DataMining在信用卡客户分群的应用

按一下以編輯母片標題樣式,*,按一下以編輯母片,第二層,第三層,第四層,第五層,Data Mining,在信用卡客户分群之应用,輔仁大學統計資訊學系,蔡欣蕙、陳飛宏、鄭建德、林函穎、楊宇微,謝邦昌,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第1页!,Ben-Ben Bank,總裁,台灣區經理,鄭建德,專員,蔡欣蕙,專員,林函穎,行銷主任,楊宇微,資訊人員,陳飛宏,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第2页!,会议进行中,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第3页!,Data Mining的功能,分类（classification）,推估（estimation),预测（predication）,关联分组（affinity grouping）,同质分组（clustering）,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第4页!,Data Mining,和一般统计分析不同之处在于,Data Mining,可以处理多个维度的大量数据，避免了下面几点困难：巨量的纪录、高维的数据、搜集到的数据仅有一小部分用来分析,。,Data Mining,和,统计分析比较,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第5页!,研究,架构及步骤,收集相,关的文献探讨,整理及清理,资料,资料转档,研究,动机与目的,实际数据挖掘工作,(1),集群分析,(2),判别分析,(3),交叉分析,(4),决策树分析,(5),罗吉斯回归分析,(6),类神经网络分析,测试与检核,分析結果,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第6页!,将,原來的,资料（2,109,518笔)切割成三大部分:,Training Data(1,000,070笔)Testing Data (555,814笔)New Data (553,634笔),DataMining在信用卡客户分群的应用共40页，您现在浏览的是第7页!,S Training Data&S Testing Data,做群集分析,产生分群变数,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第8页!,将,分群,变数与原來的变数产生合并资料集,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第9页!,将,Training Data(1,000,070,笔)及Testing Data(555,814笔),直,接做群集分析,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第10页!,将,分群,变数的资料集作判別分析,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第11页!,将,合,并后的资料集作交叉分析.,罗吉斯回归,.,决策树,.,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第12页!,Data Mining,(未,经抽样）,流程,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第13页!,研究结果,样本与,母体结构比较,分群,结果,判別,结果,瑕疵戶预测结果,分群特性,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第14页!,分群,个数,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第15页!,判別,结果误判率,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第16页!,对不同顾客如何,处,理,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第17页!,银行杀手,个人月收入20,000元以下，,其中沒有收入占（56.87）,平均月开销20,000元以下（84.69,）,家庭月收入60,000元以下（100）,刷卡金,额40,00160,000元（41.73,）,逾期30天（10.81）,呆,帐记录（9.86,）,借款,余额800万（12.40）,退票记录（10.82）,拒往记录（11.10,）,強制停卡,记录（11.77）,男女（,差异最大）,血型A型（30.52),经常使用信用卡,（34.33,）,偶尔使用信用卡,（45.98）,大,学生（8.18）,专科学生（8.25,）,高中职学生（18.99）,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第18页!,策略,黃金,单身汉,(高利,润+经济能力较好),刺激顾客增加刷卡次数,。,结合百货公司、大型量贩店、或饭店等等，促使其消费便利增加消费次数。,对於不常外出购物者寄予消费指南及较高档的商品型录，來刺激消费、增加刷卡次数。,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第19页!,策略,败金高手,(高,利润+经济能力偏低),留住目前的客戶，提高,顾客忠诚度。,预留一段,时间作为审查,，合格者施予同,黄金单身汉一样行销手法。,不合格者，加強其风险的把守，同時降低其信用卡额度。,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第20页!,贡献,针对银行目前的顾客，依其族群的不同，实施不同的解決方法，达到降低银行风险并增加利润的目的。,对于银行的新顾客，提供不同的策略，以得到银行的最大利益。,建立一个判定模型，提供银行在发卡之前的一个审核方针。,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第21页!,Data Mining的,意义,Data Mining,是指找寻隐藏在数据中的讯息，如趋势（,Trend,）、特征（,Pattern,）及相关性（,Relationship,）的过程，也就是从大量数据中发掘信息或知识。,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第22页!,Data Mining,的,相关技术,记忆基础推理法,（Memory-Based easoning）,市场购物篮分析,（Market Basket Analysis）,决策树,（Decision Trees）,基因演算法（Genetic Algorithm）,群集侦测技术,（Cluster Detection）,连结分析,（Link Analysis）,在线分析处理,（On-Line Analytic Processing;OLAP）,类神经网络,（Neural Networks）,区别分析,（Discriminant Analysis）,罗吉斯回归分析,（Logistic Analysis,）,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第23页!,研究工具,Data Mining,软件STATISTICA 6.0基于经费的考量，已取得软件的使用授权。,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第24页!,Data Mining流程,图,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第25页!,Training Data&Testing Data,随机抽出0.2%样本,Sample Training Data(2054,笔,),Sample Testing Data(1125,笔,),DataMining在信用卡客户分群的应用共40页，您现在浏览的是第26页!,依分群,变数资料集結果进行判別分析,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第27页!,将合并后的数据集作交叉分析,.,罗吉斯回归,.,决策树,.,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第28页!,将,Training Data及Testing Data作群集分析,产生分群变数资料集,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第29页!,将,分群,变数与原來的变数产生合并资料集,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第30页!,Data Mining,抽,样流程,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第31页!,Data Mining,(未,经抽样抽样流程图),DataMining在信用卡客户分群的应用共40页，您现在浏览的是第32页!,群集,结果,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第33页!,判別,结果,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第34页!,瑕疵戶,预测模型结果,Y：是否,为瑕疵戶,X：是否逾期超过30天 是否有呆帐记录 是否有借款余额800万,是否有退票记录 是否有拒往记录 是否有他行強制停卡记录,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第35页!,黃金,单身汉,个人月收入20,000元（100）,20,00140,000元占（73.59）,平均月开销20,00140,000元（15.46,）,家庭月收入60,000元以下（100）,刷卡金,额60,00180,000元（28.02,）,农林渔牧（16.55）,事务职（12.21,）,銷,销售业（11.18）,一年內有申,请的意愿,（30.3）,信用卡张数23张,（55.86）,很少使用信用卡,（18.92,）,1524,岁（34.23）,3034岁（15.08）,未婚（49.76,）,上，中上（76.78）,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第36页!,败金高手,个人月收入20,000元以下（100）,其中沒有收入占（63.05）,平均月开销10,00120,000元（33.91,）,家庭月收入60,000元以下（97.23）,刷卡金,额60,00180,000元（49.28,）,3549,岁（32.21）,已婚（23.73,）,中（46.33）,中下（24.78）,下（9.61）,一年內有申,请的意愿（31.36）,信用卡张数34张（14.21）,很少使用信用卡（20.82,）,农林渔牧（19.79）,家庭主妇（14.78）,事务职（14.75,）,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第37页!,策略,银行杀手,(,风险变数高),降低信用,额度。,加強控管,银行杀手的消费行为,对旧有之顾客，建议采用降低信用卡额度，并,随时电话追踪，确认消费无误，同时长期观察，,确认其安全性。,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第38页!,黄金单身汉,高利,润,高,风险,败金高手,银行杀手,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第39页!,报告完毕,Thank you!,DataMining在信用卡客户分群的应用共40页，您现在浏览的是第40页!,