今年初，我被拉进一个数据团队的内部复盘会。屏幕上展示的是同一份销售数据，业务部门用了三个不同版本的图表：一个饼 […]

2022年，我在一家电商公司做用户画像项目，当时业务团队从200多个用户行为指标中提炼核心维度。我习惯性地用了 […]

在正式进入今天的主题之前，我想先分享一个我亲身踩过的坑。两年前，我在为一个电商平台的用户评论做情感分类时，满怀 […]

我在2023年辅导一家年营收3.2亿元的零售企业搭建数据中台时，发现了一个让我至今难忘的“数据清洗灾难”：他们 […]

为什么高基数类别特征不需要“无脑One-Hot” 我做特征工程的第一年，帮一家电商平台做用户画像模型。对方的业 […]

核心结论：分箱不是“切几刀”，而是信息与泛化的权衡 如果只能用一个词总结我对分箱策略的认知，那就是“取舍”。连 […]

我在指导一个客户优化他们的营销预测模型时，发现了一个极其隐蔽的问题。模型在训练集上的表现非常稳定，但上线后几乎 […]

“缺失值”在传统教学里被定义为“数据质量问题”，是赛道上的障碍物，必须铲平。但在我过去五年的特征工程实践中，有 […]

数据清洗的隐形天花板：为什么你的代码在500万行数据面前总是“崩溃” 我处理过一家电商企业的真实数据：一个单表 […]

为什么你的交互特征总是“无效”？ 2022年，我接手了一个电商用户复购预测项目。团队花了三周时间，用笛卡尔积把 […]