銀行客戶數(shù)據(jù)分析ppt課件-展示頁
2025-05-16 05:04本頁面
【正文】 因此聚類分析是對客戶進(jìn)行自動(dòng)分群的有效方法。 7 數(shù)據(jù)預(yù)處理 (規(guī)格化 ) ? 數(shù)值型特征 : 采用如下公式規(guī)格化到 [0, 1]區(qū)間 ? 標(biāo)稱型特征、日期型特征和字符串型特征保持不變 m i nm a x m i n39。 ? 原始數(shù)據(jù)集的特征主要有四種類型的，分別是：數(shù)值型 (numeric)、標(biāo)稱型 (nominal)、日期型 (date)和字符串型 (string)。商業(yè)銀行可以利用此技術(shù)分辨出能有效為之服務(wù)的最有價(jià)值的客戶，為他們提供更為個(gè)性化的服務(wù)，從而影響相關(guān)的客戶行為并最終達(dá)到提高盈利的目的。運(yùn)用數(shù)據(jù)挖掘中的聚類分析技術(shù)可以從這些數(shù)據(jù)集中提取客戶的分類知識(shí)。1 銀行客戶數(shù)據(jù)分析 20220901 2 背景 ? 數(shù)據(jù) ?客戶群 ?服務(wù) ?盈利 ? 商業(yè)銀行擁有大量的個(gè)人客戶交易數(shù)據(jù)、個(gè)人客戶服務(wù)數(shù)據(jù)和個(gè)人客戶基本資料數(shù)據(jù)。在這些海量數(shù)據(jù)中，隱藏著大量的有價(jià)值的客戶信息。聚類分析技術(shù)可以將性質(zhì)、特征近似的數(shù)據(jù)對象歸屬在相同的群集中。 3 數(shù)據(jù)集 ? 客戶數(shù)據(jù)集包含 10,000條客戶數(shù)據(jù) ? 包含有 31個(gè)特征 (屬性 ), 分別為 : ? Bank No(銀行代碼 ， 其值有： 004,024,077等 ) ? Account num(賬戶代碼 ) ? Short Name(客戶名字 ) ? First Contact Date(第一次接觸 日期 ) ? account open date(賬戶開戶 日期 ) ? account balance(賬戶當(dāng)前余額 ) ? account low balance(賬戶曾經(jīng)最低余額 ) ? account high balance(賬戶曾經(jīng)最高余額 ) ? balance category(余額類型 ) ? Statement Low Balance(最低交易賬目 ， 有正有負(fù) ) 4 數(shù)據(jù)集 (屬性 ) ? Statement High Balance(最高交易賬目 ) ? Statement Aggregate Debit Balance(聚集透支賬目 ) ? Statement Aggregate Debit Day(透支賬目的天數(shù) ) ? Statement Aggregate Credit Balance(聚集存款賬目 ) ? Statement Aggregate Credit Day(存款賬目的開數(shù) ) ? Return Check Count(退回支票的次數(shù) ) ? Status(客戶狀態(tài) ) ? Audit Granding(授權(quán)級別，越高則風(fēng)險(xiǎn)越低 ) ? Salary Before Last Month(上一個(gè)月之前自動(dòng)付款的
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1