人工智能技術(shù)由于數(shù)據(jù)、算法、硬件支撐的計(jì)算能力等核心要素的共同發(fā)展，進(jìn)入了廣泛的、實(shí)質(zhì)性的應(yīng)用階段。在不遠(yuǎn)的將來，我們肯定能看到人工智能及其相關(guān)技術(shù)在不同行業(yè)發(fā)揮巨大的價(jià)值。

增強(qiáng)型分析將會(huì)長足發(fā)展

多年以來，人們在構(gòu)建模型時(shí)總是要花費(fèi)大量的時(shí)間和精力在準(zhǔn)備數(shù)據(jù)、數(shù)據(jù)預(yù)處理、多次嘗試構(gòu)建模型、模型驗(yàn)證等過程上。在工業(yè)發(fā)展的歷程中，純手工打造的時(shí)代勢必要被標(biāo)準(zhǔn)化流水線的工廠取代，因?yàn)楣ば蚍纸夂罂梢园凑战y(tǒng)一的模式來處理。構(gòu)造模型的過程也可以從純手工打造時(shí)代發(fā)展為一個(gè)更加智能化的時(shí)代。筆者十年前在SPSS任職時(shí)，就深度參與了自動(dòng)化建模相關(guān)組件的開發(fā)，即同一個(gè)模型可以按照不同的算法來實(shí)現(xiàn)并通過同一個(gè)評價(jià)指標(biāo)篩選出最優(yōu)模型。這樣的功能在現(xiàn)在的開源算法庫（如sklearn）中已經(jīng)非常常見。最近AutoML、H2O等知名開源平臺(tái)使得自動(dòng)化建模又有了長足的發(fā)展。然而建模自動(dòng)化并不是終點(diǎn)。

增強(qiáng)型分析（Augmented Analytics）于Gartner在2017年7月發(fā)表的《增強(qiáng)型分析是數(shù)據(jù)及分析的未來》報(bào)告中首次進(jìn)入人們的視野。其核心的概念包括：

智慧數(shù)據(jù)洞察（Smart Data Discovery）。應(yīng)用相關(guān)的工具能夠比較智能和自動(dòng)化地實(shí)現(xiàn)數(shù)據(jù)收集、準(zhǔn)備、集成、分析、建模，能夠輸出各種洞察，可以為人們在戰(zhàn)略方向、對應(yīng)具體范圍的戰(zhàn)術(shù)活動(dòng)（如針對某市場機(jī)會(huì)發(fā)起營銷）、執(zhí)行（具體執(zhí)行營銷策略）等不同層面的活動(dòng)提供指導(dǎo)，包括相關(guān)關(guān)系的發(fā)現(xiàn)、模式識(shí)別、趨勢判斷與預(yù)測、決策建議等。

增強(qiáng)型數(shù)據(jù)準(zhǔn)備（Augmented Data Preparation）。提供智能化的工具使得業(yè)務(wù)人員能夠快速、輕松地訪問數(shù)據(jù)，并連接各種數(shù)據(jù)源通過統(tǒng)一的、標(biāo)準(zhǔn)化的、可交互的視圖展現(xiàn)內(nèi)容、數(shù)據(jù)間的關(guān)系等。同時(shí)提供豐富的工具進(jìn)行自動(dòng)數(shù)據(jù)歸約、清洗、智能化分箱、降噪等功能。增強(qiáng)型數(shù)據(jù)要能夠在原數(shù)據(jù)和經(jīng)過數(shù)據(jù)治理后的數(shù)據(jù)間靈活處理，盡量避免因?yàn)閿?shù)據(jù)治理而丟失信息，同時(shí)也避免在大量原數(shù)據(jù)間進(jìn)行無序的探索。

從上述的定義中可以看出，增強(qiáng)型分析的特點(diǎn)是其可以智能和自動(dòng)地完成數(shù)據(jù)準(zhǔn)備和數(shù)據(jù)分析的工作。對于增強(qiáng)型分析的一個(gè)美好的預(yù)期就是交給機(jī)器大量的原數(shù)據(jù)，機(jī)器直接針對特定場景給出決策建議。要實(shí)現(xiàn)這個(gè)愿景需要人們至少完成如下的幾個(gè)要點(diǎn)。

（1）大數(shù)據(jù)存儲(chǔ)與訪問

基于大數(shù)據(jù)平臺(tái)的存儲(chǔ)、計(jì)算的相關(guān)技術(shù)發(fā)展很快，目前已經(jīng)比較成熟，能夠高效地處理大量數(shù)據(jù)。

（2）數(shù)據(jù)分析流程的組件化、標(biāo)準(zhǔn)化改造

數(shù)據(jù)分析過程中關(guān)鍵步驟如數(shù)據(jù)收集、準(zhǔn)備、集成、分析、建模等過程，需要細(xì)分為不同的子任務(wù)，并通過子任務(wù)間的靈活搭配構(gòu)成數(shù)據(jù)分析的流程。流程的自動(dòng)化運(yùn)行以及對應(yīng)的有價(jià)值的結(jié)果輸出已經(jīng)有了較好的組件，如H2O等。

（3）提供大量的算法支持?jǐn)?shù)據(jù)處理、模型構(gòu)建

算法既可以用來構(gòu)建業(yè)務(wù)模型，也可以用來分析數(shù)據(jù)間的關(guān)系、進(jìn)行變量聚類等工作。

（4）將模型洞見到業(yè)務(wù)決策納入分析范圍

模型輸出洞見，如模型輸出每一個(gè)客戶的購買可能性，還需要配套如當(dāng)購買可能性大于90%時(shí)再根據(jù)時(shí)機(jī)因素進(jìn)行推薦的業(yè)務(wù)決策，才能在實(shí)際營銷活動(dòng)中實(shí)施。這是一個(gè)洞見決策行動(dòng)的過程。

實(shí)現(xiàn)增強(qiáng)型分析所需的技術(shù)勢必是龐雜的，本書的重點(diǎn)涵蓋范圍是數(shù)據(jù)處理、算法及模型、模型洞見到業(yè)務(wù)決策的分析等內(nèi)容。這些內(nèi)容既是我們?nèi)粘＝�模時(shí)要用到的技術(shù)，也是增強(qiáng)型分析中必不可少的內(nèi)容。雖然增強(qiáng)型分析的表現(xiàn)形式是追求智能化、自動(dòng)化等功能，但是增強(qiáng)型分析的終極目標(biāo)還是通過數(shù)據(jù)分析發(fā)揮數(shù)據(jù)價(jià)值。目前增強(qiáng)型分析還處于概念在逐步清晰但需要不斷發(fā)展的階段，所以本書的重點(diǎn)是聚焦在其本質(zhì)內(nèi)容，即數(shù)據(jù)處理、算法及模型、模型洞見到業(yè)務(wù)決策的分析等內(nèi)容。

本書特點(diǎn)

應(yīng)用機(jī)器學(xué)習(xí)、人工智能技術(shù)不僅需要理解算法原理，還需要對算法參數(shù)調(diào)優(yōu)、算法使用時(shí)的數(shù)據(jù)要求、算法輸出結(jié)果，以及如何在具體業(yè)務(wù)場景使用數(shù)據(jù)挖掘模型等方面都有所了解，這樣才能真正發(fā)揮數(shù)據(jù)價(jià)值，產(chǎn)生實(shí)際的業(yè)務(wù)效果。

本書作者結(jié)合多年來給不同的大型機(jī)構(gòu)構(gòu)建數(shù)據(jù)挖掘模型、解決實(shí)際業(yè)務(wù)問題的實(shí)踐，總結(jié)歸納技術(shù)、應(yīng)用等方面的經(jīng)驗(yàn)，以介紹較新機(jī)器學(xué)習(xí)及人工智能技術(shù)和如何應(yīng)用這些技術(shù)解決實(shí)際問題兩個(gè)方面作為本書的整體選題思路。總體來講，本書具有如下兩個(gè)主要特點(diǎn)。

（1）介紹較新的技術(shù)

有監(jiān)督學(xué)習(xí)的建模技術(shù)早已不是只懂得算法就可以了。目前基于集成學(xué)習(xí)、Grid Search、交叉驗(yàn)證等自動(dòng)化建模技術(shù)方興未艾，這些技術(shù)在專門的章節(jié)作了重點(diǎn)介紹；基于序列模式挖掘、序列規(guī)則、序列預(yù)測等進(jìn)入公眾視野還較新的技術(shù)在實(shí)際業(yè)務(wù)中有巨大的價(jià)值，這些也是本書介紹的重點(diǎn)；對于目前比較火熱的深度學(xué)習(xí)、對抗學(xué)習(xí)等內(nèi)容，本書也有專門的章節(jié)進(jìn)行介紹。從這些技術(shù)的特點(diǎn)來看，已經(jīng)具備了增強(qiáng)型分析的部分特點(diǎn)，如集成學(xué)習(xí)的技術(shù)就是旨在將多個(gè)模型結(jié)合起來，達(dá)到相對于單獨(dú)采用一個(gè)模型而明顯改善的效果。

（2）兼顧原理與大量實(shí)例

按照深入淺出的方式介紹算法原理、參數(shù)調(diào)優(yōu)及使用方法等信息，并結(jié)合實(shí)際例子展示如何使用以及使用時(shí)的思路。筆者采用深入淺出的原理介紹 實(shí)際使用的案例的內(nèi)容安排，期望能夠讓讀者真正了解機(jī)器學(xué)習(xí)及人工智能的技術(shù)原理、特點(diǎn)與使用方法，并能直接在實(shí)踐中起到指導(dǎo)作用。

除此之外，在本書中涉及漢語直譯不能達(dá)意的詞匯時(shí)都是采用英語原詞，方便讀者能夠與科技類的英文材料對應(yīng)，盡量避免生硬翻譯帶來的疑惑。在本書的大量實(shí)例中，代碼注釋基本上都是英文的，這與筆者多年的編碼習(xí)慣有關(guān)。

讀者范圍

本書的目標(biāo)讀者是實(shí)際解決業(yè)務(wù)問題的數(shù)據(jù)分析建模人員。目前各個(gè)企業(yè)在應(yīng)用機(jī)器學(xué)習(xí)及人工智能方面，不斷在人才、技術(shù)、平臺(tái)方面進(jìn)行投入，特別是不斷招聘了大量的數(shù)理統(tǒng)計(jì)、機(jī)器學(xué)習(xí)方面的人才。但是能夠?qū)嶋H解決業(yè)務(wù)問題的數(shù)據(jù)分析建模人員，除了對算法原理要了解外，還需要對業(yè)務(wù)有一定了解，同時(shí)需要打開眼界快速了解不同的建模方法能夠解決什么問題；除此之外，還要具備較高的實(shí)踐能力，能夠靈活應(yīng)用不同的技術(shù)工具來快速完成任務(wù)。

本書深入淺出的原理介紹 實(shí)際使用的案例的內(nèi)容安排能夠使得數(shù)據(jù)分析建模人員從算法原理、數(shù)據(jù)挖掘知識(shí)結(jié)構(gòu)、業(yè)務(wù)應(yīng)用方法等方面得到提升，幫助數(shù)據(jù)分析建模人員開闊眼界、優(yōu)化知識(shí)結(jié)構(gòu)、提升實(shí)踐技能。

從整體來說，本書適用于中、高級(jí)的數(shù)據(jù)分析建模人員，但是初學(xué)者也能從實(shí)例中得到重要的參考。

章節(jié)概要說明

在本書的內(nèi)容安排中，保持業(yè)務(wù)和技術(shù)兩個(gè)主線：業(yè)務(wù)主線是數(shù)字化轉(zhuǎn)型背景下的智慧營銷、智慧風(fēng)險(xiǎn)管控如何通過數(shù)據(jù)分析完成具體工作，實(shí)現(xiàn)由初級(jí)的主動(dòng)營銷到被動(dòng)營銷，再到全渠道協(xié)同營銷等營銷手段的升級(jí)應(yīng)用；技術(shù)主線是從常見算法的較新發(fā)展到深度學(xué)習(xí)及對抗學(xué)習(xí)的復(fù)雜度由低向高分析技術(shù)由預(yù)測性分析到Prescriptive分析進(jìn)行介紹。具體對應(yīng)于大綱的內(nèi)容如表1所示。

表1　本書章節(jié)大綱概覽

章節(jié) 技　　術(shù) 業(yè)　　務(wù)

內(nèi)容概要 技術(shù)分類 內(nèi)容概要 業(yè)務(wù)分類

第1章 鼓勵(lì)數(shù)據(jù)科學(xué)家加入數(shù)字化變革的進(jìn)程，與業(yè)務(wù)深度結(jié)合

第2章 數(shù)據(jù)處理技巧、數(shù)據(jù)可視化等 描述性分析

第3章 介紹預(yù)測類模型構(gòu)建時(shí)的新方法、新思路、新工具 預(yù)測性分析（輸出洞見） 通過一個(gè)具體案例，利用看重客戶需求而從眾多產(chǎn)品中尋找最可能的推薦。較之前單個(gè)產(chǎn)品響應(yīng)預(yù)測，是從以客戶為中心的視角來產(chǎn)生推薦，以解決多產(chǎn)品排序的問題，實(shí)際效果有較大提升 主動(dòng)營銷

第4章 介紹序列分析的相關(guān)技術(shù)，應(yīng)用較新的算法以實(shí)例的方式說明算法原理、特點(diǎn)、注意事項(xiàng)等 客戶行為是不是存在一些共有模式？客戶下一個(gè)行為會(huì)是什么？這些都是具體營銷和分享管控領(lǐng)域的實(shí)際問題，對營銷和風(fēng)險(xiǎn)的具體決策具有非常大的影響。仔細(xì)挖掘，善于應(yīng)用，往往能取得非常好的效果 事件式營銷（被動(dòng)營銷）

第5章 介紹Prescriptive Analytics的相關(guān)技術(shù)，這方面的技術(shù)注定會(huì)成為數(shù)據(jù)分析不斷深入應(yīng)用時(shí)要用到的重點(diǎn)技術(shù) Prescriptive 分析（輸出決策） 因?yàn)閭鹘y(tǒng)模型大多只輸出名單，而Prescriptive Analytics模型要輸出的是名單 決策，實(shí)現(xiàn)真正的智能決策 全渠道協(xié)同營銷（考慮成本、收益等諸多限制因素）

第6章 通過與傳統(tǒng)模型的對比，介紹CNN算法的原理，通過大量實(shí)例說明其特點(diǎn)、用法、實(shí)際效果等

第7章 通過介紹RNN算法的原理、特點(diǎn)，以大量實(shí)例的方式說明其用法 通過LSTM算法研究客戶行為預(yù)測，掌握精準(zhǔn)的營銷時(shí)機(jī) 基于客戶行為事件式營銷

第8章 通過介紹Generative Adversarial Network算法的原理、特點(diǎn)，以實(shí)例的方式說明其用法

總體來講，本書是一本既能擴(kuò)展讀者視野又具有實(shí)際參考價(jià)值，能夠緊貼實(shí)際業(yè)務(wù)的關(guān)于大數(shù)據(jù)與人工智能的書籍。

在上述章節(jié)中，筆者完成了大部分工作，另外兩位作者協(xié)助筆者做了一些內(nèi)容補(bǔ)充，這些內(nèi)容包括：張宗耀完成了2.1節(jié)、2.2節(jié)、3.6節(jié)、5.4節(jié)、7.3節(jié)；聶磊完成了第2章的大幅修改、5.5節(jié)、5.7節(jié)、6.2節(jié)。在整個(gè)寫作過程中，大家經(jīng)常一起討論、相互學(xué)習(xí)，這個(gè)過程很愉悅！

為什么寫這本書

筆者自2008年加入IBM SPSS，從一個(gè)單純的軟件開發(fā)者變身為數(shù)據(jù)分析行業(yè)的參與者至今已經(jīng)快11年了。在這段時(shí)間，數(shù)據(jù)分析行業(yè)發(fā)生了巨大變化，作為行業(yè)的參與者，筆者自身從業(yè)經(jīng)歷也在不停地發(fā)生變化�？偨Y(jié)下來，筆者遵從數(shù)據(jù)分析驅(qū)動(dòng)業(yè)務(wù)的主線，按照軟件開發(fā)人員數(shù)據(jù)挖掘工具開發(fā)者和團(tuán)隊(duì)管理者資深數(shù)據(jù)科學(xué)家深入理解業(yè)務(wù)的資深數(shù)據(jù)科學(xué)家深刻理解數(shù)字化變革的高級(jí)咨詢顧問和管理者的職業(yè)路徑，在數(shù)據(jù)分析行業(yè)的浩瀚波瀾中前行。這些年的從業(yè)經(jīng)歷，筆者有如下幾點(diǎn)感觸。

（1）從事數(shù)據(jù)分析行業(yè)的人是需要不斷充電的

用日新月異來形容數(shù)據(jù)分析的發(fā)展是最為確切的了，新技術(shù)、新論文不斷涌現(xiàn)。大量書籍上描述的是一些基本的算法，對于新技術(shù)、新算法，我們應(yīng)該永遠(yuǎn)保持不斷學(xué)習(xí)的態(tài)度，才能在日常數(shù)據(jù)分析實(shí)踐中不斷發(fā)揮作用。書中并沒有講大家在很多書籍上能看到的傳統(tǒng)算法，而是重點(diǎn)講一些大多數(shù)書籍還未涉及的內(nèi)容。

（2）真正發(fā)揮數(shù)據(jù)價(jià)值需要融會(huì)貫通數(shù)據(jù)與業(yè)務(wù)

在很多情況下，當(dāng)數(shù)據(jù)科學(xué)家花費(fèi)大量時(shí)間和精力構(gòu)建出模型后，興高采烈地試圖交給業(yè)務(wù)人員使用時(shí)，往往會(huì)遇到一個(gè)有趣的情況：業(yè)務(wù)人員聽不懂你對高深算法的解釋，甚至不在乎你對數(shù)據(jù)的各種費(fèi)心處理，他們只關(guān)心實(shí)際的問題，如模型到底效果如何。所以在本書中穿插了大量與業(yè)務(wù)相關(guān)的例子。

（3）數(shù)字化變革的浪潮與數(shù)據(jù)分析的廣泛應(yīng)用密不可分

數(shù)字化變革是目前幾乎所有企業(yè)都無法回避的任務(wù)。企業(yè)由于所處行業(yè)、自身特點(diǎn)等原因，需要量身定制數(shù)字化轉(zhuǎn)型的戰(zhàn)略。大型企業(yè)需要選擇發(fā)展重點(diǎn)作為突破方向，在轉(zhuǎn)型過程中既要做好技術(shù)基礎(chǔ)，也需要大力推行敏捷的方法，同時(shí)要對人們的觀念、組織內(nèi)的流程等方面做出更新。數(shù)據(jù)分析的廣泛應(yīng)用在數(shù)字化變革中勢必要發(fā)揮巨大作用。筆者認(rèn)為數(shù)據(jù)分析者要抬頭看，深刻地參與到數(shù)字化變革的浪潮中。

本書的寫作歷時(shí)近一年，筆者在做好本職工作的同時(shí)花費(fèi)了巨大的精力總結(jié)歸納過往項(xiàng)目經(jīng)驗(yàn)、學(xué)習(xí)研究新技術(shù)。這個(gè)過程既是一個(gè)自我充電的過程，也是一個(gè)不斷總結(jié)歸納的過程。筆者試圖盡力做到將自己走過的路按照深入淺出的方式講出來，期望提供一定的參考價(jià)值。這也是筆者寫這本書的目的。

筆者相信書中難免有一些疏漏，非常希望能夠得到閱讀反饋。讀者可以通過yfc@hzbook.com聯(lián)系到筆者。

感謝

筆者年近不惑，能夠有大量時(shí)間花費(fèi)在寫書上，是因?yàn)楣P者的父母、愛人、孩子給筆者鑄就了一個(gè)堅(jiān)強(qiáng)的后方。風(fēng)暖春日雪，化作涓涓流，這是愛人、孩子和筆者在一次春游時(shí)看到終南山中的雪即興而作的。其實(shí)這也能對應(yīng)到現(xiàn)實(shí)中，家人的愛和關(guān)心讓筆者在前行時(shí)如沐春風(fēng)，遇到困難時(shí)他們就是筆者的動(dòng)力！同時(shí)也感謝筆者的三個(gè)姐姐對筆者的關(guān)心和鼓勵(lì)。

感謝另外兩位作者張宗耀和聶磊，一位是我的師弟，另一位是與我完成過第一本書《發(fā)現(xiàn)數(shù)據(jù)之美數(shù)據(jù)分析原理與實(shí)踐》的合著者。兄弟之情已經(jīng)在聚會(huì)、討論、相互學(xué)習(xí)、寫作中鐫刻在我們各自的人生軌跡中！

感謝德勒中國副主席、金融服務(wù)業(yè)領(lǐng)導(dǎo)合伙人吳衛(wèi)軍能夠在百忙之中給本書作序并給出非常積極的評價(jià)。吳總在寫序過程中，嚴(yán)謹(jǐn)?shù)墓ぷ鲬B(tài)度給我留下深刻印象，這使我覺得他的序言非常重要。感謝筆者的研究生導(dǎo)師西安交通大學(xué)朱利教授的鼓勵(lì)與肯定，并欣然接受給本書作序的請求。青春揮灑的校園生活是筆者不能忘記的，特別感謝老師在筆者上學(xué)期間的關(guān)心與培養(yǎng)。

感謝筆者的老板吳穎蘭（德勤全球主管合伙人）在筆者寫作過程中的鼓勵(lì)；感謝上海依圖網(wǎng)絡(luò)科技有限公司COO張小平在筆者寫作過程中給予的鼓勵(lì)；感謝美麗聰慧的同事崔璨、羅瑞麗能夠在筆者寫作過程中不斷給予鼓勵(lì)，并提出非常有價(jià)值的意見；感謝同事李敬軍、曹文俊、劉田林、劉婷婷、仇敏訥、李宸豪、馬克、母丹、張宇?yuàn)�，在一起做�?xiàng)目的過程中，我們相互學(xué)習(xí)、相互成長。

感謝我們的客戶，在項(xiàng)目中我們能夠相互學(xué)習(xí)、相互提高�？梢苑浅？隙ǖ卣f，客戶的很多痛點(diǎn)是筆者不斷學(xué)習(xí)的動(dòng)力所在。

感謝機(jī)械工業(yè)出版社楊福川編輯對本書的肯定，他的專業(yè)性和工作效率讓筆者驚嘆。感謝機(jī)械工業(yè)出版社常曉敏老師在鮮讀渠道對本書的大力推廣，也萬分感謝鮮讀渠道上熱心讀者給本書內(nèi)容提出的各種意見和建議。

彭鴻濤