SAS金融数据挖掘与建模：系统方法与案例解析

SAS金融数据挖掘与建模：系统方法与案例解析读书笔记模板01思维导图读书笔记作者介绍内容摘要目录分析精彩摘录目录0305020406思维导图系统建模数据客户方法金融企业案例变量模型数据客户小结案例背景训练评估应用准备本书关键字分析思维导图内容摘要内容摘要本书是一本介绍金融企业数据建模的专著。在内容上，书中以信贷（信用卡）客户的生命周期管理为主线，选取了5个在客户获取、提升、成熟和衰退环节的最经典的金融企业案例，来详细介绍最具价值与实用性的数据建模过程，每个案例既自成体系又前后呼应。读书笔记读书笔记业务整体架构来说第一章的内容还不错，其它章对于想进阶的读者几乎没有啥干货。终于看完这本书，没有很推荐，有些案例的处理写得不清不楚的…宁愿放几页没头没尾的纯代码，还不如把分析方法写细一点。二零一九年读完的第四十九本书，依旧是跟计量经济学相关的，感觉这本书写得有点乱，如果之前完全没有学过相关知识的建议还是直接跳过吧。总的来说，挺合适从事数据行业的人员阅读的，干货不算特别多，但基础的建模思路和分析套路是正确且规范的，唯一值得商榷的是，书中用了大段的篇幅介绍sas代码，对阅读体验造成了一定的影响……不过我还是想要源代码学习一下，哈哈哈[偷笑]。这是一部从实战角度讲解如何利用SAS对金融数据进行挖掘与建模的专著，由SAS大学授权撰写，是SAS大学的指定参考书，也是“SAS大学技术丛书”的一本书。目录分析1.1客户数据挖掘的价值1.3最具代表性的数据应用场景1.2金融客户生命周期及数据应用场景第1章金融数据挖掘与建模应用场景2.1案例背景2.3构建评分模型2.2数据准备与预处理第2章客户获取：信用卡客户欺诈评分案例2.5小结2.4评分模型的应用第2章客户获取：信用卡客户欺诈评分案例2.2数据准备与预处理2.2.1数据源2.2.2变量设计2.3构建评分模型2.3.1算法选择2.3.2模型训练2.3.3模型评估3.1案例背景3.2建模准备3.3数据清洗及变量粗筛3.4变量压缩与转换变量第3章客户提升：信用卡客户精准营销案例3.5模型训练3.6模型评估3.7模型的部署及更新3.8本章小结第3章客户提升：信用卡客户精准营销案例3.2建模准备3.2.1准备数据3.2.2数据预处理3.2.3过度抽样3.2.4构造训练集及测试集3.3数据清洗及变量粗筛3.3.1连续变量与连续变量之间3.3.2分类变量和分类变量之间3.3.3分类变量和连续变量之间3.3.4数据的错误及缺失值3.3.5数据离群值3.3.6重编码3.4变量压缩与转换变量3.4.1分类变量的水平数压缩3.4.2连续变量聚类3.4.3连续变量的分箱3.4.4变量的转换3.5模型训练3.5.1关于Logistic回归3.5.2变量筛选方法3.6模型评估3.6.1模型估计3.6.2模型评估3.6.3调整过度抽样3.6.4收益矩阵3.6.5模型转换为打分卡3.7模型的部署及更新3.7.1模型的部署3.7.2模型的监测及更新4.1案例背景4.2聚类分析流程4.3数据标准化4.4变量聚类4.5变量降维与可视化12345第4章客户成熟：银行零售客户渠道偏好细分案例4.6ACECLUS预处理过程4.7系统聚类分析4.8快速聚类4.9两步聚类法4.10本章小结12345第4章客户成熟：银行零售客户渠道偏好细分案例4.3数据标准化4.3.1标准化介绍4.3.2标准化实现4.4变量聚类4.4.1变量聚类介绍4.4.2变量聚类基本步骤4.4.3SAS实现变量聚类4.5变量降维与可视化4.5.1图形化探索4.5.2主成分分析法降维4.6ACECLUS预处理过程4.6.1ACECLUS介绍4.6.2ACECLUS过程4.6.3ACECLUS示例4.7系统聚类分析4.7.1系统聚类法4.7.2样本与样本之间的度量4.7.3距离定义与测量4.7.4相关系数4.7.5类与类之间的度量4.7.6系统聚类法4.7.7不同系统聚类法之间的比较4.7.8类个数的确定4.8快速聚类4.8.1快速聚类法4.8.2快速聚类法实现4.8.3快速聚类法优缺点4.9两步聚类法4.9.1两步聚类法4.9.2两步聚类法实现5.1案例背景5.3建模分析5.2维度分析第5章客户衰退：银行贷款违约预测案例5.5小结5.4业务应用第5章客户衰退：银行贷款违约预测案例6.1案例背景6.2数据准备6.3流失倾向预警：用Logistic回归构建响应率模型6.4潜在客户价值预测：两阶段建模法第6章客户挽留：信用卡客户流失管理案例6.6小结6.5细分：差异化营销服务的基础第6章客户挽留：信用卡客户流失管理案例6.2数据准备6.2.1设定目标变量6.2.2设定时间窗6.2.3设计预测变量6.2.4准备数据宽表6.3流失倾向预警：用Logistic回归构建响应率模型6.3.1粗分类6.3.2计算分组变量的WOE值和IV值6.3.3共线性检验6.3.4模型训练：显著性检验6.3.5模型评估6.4潜在客户价值预测：两阶段建模法6.4.1阶段1概率预测6.4.2阶段2数值预测6.4.3模型评估作