数据安全 课件 第1讲1-4数据推理与数据营销

数据库安全性控制（数据推理与数据营销）《大数据安全与隐私保护》1.

数据安全访问控制1.1基于视图的访问控制1.2数据推理与数据营销1.3创建视图1.4管理视图1.5利用视图管理数据★数据库安全性控制1.2数据推理与数据营销

以某国银行系统消费数据为例，有一天，一个用户接到银行客服的电话，直接开门见山，向用户推出本月信用卡额度临时调整业务，可以调整到1万的额度，有效期限本月，并提供很低的利息进行下个月的分期还款，问是否选择调整。该用户目前的信用额度为5000元，月初时已经用了4000元的额度，本月还剩20多天，而日常大部分的生活消费都是用信用卡支付的，并且往往都是月底进行大部分生活支出，而该用户的工资水平并不高，如果不提供分期还款的话，提高额度也同样会带来下个月全额还款的压力。很显然该用户调整额度和分期付款的需求是非常迫切的。那么为什么是调整到1万的额度而且有效期限本月，并提供很低的利息进行下个月的分期还款呢？这背后的推理逻辑和营销策略，为何会如此精准呢？【数据推理与数据营销】1.2案例解析生活中的推理现象：当看到天空乌云密布、燕子低飞、蚂蚁搬家等现象时，我们会得到一个推理判断：天要下雨了。数据库推理与营销1从用户第一天办理信用卡开始，用户的数据就进入银行数据库，其中的数据大致包含了：姓名、所在城市、区域、年龄、性别、身份证号、电话号、公司、工龄、年薪、信用额度、银行卡号，消费记录、接待客服等大量的数据。解析1：用户数据积累【

数据库数据推理与数据营销】1.2数据库推理与营销1“物以类聚，人以群分”解析2：用户数据挖掘与模型建立以本案例的用户为例，特征是：青年人，刚刚参加工作，工资偏低、日常生活消费为主等，同时讲究生活品质，定期购买高端商品，信用额度经常不够用。于是这样的用户就极有可能成为信用额度提升、推广分期付款的营销对象。【

数据库数据推理与数据营销】1.2案例解析数据库推理与营销1RFM模型解析3：制订营销方案（1）最近一次消费(Recency)：最近消费，如果面对用户一个月的消费，那么一周作为一个分段，分为4段。（2）消费频率(Frenquency)：消费频率从1次到10次，那么每2次作为一个分段，分为5段。（3）消费金额(Monetary)：消费金额从1元到5000元，那么1000元就是一个等级点。分为5段。按照上面的3个维度，可以把顾客分成4*5*5=100类，对其进行数据分析，然后制定出营销策略。对于那些近期消费用户，频率较高且金额较大的，一定是高端的优质用户，区分出用户后，排好优先级进行营销。【

数据库数据推理与数据营销】1.2案例解析数据库推理与营销1解析4：营销执行案例解析细分出精准用户，量身打造的产品，接着就是按照用户名单的优先级别进行多种方式的营销执行。比如对于RFM模型中高端用户，采用电话营销，提高转化率。各种不同的信用卡产品，究竟是否会被持续使用？有无可能提供更贴近用户习惯，又能充分利用资源的产品？现有的聚类方式是否合理？RFM模型分段是否合理？都需要进行用户行为的后期数据跟踪进行判断优化。解析5：效果评估与模型优化根据不同渠道影响的用户消费数据，判断各种营销手段的有效性，譬如RFM模型的高端用户，采用A/B测试方式，是发短信的效率高，还是电话营销的效率高？【

数据库数据推理与数据营销】1.2数据导入★★数据去重与异常数据处理数据预处理1实现数据准备--Frenquency★★数据可视化--分布直方图数据分析2实现RecencyFrenquencyMonetary模型定义--RFM★★R、F、M的均值R、F、M模型3计算用于划分客户的阙值，R、F、M的均值（*通过分布直方图可以发现该份数据不适合用中位数来分层，因此这里用均值做分层）不同类型的客户消费份额实现利用最近交易间