写在前面：

这段时间一直都在看一些机器学习方面的内容，其中又花了不少时间在推荐系统这块，然后自己做了一套简单的推荐系统，但是跑下来的结果总觉得有些差强人意，我在离线实验中得到Precision,Recall一般都只有15%左右，比起通常的机器学习算法动不动就90%以上的指标，这个我觉得显然是太低了，我觉得可能有如下理由导致的：

1. 数据不完整，目前能拿到的数据也就是ERP里面的交易数据和各种主数据，但是在我看来，交易数据的权重在各种其他类型的数据中应该是最重要的，至少也是排在前列的，可能也是我的一厢情愿。
2. 业务领域没有考虑周全，少了某些重要的参数未加入到模型中去，我想这个才是最重要的，数据分析的前提就是对业务有很深的领悟，才能做出较好的结果
3. 技能欠缺

再说下本人公司背景，公司的业务是B2B类型，公司有接近10万个产品的量，用户比物品少，1万左右，其中还有大量的不活跃用户。后来经过多方面思考后，打算先暂停推荐系统，换一种思路，咱不推荐了，推荐关注在给用户推荐之前未曾购买过的产品，但是就我们行业来说，我会主观的认为一般B2B的业务，客户也即公司，他们的兴趣爱好是基本固定的，不会像人一样这么的善变，所以从这个角度来思考的话，推荐系统也许就不是那么特别的重要的（我知道此刻肯定有N个人要反驳我了）

因为我认为交易数据的重要性，所以我就仅仅从交易数据入手，来分析出用户的购买行为，或者某个物品的被购买行为。所以才有了这次项目的展开：

目的：

通过本项目，希望能在以下方面提供给销售，市场部门以及管理团队决策的参考：

1. 预估某个用户的未来会需要购买的物品，可以进而预测该用户的销量
2. 发现某个用户可能存在的交易流失行为，发现潜在风险
3. 预测某个物品未来可能会被那些用户购买
4. 预测某个物品未来可能会流失那些用户，发现潜在风险
5. 提供解释理由为什么可以预测

通过以上的结果，可以提前有针对性的对客户或者物品进行各种活动。

概念须知

	概念	解释
	数据	SAP中的订单交易数据，客户主数据，物料主数据
	训练数据(TrainData)	用来将整个数据划分一部分来作为算法的训练集
	测试数据(TestData)	用来将整个数据划分另外一部分作为测试数据，通过测试数据来测试算法的各项性能指标
	预测结果	在训练数据集上预测出来的结果集合
关键评价指标	推荐结果	在训练数据上找到的所有推荐结果数
	命中条目（hit）	预测结果中的集合恰好在测试集合中的数目
	准确率/查准率(precision)	命中条目占预测结果中的比率，可以理解为真的预测正确的结果占所有预测结果有多少
	召回率/查全率(recall)	命中条目占测试结果中的比例，可以理解为所有全部为正确的结果到底有多少真的被预测正确了
	潜在风险数（这个以及下面的两个是我自己瞎造的概念）	在训练中，可能存在有风险的数据（用户-物品为一条数据），这些数据往往需要用户去找原因，确定是否真的存在风险
	误差预估数	潜在风险数中的数据在测试数据中已经发生了交易，所以认为是估计有误差，这个数从商业上讲应该要越大越好，因为他们最终都还是有交易行为了
	误差风险率	误差预估数/潜在风险数

基于用户的分析的报告

使用客户XXXX有限公司作为测试：

1. 选择时间区间：20150101-201601231，该用户的所有买过的物品的交易数据作为训练数据
2. 选择时间区间：20170101-20170519，该用户的所有买过的物品的交易数据作为测试数据
3. 各项指标如下：

指标	结果值	说明
训练数据集（不同物料编号数目）	2425	该用户在这段时间内共买过2425个不同编号的物品
推荐结果	458	在训练数据上算出来的可以给该用户推荐的物品数目
测试数据集	839	该用户在测试集这段时间内购买了839个不同编号的物品
命中结果	220	代表算法预测成功了220个物品该用户会去购买的
准确率	48%
召回率	26%
潜在风险数	313	该用户可能会消失的交易数码，例如用户不再买某一个产品了，需要业务来判断是否真的有风险
误差预估数	189	说明在潜在风险中313个里面，其中有189个是没有风险的
误差风险率	60%	189/313，这个值越高越说明风险越小

对于算法来说，使用不同的参数会产生不同的结果，本次实验采用的参数是比较乐观的估计，这会导致算出来的潜在风险数较小，命中数目较高，准率较低。但具体怎么调节参数，需要结合具体业务场景。

基于物品的分析

使用物品YYYYY：

1. 选择时间区间：20150101-201601231，该用户的所有买过的物品的交易数据作为训练数据
2. 选择时间区间：20170101-20170519，该用户的所有买过的物品的交易数据作为测试数据
3. 各项指标如下：

指标	结果值	说明
训练数据集（不同用户编号数目）	122	解释同基于用户分析相似
推荐结果	28
测试数据集	80
命中结果	24
准确率	86%
召回率	30%
潜在风险数	73
误差预估数	45
误差风险率	62%

结果说明：

至少从各项KPI指标来看，都是要明显高于推荐系统中的指标的，特别是基于物品的分析准确率高达86%，当时看到这个数的时候第一反应就是到底哪里出错了？经过各种代码的Review发现是没问题的，其实也验证了我的前面的说法，企业客户的兴趣爱好不会随便发生变化的。

补充说明

1. 考虑到机器性能，还不能在单机上跑所有的用户和所有的物品的分析结果，目前以本实验的用户和物品一起分析所占用的时间为20秒。如果10万条物品记录来跑的话，可想而知会需要话多长的时间
2. 本项目是采用Python来开发的
3. 此预测系统其实可以和推荐系统进行一个很好的结合,来发挥出更大的功效,提高分析的智能性,例如可以检查流失的交易是否是转移到了类似商品上去，等

最后:

这是目前的第二篇博客，还是对于怎么编辑博客的样式一无所知，最后只能跑到Word文档里面来写，然后贴在博客上了，写博客真是一件很辛苦的事情. 如果你对具体模型有兴趣,我就接着继续写技术上是怎么实现的.