下一位数据分析师，可能不是数据分析师——体

小提示：您能找到这篇{下一位数据分析师，可能不是数据分析师——体}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的下一位数据分析师，可能不是数据分析师——体内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

编辑导语：当机器学习概念与数据分析场景相碰撞时，会产生什么样的“火花”？也许，用户可以更加便利地清洗、筛选数据，进行数据洞察，并创建预测模型。本篇文章里，作者结合Amazon SageMaker Canvas这款0代码机器学习智能工具进行了体验测评，一起来看看吧。

一、前言

我虽然不是数据分析师，但是因为工作及爱好的原因，经常需要做一些数据的分析。

以前我分析数据的时候，都是先去数据库写一段长长的SQL查数据，问题简单的就加多几段SQL简单分析完毕；复杂一点的就下载回来用Excel公式+透视图；再复杂一点的就上Python+NLP+sklearn；更复杂的只能摊摊手：“哦吼，这个实现不了，提个需求找开发吧”。

最近抱着好奇的心态，体验了一下亚马逊云科技号称“0代码”的无代码机器学习智能工具——Amazon SageMaker Canvas（后续简称Canvas），最近本来就很流行低代码、0代码平台的概念，这一下子把无比深奥的机器学习给0代码了，可怜的互联网程序猿们和数据分析师是不是又要面临新N轮的失业了。

百度指数-关键词：低代码

二、机器学习与数据分析

大部分PM大佬们，没看过机器学习跑，但肯定或多或少做过数据分析的活，甚至不少公司还要求产品经理和运营、市场小伙伴们一起背着各种用户量、订单量、订单额的OKR/KPI。

用户量有多少，都是怎么来的？下单的人那么多，他们有什么共同属性？一份问卷发下去，用户反馈的结果如何？这些都是非常常见的数据分析问题。

我们通过研发协助，或者系统功能，导出对应数据后，一般在Excel、SPSS或者专业的BI软件中完成数据洞察与分析、绘制图表等工作，这就是最常见的数据分析过程。

其中最头疼的，就是如何看懂这些数据、剖析出数据背后的问题。遇到一些复杂的问题时，需要产品经理、运营或更专业的数据分析师，掌握一定的统计学方法，同时对业务背景和行业知识有深厚的理解，才可能拨开迷雾，通过数据接近真相。

一个人学习、积累经验的过程是漫长的、限制重重的，但如果让高速、大容量的电脑来代替人去学习和积累经验，通过大数据对电脑进行训练，然后让电脑对问题做出判断，是否就能培训出“电脑专家”呢？

答案是肯定的，机器学习就是一种让电脑像人一样去学习、积累经验、尝试解决问题的方案。

机器本身并不明白什么业务逻辑，于是我们要给机器“灌输”大量的数据，机器通过决策树、支持向量机、神经网络、深度学习等算法去不断“刷题”训练，形成类似人的“意识”，最后对新来的数据产生一定的预测能力。

例如一位房地产老中介，可以通过几十年的经验，在看到一个新的顾客时，快速判断该顾客的购买意向一样。机器学习完大量的交易数据后，当有一个新的样本进入时，机器就能快速判断成交的概率。

人需要数年时间、在行业里摸爬滚打加上大量前人经验教训，才可能精通一门技艺，无论是产品经理还是数据分析师、运营等，皆是如此。

对比人的学习过程，机器一样需要大量的“经验”即数据为基础，但是通过大量的CPU、GPU算力，学习过程可以缩短到数个小时内完成，只要样本量足够大，机器的分析能力一点都不比人差，就像著名的电脑围棋选手AlphaGo一样。

关键在机器的经验传承，就是“Ctrl+C、Ctrl+V”的这么简单的事灵璧县seo选哪家情，支持不断迭代，而人的经验传承、知识升级就完成没法跟机器比了。数据分析工作更讲究基于客观事实的数据基础，相对比设计、策划等创意类工作，没那么感性，这就让本身“理性”的机器有了先天的优势。

三、机器学习能做什么

我们熟悉的特斯拉汽车自动驾驶，就是通过机器学习的方法让车载电脑学会开车。但是对于大部分产品经理，这种需求都是遥不可及的，那日常工作中，机器学习对我们有什么用？

换个角度想一下：

• 当你纠结公司产品最近大量投入广告，但是订单量却一直不理想时；
• 每举办完一个活动，运营就得花几天在那里绞尽脑汁想区分出作弊的用户时；
• 运维每到活动发布后，就提示疑似有大量黑产刷单时。

产品经理会想，如果有一个工具，可以帮助我们实现精准推荐、分析用户作弊概率、预测黑产风险等，那该多少啊！这时候机器学习就离我们不远了。

我们可以通过Canvas的一些官方示例，看看机器学习在日常工作中能帮上什么忙：

1）客户成交分析

在银行办理业务的过程中，通过客户的年龄、工作、婚姻、教育、住房、贷款、违约，还有宏观经济的居民消费指数、消费者信心指数、就业指数等信息，判断客户是否会购买存款证（Certificate of Deposit，简称CD，一种定期存款）。

这是一个典型的二元分析，即通过多个条件综合判断结果是、还是不是。例如电商就可以以此分析一款产品用户会买，还是不买；快递预测是否能准时送达。

2）街区房价分析

通过街区地址坐标、该街区的房屋平均年龄、房屋数量、人口、家庭数量、家庭收入中位数等信息，分析该区域房屋价格。

这是一个常见的回归分析案例，通过一系列参数，最终得朋友圈浏览过的广告品牌出一个数据作为结果。常见应用场景可以是成交价格预测、活动带来的用户增长效果预测等。

3）基于日期的销量预测

通过日期、销售额、是否有活动、是否是学校放假，然后判断一个具体日期或时间段的销量。这是一种基于时间的序列预测，常见的应用场景是用户量走势预测、成交量走势预测、风险数量预测等。

4）贷款违约风险预测

通过贷款人的贷款金额、贷款周期、贷款利息、贷款目的，贷款人的就业年限、房屋抵押情况、收入水平等数据，分析该用户是正常还款中、完成还款、还是会违约产生坏账（charged off）。

与案例1中的客户成交分析不同的是，此时结果是3个，甚至可能是多个，这种属于“多类分类问题”，相对于非黑即白的二元分析，借助此模式，可以用于更丰富的场景预测。例如我们有多套房子，可以用来判断用户最可能对其中哪一套感兴趣；又或者用于把用户按消费欲望自动分级、按某种用户画像自动归类等。

除了Canvas官方案例外，我还整理了一些在电商运营中，售前、中、后不同阶段，机器学习可以助力的地方：

可以看出机器学习可以介入的机会很多，就算现阶段还不能完全取代人工运营，也可以有效为运营、客服、数据分析等岗位，发现问题和提供建议，从而整体提高营销能力。

四、实际体验

接下来我们将通过一份用户购买数据，通过Canvas，实际体验一番，看看0代码的机器学习平台究竟是怎么样的。

测试项目：某内购商城，将要举办一个活动，希望把几款热销的商品推广给更多的员工购买。

测试目的：预测每位员工最可能购买的商品，然后进行精准推送，提高转化率。

样本介绍：从系统中导出了5款活动商品的历史购买记录，包括了购买者所使用的手机品牌、客户端类型、性别、司龄、年龄、婚姻、户口、学历、职位、职级、工作城市、所属部门等信息，让机器学习不同类型的员工更可能选购哪款商品，根据预测结果，向公司其余员工定向推广具体的商品，提高转化率。

数据量：数据清洗后共9113条有效数据。

1. 创建账号

注册一个亚马逊云科技的个人账号，完成存储空间S3和Canvas的初始化。

2. 正式体验Amazon SageMaker Canvas

Amazon SageMaker Canvas作为一款0代码机器学习平台，可以看到整个平台界面十分的简洁、时尚，完全不会让人有对代码或者机器学习深奥知识的恐惧感，视觉效果满分。

1）创建模型

创建一个Model，即创建了一个项目。

2）导入数据

为项目导入需要让机器学习的数据。

Canvas的数据需要utf-8格式的CSV，且先上传到S3储存中，才能在此导入。

除了导入单个CSV数据集，Canvas还支持对多个CSV进行可视化的联表操作、导入来自Amazon Redshift和Snowflake的数据，并进行SQL操作，提供更丰富的ETL数据处理能力。

数据安全：如果需要学习训练的数据中，包含了公司的敏感信息，请提前完成脱敏，避免不必要的数据泄露。

3）预览字段和选择目标

查看导入的数据、选择需要作为预测结果的字段。

Select a column to predict：选择一列字段作为预测对象，选择好后，Canvas会自动识别该列数据的类型，是数值、二元对象、还是多元对象等，如果识别不正确，可以点击Change type手动修改。

其他作为被分析对象的列，Canvas会自动检测它的数据类型，但是有一定概率识别不准确，且不支持修改，所以需要检查清楚，并在数据源头解决问题，例如某零件的型号格式是个数字组合，但是Canvas就会将其当作数值处理了，从而影响了机器学习准确性。

此时我选择商品名称作为最终的预测对象，后续系统就会自动分析其他字段与商品名称之间的关系，即分析不同的用户属性，对最后购买商品的影响。

4）预览模型

通过点击Preview model，只需要稍等几十秒到几分钟（取决于字段的数据和数据总量），就可以看到系统的预估准确率、以及每个字段的影响权重。Canvas会自动完成传统机器学习过程中，从样本库切分训练集、测试集的过程，自动使用测试集的完成准确率评估，降低了机器学习的操作门槛。

在过往数据模型建设的过程中，需要大量用户调研、经验总结、甚至专家评审的数据建模过程，Canvas就用了几分钟就完成了！极大地降低了数据分析的门槛（甚至完全没门槛了，会认字看结论即可）。

如果我们发现一些字段的影响权重非常低，对结果几乎毫无影响，可以直接在字段列表中去掉这些值，这样可以提高后续分析的速度，甚至提高预测的准确性。有些字段系统可能会认为对结果影响不大，但是我们从经验或常识认为并非如此，则可以选择性保留。

每次调整好要分析的字段后，可以点击一次Preview model，看看准确率是否有所变化，从而实现优化模型的过程。

5）模型构建

Canvas提供了Quick快速和Standard标准两种模式，快速一般需要2-15分钟，标准需要2-4个小时。

标准和快速的区别是，标准的预测准确率会高些，而且支持分享给Amazon SageMaker Studio——一款面向数据科学家、研发工程师的，代码化机器学习平台，让专业用户可以对这个模型调优、用于生产环境等。如果只是想试用，使用Quick模式将高效得多。

我尝试了两次标准的建模过程，发现数据量超过十万行以上，界面预估的时间就不太准。如果只是想体验，使用Quick build即可。

Canvas可以让用户不再需要关注机器学习的策略和算法的问题，极大地降低了机器学习的入门门槛。

• 策略：用什么准则去学习、确定损失函数；
• 算法：此处的算法指狭义的算法，如最小二乘法、梯度下降、上升法等，是从数学上如何解决问题的算法。

广义的算法，就是我们在学习机器学习过程中经常会听到的名词，如线性回归、决策树、贝叶斯、支持向量机、神经网络等算法，其实囊括了上述策略和算法这两者的内容。

6）训练结果

等待机器学习完毕，就可以看到系统分析出来的预测准确率。

在概览Overview Tab里，可以看到每一个指标的影响系数，点击具体指标，可以查看该指标的枚举值，对预测结果的影响系数平均/最高/75%/中位/25%/最小值，通过概览数据，可以快速了解不同的字段对于最终结果的值的具体影响。

机器自学完成了对数据的理解和影响权重的判断，并生成了精美的权重影响表格，以往需要数据分析师或者运营同事花上个半天甚至几天时间的工作，全自动化了。

这一步我们看到，机器认为员工所属城市是影响商品购买决策的主要原因，其次是职级、订单来源（设备）、职务等信息。婚姻、户口、学历等因素对购买决策影响非常小。

本次预测，系统提示的成功率是38.8%，看似不太理想，但换个思路：向三个人推送不同的商品，有一个人会喜欢这款商品，这个结果还是很不错的，毕竟我们有五款商品，如果是随机盲推的话，准确率就只有20%了。如果数据量更大，并采用标准的数据建模方式，应该能获得更好的预测准确率。

点击得分Scroing Tab，可以查看预测结果和实际结果的区别，以及对于每个预测结果的准确率，点击高级指标Advanced metrics，可以查看到更多高级指标。

由于预测对象类型的不一样，高级指标也不一样，可用于给数据分析师进行更高阶的预测效果判断使用。

7）模型预测

Canvas支持批量预测和单个预测的功能，如果我们只是想测试预测效果，或者被预测对象较少或较低频出现时，可以直接使用单个预测，输入已知的属性，即可完成预测过程。

此处我输入用户信息后，系统预测该用户购买商品A的意愿最大，以及其他各商品的购买可能性。

批量预测，需要先将需要预测的数据集上传到S3储存中，再在此处选取，然后完成批量预测和结果下载。批量预测更适合商业化场景使用，可以对多个数据同时完成预测，预测结果可以用于精准推荐、定向营销。

营销的过程中，我们还可以把新的产生的订单数据和旧的整合在一起，再建一个机器学习项目，不断哺育机器学习样本、提高预测精准性。

8）版本管理

新建版本后，可以切换不同的字段，但是不允许修改导入用于机器学习的数据集。如果我们认为预测结果、准确率不太理想，可以尝试创建新的版本，对上传的数据集，选择不一样的字段，然后再重新机器学习训练，构建获得一个新的模型，在多个模型间对比，找到效果最好的方案。

9）模型分享

如果每次数据预测都需要先导出要数据，然后再上传到S3、再导入Amazon SageMaker Canvas，然后预测、导出结果，需求频率一高，必然导致效率低下。

通过标准模式构建出来的模型，支持分享到Amazon SageMaker Studio，让研发和分析师进行更高阶的开发，最终将机器学习的结果应用于业务生产过程中，使预测能力功能化、产品化。

3. 计费方式

根据Amazon SageMaker Canvas的介绍，收费是使用会话费用+模型训练费用综合计费。即按使用系统的时长+模型的数据量两个维度双重计费。

Amazon SageMaker Canvas为新人提供了免费试用套餐：免费套餐为期两个月。该免费套餐包括每月最多 750 小时的交互式会话时间，以及每月最多 10 个模型创建请求，每个模型创建请求最多 100 万个单元格。如果只是用于试用，应该绰绰有余。

五、体验总结

在评价Amazon SageMaker Canvas好坏前，我们要看它到底解决了什么问题：Canvas相对比传统的机器学习平台，好处是无需编写任何代码，无需学习那些高深的数据分析方法和机器学习算法，就能实现对数据的机器学习和预测。

Canvas将机器学习的门槛大幅度降低，整个操作流程（注册和初始化除外）甚至比很多Excel中的公式都更简单，让人可以轻松上手。Canvas还提供了工作流对接，做好的模型可以给工程师进一步使用，这就让该平台不仅仅是“玩玩而已”，做出来的东西是可以真正应用到生产作业中的。

随着机器学习相关技术的不断发展，机器学习在很多行业已展露出逐步取代人工的态势，未来的科技发展势必离不开机器学习。如何降低门槛，让更多人投入机器学习工作的怀抱中、扩大机器学习的影响面，将是一个全新的问题。

目前很多耳熟能详的科技巨头，如微软、谷歌、苹果等，都相继推出了自己的0代码/低代码机器学习平台，受限于数据安全、语言门槛、网络访问以及其他一些局限问题，其中很多平台还处于一个不温不火的阶段。

但是，通过对Canvas的体验，可以断定在可期的未来，机器学习大概率会成为一种可以速成的技能，只不过是有人专门研究数据收集，有人研究如何构建模型，有人挑选算法、有人选择策略……就像现在的互联网IT分工精细化一样的过程。

有了这样快捷的工具后，用户将无法感知如何预防过拟合、如何进行算法调优提效等传统机器学习过程中常见的问题。不需要太多的统计学和行业知识，就能完成数据建模和预测，还可能导致用户对于机器学习的过度依赖，从而忽视了行业知识的沉淀和人在此过程中的重要意义。但是这些问题，随着0代码机器学习平台的不断升级迭代，肯定会逐步得以解决。

最后，回归本篇的题目，下一个数据分析师，何必是数据分析师，借助更高级的0代码机器学习平台，机器学习平台可能就像Axure、墨刀、XD等软件一样流行，简单上手，人人都是数据分析师。

#专栏作家#

iCheer，公众号：云主子，专栏作家。房地产/物业行业产品经理，Python编程爱好者，养猫发烧友。

本文于。，

，基于CC0协议