大，進(jìn)而阻止高風(fēng)險(xiǎn)交易。

4、理財(cái)指數(shù)

這個(gè)場(chǎng)景很常見，在金融理財(cái)類的APP中，使用之前必須經(jīng)過(guò)一個(gè)測(cè)評(píng)體系，來(lái)判斷用戶的風(fēng)險(xiǎn)承受能力：例如保守型、積極型等，當(dāng)用戶購(gòu)買的產(chǎn)品屬于高風(fēng)險(xiǎn)時(shí)，會(huì)提示和用戶的風(fēng)險(xiǎn)承受能力不匹配，提示用戶重新測(cè)評(píng)。

三、實(shí)現(xiàn)思路

1、維度規(guī)則表

維護(hù)一份維度的評(píng)估規(guī)則表，classify_sign理解為同一業(yè)務(wù)場(chǎng)景下的劃分標(biāo)識(shí)，weight則標(biāo)識(shí)該維度在評(píng)估中的比重。

CREATE TABLE `evaluate_rule` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵ID',
  `classify_sign` varchar(50) COLLATE utf8mb4_unicode_ci DEFAULT '' COMMENT '歸類標(biāo)識(shí)',
  `rule_value` varchar(300) COLLATE utf8mb4_unicode_ci DEFAULT '' COMMENT '規(guī)則描述',
  `rule_type` int(1) DEFAULT NULL COMMENT '規(guī)則類型：1精準(zhǔn)匹配，2范圍，3模糊',
  `weight` decimal(10,2) DEFAULT '0.00' COMMENT '權(quán)重分布',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=3 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='評(píng)估項(xiàng)規(guī)則';

2、描述規(guī)則

對(duì)于規(guī)則的具體描述，核心就是兩個(gè)字段，規(guī)則值以及匹配到該規(guī)則獲取的結(jié)果。

public class RuleValue {
    /**
     * 規(guī)則值描述
     */
    private Object ruleValue ;
    /**
     * 規(guī)則匹配結(jié)果
     */
    private Object ruleResult ;
    // 基礎(chǔ)構(gòu)造
    public RuleValue(Object ruleValue, Object ruleResult) {
        this.ruleValue = ruleValue;
        this.ruleResult = ruleResult;
    }
    // 省略 Get 和 Set
}

3、封裝匹配值

為了簡(jiǎn)化參數(shù)在模型中傳遞的復(fù)雜度，統(tǒng)一封裝匹配因素的數(shù)據(jù)在一個(gè)數(shù)據(jù)模型中，這里以城市和標(biāo)簽兩個(gè)因素做流程測(cè)試。

public class MatchItem {
    // 城市
    private String city ;
    // 標(biāo)簽
    private String tag ;
    // 基礎(chǔ)構(gòu)造
    public MatchItem(String city, String tag) {
        this.city = city;
        this.tag = tag;
    }
    // 省略 Get 和 Set
}

4、評(píng)估邏輯實(shí)現(xiàn)

這里只是對(duì)兩種情況做簡(jiǎn)單的實(shí)現(xiàn)描述，在實(shí)際的開發(fā)場(chǎng)景中，數(shù)據(jù)和匹配規(guī)格都是十分復(fù)雜的，在整個(gè)評(píng)估模型實(shí)現(xiàn)流程需要不斷優(yōu)化。

@Service
public class AssessBizService {

    private static Logger LOG = LoggerFactory.getLogger(AssessBizService.class);

    @Resource
    private EvaluateRuleDao evaluateRuleDao ;

    /**
     * 業(yè)務(wù)評(píng)估流程
     */
    public void assessBiz (MatchItem matchItem){
        // 精準(zhǔn)匹配城市
        EvaluateRuleEntity evaluateRule01 = evaluateRuleDao.getBySign("assess-biz",1);
        List<RuleValue> cityRuleList = JSONArray.parseArray(evaluateRule01.getRuleValue(), RuleValue.class);
        for (RuleValue cityRule:cityRuleList){
            if (cityRule.getRuleValue().equals(matchItem.getCity())){
                int result = Integer.parseInt(String.valueOf(cityRule.getRuleResult()));
                LOG.info("匹配項(xiàng):{},匹配結(jié)果:{}",matchItem.getCity(),result*evaluateRule01.getWeight());
                break ;
            }
        }
        // 模糊匹配標(biāo)簽
        EvaluateRuleEntity evaluateRule02 = evaluateRuleDao.getBySign("assess-biz",3);
        List<RuleValue> tagRuleList = JSONArray.parseArray(evaluateRule02.getRuleValue(), RuleValue.class);
        for (RuleValue tagRule:tagRuleList){
            if (String.valueOf(tagRule.getRuleValue()).contains(matchItem.getTag())){
                int result = Integer.parseInt(String.valueOf(tagRule.getRuleResult()));
                LOG.info("匹配項(xiàng):{},匹配結(jié)果:{}",matchItem.getTag(),result*evaluateRule02.getWeight());
                break ;
            }
        }
    }

}

四、源代碼地址

GitHub·地址
https://github.com/cicadasmile/data-manage-parent
GitEE·地址
https://gitee.com/cicadasmile/data-manage-parent

到此，相信大家對(duì)“量化評(píng)估流程的實(shí)現(xiàn)思路是什么”有了更深的了解，不妨來(lái)實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！