没有合适的资源?快使用搜索试试~ 我知道了~
人工智能-数据挖掘-银行个人贷款客户数据挖掘分析.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
5星 · 超过95%的资源 1 下载量 27 浏览量
2022-06-29
12:13:10
上传
评论 3
收藏 3.94MB PDF 举报
温馨提示
试读
68页
人工智能-数据挖掘-银行个人贷款客户数据挖掘分析.pdf
资源推荐
资源详情
资源评论
ABSTRACT
Along with the acceleration of economic globalization process and the
advancement of financial markets’ reform, Bank industry of China is facing
unprecedented development opportunity, and also meet some pressure and challenges.
The promotions of transformation of operations development forms and detailed
management level appeared to be imminent. The bank has accumulated a large
amount of data after years of construction information system, but now the major
method of data using is still statistical report. The great value contained in the data has
not been fully reflected. How to improve the application level of the data deeply,
“Thought in data” in the business management and decision making, is a very
meaningful topic.
From the customer structure point of view, The customers of Personal loans in
S bank occupies an important position. Only from loan proceeds which brought by the
personal customers, the bank silver business have accounted for more than 40% of the
overall revenue at present. It also has not count Its derivative products and relative
products which bring more business receipts. This paper studies the customers of
Personal loans in S bank, it has designed the overall research and analysis framework
to Personal loans customer of a bank, and confirmed the relevant business processes
and analysis indicators. It introduces the overall architecture of S bank’s data
warehouse, metadata management, design and implementation of ETL, Construction
of multidimensional data model.This paper introduces in detail Construction
multidimensional data model of S bank which based on the data warehouse, and the
process of mining data s and analyzing data by a different SAS Enterprise Guide
algorithm. Finally, it discussed the personal loan customers of the different groups,
deeply, and given the advice of solution of customer loss, improvement of customer
loyalty, and marketing modes of each operating agency.
Key Words: Data Warehouse, Data mining, Bank, Structure of customers,
Association of Products
万方数据
I
目 录
第一章 绪论 ....................................................................................................... 1
1.1 研究背景................................................................................................... 1
1.2 国内外研究现状....................................................................................... 1
1.3 研究内容及方法....................................................................................... 8
1.3.1 研究内容........................................................................................ 8
1.3.2 研究方法........................................................................................ 9
1.4 论文组织结构......................................................................................... 10
第二章 数据仓库和数据挖掘理论 ................................................................. 11
2.1 数据仓库的特点..................................................................................... 11
2.2 多维数据模型......................................................................................... 11
2.3 数据挖掘简介......................................................................................... 12
2.4 数据挖掘的过程..................................................................................... 13
2.5 常用的聚类算法..................................................................................... 14
2.6 挖掘建模工具简介................................................................................. 16
第三章 数据仓库及数据挖掘方案的设计 ..................................................... 18
3.1 需求分析................................................................................................. 18
3.2 数据仓库的设计..................................................................................... 19
3.2.1 S 银行数据仓库现状 ................................................................. 19
3.2.2 构建数据仓库维度模型............................................................. 23
3.3 构建挖掘模型......................................................................................... 31
3.3.1 建立 SAS 分析模型 ................................................................... 31
3.3.2 聚类分析..................................................................................... 35
第四章 数据挖掘结果的分析及运用部署 ..................................................... 41
4.1 结果分析................................................................................................. 41
4.1.1 各品种贷款客户业务贡献度分析.............................................. 41
4.1.2 一二手房贷客户特征分析.......................................................... 42
4.1.3 生产经营性贷款客户特征分析.................................................. 49
4.1.4 营业机构特征分析...................................................................... 54
4.2 运用部署................................................................................................. 61
4.2.1 个人贷款客户一二手房贷客户提升策略建议.......................... 61
4.2.2 个人贷款客户生产经营性贷款客户提升策略建议.................. 61
4.2.3 营业机构提升策略建议.............................................................. 62
万方数据
II
第五章 总结与展望 ......................................................................................... 63
5.1 总结......................................................................................................... 63
5.2 展望......................................................................................................... 64
参考文献 ............................................................................................................. 65
发表论文和参加科研情况说明 .......................................................................... 67
致 谢 ............................................................................................................. 68
万方数据
第一章 绪论
1
第一章 绪论
1.1 研究背景
随着中国经济全球化步伐的加速和金融市场改革的全面深化,银行业也已进
入了以客户为中心的年代,银行的各项业务开始以各种形式渗透进网络,服务也
日趋主动,对客户的数量及质量的衡量已经成为银行的重要指标。面对市场上形
形色色的各类金融产品,各家银行均使出浑身解数,以吸引客户眼球,获取更多
的客户资源。与此同时,摆在银行面前的、目前的最大难题就是“如何解决客户
的流失问题”。在产品竞争的市场机制中,各家银行从切身利益出发,对客户的
挽留战已趋于白热化。
随着大数据时代的来临,数据仓库、数据安全、数据分析、数据挖掘等等围
绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点
[1]
。银行在金
融行业中发挥着主导作用,而将数据挖掘技术应用在银行业,无疑是天作之合,
数据挖掘技术在银行业有着巨大的用武之地,它将为银行业的发展插上翅膀。首
先,银行业的客户和数据储备量之大是很多行业难以企及的,这是银行的一大优
势。其次,银行掌握的客户资源非常庞大,这就为数据的统计和分析提供了非常
有利的条件。再次,银行在多年的经营业务中积累了丰富的数据统计分析经验,
有着突出的专业优势。这些得天独厚的优势都为数据挖掘技术的应用提供了广阔
的空间,在处于大数据时代的大环境下,银行业需要更加方便、科学、有效的分
析方法来处理海量的信息,为银行改善业务流程,增强信息收集的准确性,把握
风控的精确度,预测经营业绩等方方面面提供决策支持和依据。数据最优化的利
用是提高银行竞争力的重要途径,因此,大数据的应用能力将成为决定银行竞争
力的关键因素
[2]
。
数据挖掘作为一种崭新的数据运用手段,通过对海量数据采用聚类分析、时
间序列分析、异常值检测等分析手段,从中挖掘出蕴含的隐性知识,可以在客户
营销、风险控制、运营优化等多个业务领域有效助力业务开展。数据时代,智者
生存。可以预期,未来的银行不仅是数据大行,更是数据分析、数据解读的优秀
银行,要能够从数据中获得洞察力,从数据中攫取价值,从数据中赢得未来
[3]
。
1.2 国内外研究现状
万方数据
第一章 绪论
2
数据挖掘和知识发现是近年来一个十分活跃的研究领域。2013 年 8 月,第
19 届知识发现与数据挖掘大会(ACM Conference on Knowledge Discovery and
Data Mining, SIGKDD 2013)在美国芝加哥召开。大会吸引了来自全球 50 多个
国家的 1200 多人参加,打破了历届大会的参会人数纪录。SIGKDD 是数据挖掘
领域的顶级国际会议,由 ACM 数据挖掘及知识发现专委会负责协调筹办。会议
内容涵盖数据挖掘的基础理论、算法和实际应用。SIGKDD 的发展历史可以追溯
到 1989 年 开 始 组 织 的 一 系 列 关 于 知 识 发 现 及 数 据 挖 掘 的 研 讨 会
KDD(Knowledge Discovery and Data Mining)。自 1995 年以来,KDD 以大会的
形式连续举办了 18 届,论文的投稿量和参会人数呈现逐年增加的趋势。由于 KDD
的学科交叉性和广泛应用性,大会吸引了来自统计、社会网络分析、机器学习、
大数据挖掘、数据库、万维网、生物信息学、多媒体、自然语言处理、人机交互
及高性能计算等众多领域的专家、学者,影响力越来越大
[4]
。
主会期间,除了学术研究论文,SIGKDD 还设有面向工业和政府应用的专题
研讨会以及工业应用博览的邀请报告会。此次大会的主题是“大数据挖掘”,邀
请了相关领域的知名专家作大会主旨报告。大会收到来自 50 多个国家的 726 篇
论文投稿,每篇文章由至少 3 名审稿人评审,随后由相应领域的高级程序委员协
调讨论并推荐,最后由程序委员会主席决定是否接收。大会最终录用论文 125
篇(录用率约 17.2%),其中大会报告论文 66 篇(9.1%)、论文张贴报告 59 篇
[4]
。
在研究热点方面,以社交网络和信息网络为中心的大数据分析成为热点,图
挖掘、推荐系统、用户行为分析也吸引了很多投稿。共有 5 个分会场专题讨论社
交网络和图挖掘。此外,值得关注的是,可扩展的计算方法(scalable methods)
变得越来越重要,有两个分会场专门讨论针对大规模数据的分析方法。其中“大
数据”和“用户模型”成为论文最容易被录取的研究方向,而“特征选取”和“信
息选取”成为论文最难录取的方向。SIGKDD 还吸引了工业界的广泛关注,参会
单位不仅涵盖了几乎所有的大型 IT 公司,还包括很多传统行业的企业:谷歌、
脸谱、雅虎、微软、IBM、推特、甲骨文、易趣、通用电器、迪斯尼研究中心、
福特汽车、美国军事学院等企业和机构均在研讨会上发布了公告。毫无疑问,大
数据挖掘和社交网络分析已经成为各大公司关注的焦点
[4]
。
在大数据分析框架的研讨会中,来自伯克利大学的论文提出结合中央处理器、
图形处理器以及全新的算法设计来提高大数据挖掘能力。基于名为“BID”的大
数据处理引擎开发了用于矩阵计算的 BIDMat 工具包和用于机器学习的 BIDMath。
论文以聚类和分类算法为例,证明了这种新设计可以将单台 PC 机处理数据的速
度提高数十倍。来自康奈尔大学的论文则探讨了如何应对大数据上的复杂分析问
万方数据
剩余67页未读,继续阅读
资源评论
- youyou06082024-03-06发现一个超赞的资源,赶紧学习起来,大家一起进步,支持!
programyp
- 粉丝: 86
- 资源: 1万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功