工作总结
自本年5月中旬入职以来，对互金数据运营工作较先前有了更为深刻的了解，具体反馈为如下： 一． 互金投资消费群体具有与电商消费群体不同的周期性消费习性。
电商消费群体的日常消费行为，周期性消费特性较弱；受金融消费品特性的制约，互金投资消费者具有明显的周期性行为，具体表现在回款方面，即是否有大量回款会影响用户的是否具有周期性投资行为。互金消费群体受投资偏好的影响，往往会对某一期限类产品具有较高的投资偏好，可能是3月期限，可能为12月期限。产品到期后，投资用户会考虑是否利用回款金额进行后续投资，回款金额高的用户其复投可能性会更高，因此表现在数据层面即形成明显的周期性；
xx金融用户消费也具有明显的周期性投资特点，定期产品以1年期、6月期为主要投资产品；网贷则以1年期、3年期为主要投资产品。其结果除受公司各政策影响外，投资者的周期性投资偏好亦有较明显的影响。 二． 受周期性投资偏好的影响，可以对投资群体进行量化分群
精细化运营是目前运营工作的方向，精细化运营可以有效提高对目标群体的关注，有效提高各类运营费用的精细化投放，提高投资用户的复投率。受周期性投资偏好的影响，对平台用户的量化分群成为可能。
由于投资用户在进行资本投资时，具有非常高的理性成分，结合周期性投资的因素，用户在平台上可以留下大量的、有分析价值的数据。具体表现在用户在投资前会频繁登录公司产品、会频繁浏览意向产品，会频繁对比不同类型产品；投资后的投资行为会出现弱化表现。因此根据这些信息可以建立模型将人群量化分群。如可以得出如下数据信息：
1.活跃用户&非活跃用户
2.活跃用户中潜在投资用户&非潜在投资用户 3.潜在投资用户中不同产品投资偏好用户 4.不同产品投资偏好用户的质量评估 三． 需要针对不同业务研究目的建立不同数学模型
建立模型需要综合多方面的因素，主要考虑因素为业务因素并需要对主要因素进行量化处理。故而在建立模型中，需要对业务具有深刻的理解。在每日各客群投资预测模型中，主要因素为回款，即回款多少决定了当日投资金额的多少。在被邀请人与邀请人投资差异研究中，主要因素来自两方面，为投资金额和投资次数的量化与统一，为此我们提出了投资偏好指数这一概念。通过比较用户投资偏好指数，来衡量投资偏好差异及差异大小。
另外，模型的优化也是日常中重要的工作内容。随着业务发展方向的拓展，xx金融在2月增加了网贷投资产品，业务的变更需要对模型进行优化，因此日常工作也需要持久不断的进行优化，将模型中不合理的字段进行优化处理，确保模型的闭合性，以提高各项预测数据的准确率。
以上即近期对数据运营工作的理解及简单总结，请阅。
