专题出品人： 敬请期待
专题出品人： 敬请期待
专题：智能数据分析
运用数据驱动的思想和策略在实践中逐渐成为共识；数据的价值已在科学研究和工商业的不同领域得到充分展现。然而，如果无法从数据中提取出知识和信息并加以有效利用，数据本身并不能驱动和引领数字化转型取得成功。如何让数据发挥它最大的价值？
本专题下的议题
Big Data Analytics @ Uber
牛璐 Uber Data infra，senior software engineer
所属专题：智能数据分析
课程概要
From user acquisition to ads campaign, big data analytics is widely used at Uber. Lots of data-driven decisions are made from PB+ data. From early days to now, data analytics plays an important role in growing Uber from 0 to 1.
In this talk, we will introduce how Uber builds big data platform to meet the needs of data analytics at scale. We will start with users cases, following with essential components of big data and our implementation. Finally, we will describe how the data platform be able to scale in cost-effective way.
听众收益
Understand data driven decision making
Big Data Analytics challenges
Build data platform for analytics at scale
数据极光-京东大数据的数据核心
李冬峰 京东 大数据产品平台负责人
所属专题：智能数据分析
课程概要
背景介绍：
大数据作为京东集团的核心驱动力，已经覆盖京东全产业链。为了应对海量的业务数据与个性化的业务需求，京东大数据已经逐步步入了数据资产管理阶段。
解决思路/成功要点：
引入数据盘点、数据分析、数据治理、数据应用、数据运营等方法论，结合京东的数据成果与经验，构建京东数据资产管理平台—数据极光。
成果：
通过数据极光累计治理500PB数据，节省成本10亿。
通过数据极光实现数据生命周期、数据DDL全栈管理。
听众收益
1、分享京东大数据的业务模式与发展轨迹
2、分享京东大数据在数据治理与数据资产领域的面临痛点
3、分享京东在数据治理、数据资产领域的最佳实践
大数据技术及其在商业决策中的应用
董晓静 LinkedIn 大数据营销总监
所属专题：智能数据分析
课程概要
背景介绍：
在当今新技术层出不穷的挑战下，能够充分应用大数据和人工智能技术，挖掘数据信息，制定有效精准的营销策略，是任何行业任何企业在竞争中脱颖而出的重要手段。本课程介绍数据营销在商业决策中的方法和应用，并分析其在行业中的best practice 和案例和挑战。
解决思路/成功要点：
本讲座将从三个板块介绍数据营销的方法和案例。这三个板块根据客户的生命周期定义的：
板块一：customer acquisition
公司可以通过多种方式和手段赢取新的客户，包括线上和线下的方式。通过使用这些数据，分析不同电子渠道吸引新用户的效率，有效合理的分配营销在获得新客户方面的投入。介绍两种不同的方式分析营销的投资回报率：一个是由上至下的Marketing Mix Modeling, 另外一个是由下至上的Marketing Attribution Modeling.
板块二：customer retention
当一个用户开始在公司的平台上购买产品，她就变成了客户，首先要采取有效的方式跟踪收集关于这个客户的信息。营销的目的是提高客户满意度，客户忠诚度，和客户终身价值。
板块三：customer churn management
通过数据建模可以提前预测到哪些客户有离开的可能，就可以有针对性的采取一些营销的措施，赢回客户。
成果：
虽然各个公司的具体情况不同，商业决策的背景和侧重点也不同。上面介绍的这些方法为公司大数据商业决策的思路提供了一个解决框架，对任何公司的决策过程和管理都有很大的帮助。
听众收益
首先，帮助听众意识到大数据技术在商业决策中的应用并不是自动和直接简单的方式，需要结合大数据/人工智能技术以及业务知识和经验；其次，本讲座介绍了几个具体的方法和实践应用；最后，介绍某些案例和best practice.
反欺诈模型在电商领域的实践与应用
YM Chen 某电商 research science manager
所属专题：智能数据分析
课程概要
某电商自从2010 年启用第三方卖家平台后，该业务迅速壮大，至今已占该电商40%销量。但是大批的卖家质量参差不齐。其中侵权和欺诈的货品对客户伤害最大。商品存在多种欺诈行为：
a.侵权 （版权和商标）
b.欺诈 （拿单就撤）
c.刷单
我们团队运用云计算平台和大数据架构，通过spark的建模方式来给第三方卖家平台的大部分商品进行建模。我们团队主要解决2个难题：
1.如何处理千万级的数据量
2.如何自动更新模型
通过AWS s3的大数据存储为基层构造数据管道。 模型特征的数据自动化和依赖管理令到模型自动化的可能。通过spark的scala建模， 我们构建了多种nlp和XGBoost 的数据模型。在aws 上通过大型emr clusters 来对上千万级的数据进行打分。
听众收益
1.数据架构非常重要。大数据的建模需要完善的数据管道的架构。如果数据管道的架构能够完善，那数据科学家60%的工作就已经完成了；
2.了解如何通过使用多种NLP 和 emsemble learning 的方法能够得到更好的模型结果；
3.了解如何创造建模自动化，如何通过spark 的运用去处理千万级别的商品建模；
专题：智能数据分析
运用数据驱动的思想和策略在实践中逐渐成为共识；数据的价值已在科学研究和工商业的不同领域得到充分展现。然而，如果无法从数据中提取出知识和信息并加以有效利用，数据本身并不能驱动和引领数字化转型取得成功。如何让数据发挥它最大的价值？
其他相关专题
-
数据科学
专题出品人：敬请期待
在数据科学的时代，“数据科学家”、“数据分析师”等职位在各大公司开始越来越被重视，也开启了数据科学在中国发展的黄金时代。本专题着重探讨如何把数据科学落地化，如何提取数据中的商业价值为公司节省费用或者创造新的商业利益。
-
智能数据分析
专题出品人：敬请期待
运用数据驱动的思想和策略在实践中逐渐成为共识；数据的价值已在科学研究和工商业的不同领域得到充分展现。然而，如果无法从数据中提取出知识和信息并加以有效利用，数据本身并不能驱动和引领数字化转型取得成功。如何让数据发挥它最大的价值？
-
大数据前沿
专题出品人：敬请期待
现今是数据信息时代，每分每秒都在产生数不尽的数据。这些数据如何获取，有什么用途，如何与前沿的深度学习、机器学习等相结合，是众多技术型企业都在关注的问题，本专题将探讨大数据平台的前沿技术，囊括Flink、Clickhouse、Spark Streaming等热门技术。
-
大数据平台架构
专题出品人：李远策
快手 数据架构师
人工智能技术离不开大数据的支撑，大数据近年来也已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。本专题将突出大数据平台实战，囊括Offline、Online、Real-time等多场景案例。
