[心得] FinTech Data Scientist 的日常已刪文
Medium 免費好讀版
https://lihi1.cc/vTSs3
金融科技的資料科學家到底都在幹嘛！？
最近很多人對我的工作內容好奇，簡單的挑幾個完成跟進行中的專案跟大家分享。
這篇文章是跟我的天才好夥伴 Leo 一起完成的，非常感謝他的協助，讓我的用字能兼顧
技術宅、科普到親民，對我來說是一個很有趣的新嘗試！
簡介
跟一般 Data Scientist 不一樣的地方是，我的背景是實驗/認知心理學。
認知科學的訓練讓我在分析行為資料時能提供更多的洞見，
也更關注所謂的個體差異（individual difference）。
我主要使用的工具是 Python，工作內容橫跨商業分析跟機器學習。
這次講機器學習的五個技術跟應用，分別有
1. 用戶分群
2. 信用風險模型
3. 光學字元辨識
4. 自然語言處理
5. 員工特質分析
為了方便理解，會舉拍發票的產品為例子。
用戶分群（Customer Segmentation）
機器學習的分群技術（Clustering），是一種將巨量資料分類成群的方法。
我們有許多產品及服務，用戶使用這些產品的過程都留下了豐富的資料。
利用人工智慧和機器學習的技術，分析用戶使用過程累積的資料，
計算出用戶的輪廓及行為模式。
有點難想像嗎？
舉例來說拍發票的行為就能被分成好幾種：
三天捕魚兩天曬網的、每天拍五張的、拿別人發票來拍的等等 XD
這些分類用人力判斷會非常耗時，甚至有時候人類會不知道該如何分類，
因此就需要人工智慧與機器學習的協助。沒有哪一種特別好，大家都可以自在的做自己。
因為分析的目的是讓我們更精確的知道用戶消費習慣。
未來就可以協助提供每位用戶個人化的服務，讓數據能讓每個人的生活變得更好。
Clustering Python 關鍵字：K-means, Mean Shift, DBSCAN,
Agglomerative Hierarchical
信用風險模型（Credit Risk Modelling）
信用風險模型是大家最耳熟但也最陌生的了吧。
機器學習中的其中一個分支叫做深度學習，深度學習會模擬人類思考的模式，
讓電腦做到更理性客觀、沒有偏誤的決策。
深度學習其實不是一個新的概念，早在三四十年前就已經存在。
因為它模擬人類大腦的運算方式，被稱為類神經網路。
這樣的運算需要強大的硬體及算力，當時的技術還做不到，
所以早期類神經網路的應用非常的有限。
直到近幾年硬體技術提升，深度學習的概念才有真正的應用。
所以我們的大腦其實是複雜又精緻的東西，大家要好好珍惜使用啊～
順帶一提，深度學習之父 — Geoffrey Hinton — 大學時期的本科系就是心理學哦！
一開始就是對大腦有興趣，想讓電腦可以像人一樣思考決策，才一頭栽進這個領域的！
這樣的深度學習能力除了用在自駕車、下圍棋、也廣泛的應用在決策管理，
在許多的金融決策上也開始佔有一席之地。
這樣的模型在金融、保險產業都時常出現，金融科技產業當然也不例外。
有趣的是，這樣的模型是不斷變動的，
原因是模型的許多參數會受到公司當下的發展方針、活動甚至是外部經濟環境影響。
所以絕對無法說被風險模型拒絕與否，就表示一個人的信用如何喔～
Classification Python 關鍵字：Random Forest, Logistic Regression, Gradient
Descent, K-Nearest Neighbours
光學字元辨識（Optical Character Recognition）
光學字元辨識，也是我們常說的文字辨識（OCR），
是一個可以辨識圖片內文字的技術。
實名制在科技產業已經是一個趨勢！除了讓我們更認識用戶，
同時也代表高品質的真實用戶。在實名制文件的辨識上，
英文和數字辨識的研究已經漸趨成熟，準確度也都有一定的水平，
而中文字的辨識還有很大的進步空間。
主要的原因是英文只有 26 個字母，數字只有 10 個數字，
而博大精深的中文字庫則是數以萬計，所以中文的辨識一直有技術上的瓶頸。
我們團隊目前正在跟台灣大學合作，開發新的中文辨識，
我相信這會是一個突破性的技術！
OCR Python 關鍵字：pytesseract, OpenCV
自然語言處理（Natural Language Processing）
根據維基百科的定義：自然語言處理（NLP）是計算機科學以及人工智慧的子領域，
專注在如何讓計算機處理並分析大量自然語言數據。
NLP 常見的挑戰有語音辨識、自然語言理解、機器翻譯以及自然語言的生成。
電腦傳遞訊息的方式就像我們在電影裡看到的，是由 0 與 1 組成的密密麻麻的數字。
而人與人之間的訊息傳遞習慣用簡短的句子表達複雜且大量的資訊，
因為我們希望對方很快就能理解我們的表達。
因此訊息傳遞的複雜程度大概比電腦多了一百萬倍吧！
自然語言處理，是希望讓機器透過各種模型、人工智慧技術，學習人類傳遞訊息的方式。
包含語音、文字、翻譯甚至希望機器可以自行造句（大多數人都讀得懂的那種句子）。
自然語言理解是我目前最關注的領域，
自然語言理解的技術可以讓機器理解人類字句的意義，協助我們處理大量的文字訊息。
像用戶拍的發票，上面有非常多的資訊，有些是較不重要的，
而有些則是重要的關鍵字。不重要的字例如：商家名稱中的股份有限公司，
這樣的氾濫字沒辦法帶給我們更多的資訊，而牛排、鍋貼、奶茶等等，
就是能讓我們熟悉用戶消費行為、甚至飲食習慣的重要關鍵字
。
教會電腦去判斷什麼是發票中的關鍵字、什麼是可以跳過的字，
就是我們在自然語言處理中主要在做的事情。
現實生活中，自然語言處理的技術也常用在客服聊天機器人上，
當用戶發問「請問你們幾點開始上班」，
這樣的句子會抓出重要關鍵字「幾點」、「上班」而被歸類在營業時間的問題，
而「請問」這樣的字就會被過濾掉，但也許機器會把你分群到禮貌的用戶，
所以面對機器時還是可以保持禮貌（笑。
不過呢，發票和客服的分析是完全不一樣的，
所以就算訓練出很厲害的發票自然語言處理模型，
讓這樣的模型去處理客服問題還是會表現得非常差，他會抓錯重點，
用戶也會不知道他在回什麼。也就是說，如果要處理客服問題，
我們需要重新打造一個專門處理客服訊息的新人工智慧模型。
題外話，「人工智慧會不會取代我的工作，造成社會的失業？」
這樣的問題，可以從前段內容得到答案，「不會！」。
因為機器學習的專一性，還是沒辦法取代多元又聰明的人類。
我們相信接下來會是一個斜槓的時代，當你擁有越多元的專業跟資源，
你在這個人工智慧的新時代會擁有更強的競爭力！
而如何聰明的分配資源，讓自己多元的發展，也是我們想幫助每個人達到的事！
NLP Python 關鍵字：NLTK, LSTM, Jieba, keras
員工特質分析（Human Resource Analytics）
什麼！員工的人格特質分析居然跟資料科學有關係!？
在我們公司，我們相信團隊中最重要的就是良好溝通。除了坦率表達自我之外，
我們也思考如何讓團隊成員更了解彼此，透過瞭解彼此的特質與工作習慣，
不但提高溝通效率，還能讓分工更順暢。
我與 HR 部門合作，用數據分析了解團隊與成員的特質。
準備期間我們參考 MBTI 人格理論（Myers Briggs Type Indicator,MBTI)
MBTI 是目前國際最為流行的職業人格評估工具。
每個加入公司的成員都會完成這個測驗，測驗主要分成四個象限，
包含內向/外向、實感/直覺、理性/感性、判斷/感知等分類，
測驗結果也會知道大家是如何理解世界、接收新資訊。
將測驗結果依照部門整理後我們有一些有趣的發現，
比如說產品跟資料科學部門都是做事理性有條理的夥伴、行銷都是外向好相處的夥伴。
我們也用推薦系統的方式，依照每個夥伴的特質給予幫忙配對最適合的跨部門合作夥伴。
心理學中非常在意個體差異，把每個特體都視為獨特的。而在一個組織中，
這樣的獨特性常常被抹滅，這是我們不希望發生的。我們非常在意每一位夥伴，
希望大家都能在舒服的氣氛、用自己最快樂的方式工作。
因此我們認真的對待每一個夥伴，用心理學家的方式研究每一個人，
再用科學的方法最佳化我們的團隊分工。
資料科學團隊常常理性接觸的數字、邏輯跟程式，
這次跟 HR 部門合作的計畫讓我有機會用科學化的分析人的資料，
是一件很好玩又創新的事情。
傳統的企業在員工分析上重視獎酬、年資、升遷等等，
但我們關注每個人是否有找到自己的成就感，
這邊我們結合組織心理學及資料科學的知識，
讓每個人找到自己的定位以及跨部門的好夥伴！
Recommendation System Python 關鍵字：sklearn-recommender
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 211.22.90.210 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1592622211.A.CA6.html
※ 編輯: vivceC (211.22.90.210 臺灣), 06/20/2020 11:04:40
※ 編輯: vivceC (211.22.90.210 臺灣), 06/20/2020 11:05:01
討論串 (同標題文章)