利用机器学习在通证交易行业报告撰写思路和运营技巧

　　利用机器学习在通证交易行业报告撰写思路和运营技巧

　　文章采集发布于微信公众号【数据调研社】【datasee】，关注后回复【福利】，可领取python、r、matlab、java、git等爬虫相关福利。【美股】#//username:#//username:talkingdata是美国talkingdatasecondprime平台，2014年上线，提供精准营销、数据洞察等服务。

　　talkingdata的众多产品和功能，不仅涵盖互联网数据（用户行为、流量、电商、消费、广告），也将“人”作为最重要的角色和业务落地来看待。talkingdata实时性极高，在推荐算法、营销场景、金融衍生品等场景都有丰富的积累。小编近日重点分析了其金融行业相关分析报告，此为系列第三篇，我们将详细阐述其金融行业报告的撰写思路和运营技巧。

　　上一篇文章里提到，利用数据挖掘的方法对客户进行画像分析，对提升企业和客户关系密切程度会起到极大的作用。本文选取了利用机器学习在通证交易行业的典型案例，对模型架构和竞品关系进行分析，分析结果显示talkingdata提供的众多金融行业分析报告具有相似性，且具有一定的参考意义。一、定位优势企业的各个方面的数据，都是企业相对弱势的地方，比如在终端，可能跟餐饮、服装这些有着难以跨越的行业。

　　数据可能更多是以电子形式展*敏*感*词*融行业涉及多方数据，更多业务场景的数据是不直接的，比如借贷数据需要通过模型从第三方数据源获取。企业希望数据能够上架金融平台进行*敏*感*词*存储和处理。因此，市场上有多家提供金融行业数据上架服务的公司：①通过爬虫等方式爬取行业数据上架，传递给客户②销售提成，比如推荐中心会提供借贷数据存储和处理等服务③进行etl分析，数据存储和处理④行业数据的构建是可编程的，比如提供数据库构建服务，可以直接将数据写入数据库二、面临问题与解决方案自1996年以来，通证交易平台快速发展。

　　groupon是第一个以餐饮为主营业务的通证交易平台，iost、centostoken等通证交易平台也迅速崛起。做通证交易最大的痛点在于无法实*敏*感*词*清算给服务提供方是目前通证存在的最大问题。

　　最近国内互联网平台应对通证充值流量不足、业务平台无法将小额交易平台的流量进行清算等问题都进行了相应的探索。典型案例有「快如科技」。与传统使用公私钥相比，通证在平台和用户之间进行转移和清算时不必每一个用户拥有自己的私钥，企业可以随时进行多地操作，业务平台无需将自己的数据中心、。