大家好，这里更新一下我的情况。我已经挂啦，所以恕我没有办法再加大家好友一一讨论了。
但我很愿意在这里分享我确定应该不是我挂的原因的全部经验。
第一轮OA：很简单，不用想太多。就是用profit margin估就可以。也没必要想办法估missing value，只要认真report所有data anomalies就行。. 1point3acres
【估outage】用time series和简单的平均去估outage都可以，最重要的是要注意data patterns！data patterns！data patterns！（我提醒下：有周而复始的趋势，也有上升下降的趋势，要从business的角度去想怎么解释它们，但怎么解释我就没法说了因为我不确定我的对不对）
Copyright By PowCoder代写 加微信 powcoder
所以一定一定一定一定要注意你用的方法、你选取的时间段、你的所有assumptions是不是都能fit data patterns，你也能从business的角度去解释。【最最最最重要的！】（所以你别太肯定地轻易做出assumptions，我觉得我就是挂在这里）（所以其实自己用的model高大上与否不重要，最好别直接我用了三个ML models 然后accuracy都列在那里，在model comprison一下，也没从business角度给出我为什么选这个model它解释了什么）
【查data anomalies】要进一步用一些已知数据计算新变量，看有没有异常值，描述的时候详细一些，可以举一些导致异常值的例子
【做recommendation】从投资者预期变化的角度作出推荐
就这样！祝大家能走的比我远！！
补充内容 (2021-11-12 02:08 +8:00):
最近又陆续有朋友加我微信，我补充下大家可能的疑惑吧。【所以，希望如果大家参考以下就能解决的问题，就不要加微信问我啦】
首先第一轮OA：不用想太多，我直接告诉大家就是分segment计算profit margin，然后乘一乘就行了。不用处理missing values
第二轮OA：我意识到自己描述的太抽象了。
首先我直白的告诉大家，可以不用Machine Learning Model，因为你根本无法从business的角度解释清楚为什么要用这个模型，还要做出多余的assumptions，很容易被challenge （这也间接说明真的很向往modeling的小伙伴其实不用花太多时间在这个岗位上）
也可以不用Time Series，如果你已经走到了这一步，认真理解一下数据，就会明白数据本身根本不是time series data。e.g.，yipitdata 给的数据是【10月1日发布的deals的总billing】【10月2日发布的deals的总billing】，10月1日发布的deals和10月2日发布的deals根本不是同一批deals，所以它不是一个个体在不同时间的量——不是time series。time series严格意义来说应该是同一批deals在不同时间点的billings。所以你要用了time series 会很不好解释你的assumption。.–
不过，确实有一些和time series很类似的趋势，比如以周为单位的循环。9月底到12月中发布的deals的billings都在差不多的level ——很像mean reversion in time series。——那么你就取【9月底到12月中的数据用以周为单位的平均】去估计就好啦
再从business的角度解释下你认为拥有weekly pattern和9月底到12月中数据量变化的原因。
用Price=gross billings/units sold 去看数据异常。
程序代写 CS代考 加微信: powcoder QQ: 1823890830 Email: powcoder@163.com