我们根据您企业的业务目标和学员的个体需求量身打造

涵盖了323个主题课程以满足企业多样化需求

银行数据挖掘(营销)实操课程

产品思维

常国珍
常国珍 腾讯云最有价值专家
常国珍 腾讯云最有价值专家
  • 金融数据专家认证主席
  • 拥有15年金融和互联网行业数据科学、数据治理经验。专注于金融行业的数据战略规划、数据资产管理、数字化人才培养,客户智能、风险智能和运营智能的解决方案。
  • •作为企业数字化赋能辅导员,帮助企业建立数据管理体系,培养企业数字化文化,设计数据分析人员成长路径,辅导的企业主要是金融机构、互联网金融公司;
  • •作为数据科学工作者,服务过工行、建行、中行、邮储等十几家金融机构,为其设计客户生命周期价值提升方案和产品推荐系统、基于客户之旅的风险防控解决方案、内外部数字化风险管控解决方案,并提供数据服务平台、数据管理平台、AI平台规划和建设服务;
  • •作为数据分析图书作者,著有《Python数据科学:技术详解与商业实践》、《用商业案例学R语言数据挖掘》、《胸有成竹:数据分析的SASEG进阶》等畅销书,被评为电子工业出版社优秀图书作者;
  • •作为资深讲师,为金融、电信和零售企业进行过百余次培训,内容涉及数据治理、数据模型开发、数据分析与BI系统、数据挖掘、深度学习、知识图谱等;担任人民大学、对外经贸大学等高校外聘讲师。
  • 曾培训企业:人行征信、民生银行、光大银行、中信银行、江苏银行、泰康保险等金融或大型国企。

课程简介

本课程属于银行数据分析师进阶课程。

该系列课程针对数据挖掘中的8个难点,即明确任务范围、制定标签、确定取数逻辑、构建高相关性特征集、模型划分与标签补充、特征工程、构建最优模型与模型组合、模型评估等进行课程设计。并以风险和客户关系管理两个不同的场景分别组织案例,在真实数据(脱敏版本)的操练过程中掌握以上所有内容,使学员掌握配套提供的算法模板、特征模板和工程代码模板的使用。

本次课程是为客户管理量化模型开发人员量身打造的课程,使学员快速掌握客户生命周期管理中的骨干模型和运用策略。客户生命周期是客户洞察中最常用的分析工具,企业对初次接触的客户了解甚少,随着交往时间的延长,对其洞察越深入,分析主题越丰富。本课程就按照客户产品生命周期逐步展开数据科学的不同议题。

其中两阶段精准营销模型的学习要点是标签定义、特征工程、归回模型评估与利润最大化营销策略制定;交叉销售模型的学习要点是推荐算法体系、关联规则、序贯模型、协同过滤与推荐算法的评估;客户分群与客户画像的学习要点是聚类模型与响应的特征工程、落地规则转换;客户流失预测模型与赢回策略案例的学习要点是流失的业务理解、指标计算、构建流失预警的数据集、观察期窗口设置、Xgboost和神经网络算法;产能预测模型的学习要点是趋势分解模型、AutoARIMA模型和长短记忆时间序列预测。

课程学习环境:Windows或Linux环境,要求安装好Python3.6对应的Anaconda。电脑最小内存4G,磁盘空间10G。

适合人群

银行数据分析师、客户管理量化模型开发人员。

学员需要:

1、可以熟练使用至少一门数据分析语言,并使用SQL进行数据处理;

2、具有使用假设检验和逻辑回归建模的经验。

课程收益

1、掌握使用Python进行模型开发的标准化全流程。

2、使学员使用Python编程工具根据提供的代码模板快速实现高质量的模型开发。

3、掌握有监督和无监督算法的前沿领域,为后续跟踪新算法打基础。

课程大纲

主题 授课内容
两阶段精准营销模型 1、两阶段精准营销的业务理解
2、建模前的特征工程-变量筛选、共线性问题处理、缺失值、异常值、分箱和WOE
3、建模-构建逐步线性和逻辑回归
4、模型评估-MSE、ROC、KS、GINI
5、制定两阶段精准营销策略
交叉销售模型 1、营销模型体系架构-基于内容的营销、基于特征的营销、基于相似性的推荐、补充推荐法
2、购物篮分析-关联规则、序贯模型
3、协同过滤-基于项目的协同过滤、基于用户的协同过滤
4、模型效果评估-精确度、召回率、F1统计量、PR曲线
客户分群与客户画像 1、客户画像与标签体系-基础标签、统计标签、模型标签
2、客户细分与聚类模型-层次聚类法、K-means
3、聚类算法的特征工程-分类特征处理、信息压缩、标准化
4、聚类结果描述与模型落地-模型评估、集中度分析、差异分析、规则转换
5、绘制客户感知图-对应分析、多维尺度分析
客户流失预测模型与赢回策略案例 1、客户流失业务分析-流失定义、类型划分
2、流失模型数据理解-取数逻辑、窗口设置
3、构建流失预警模型
4、客户价值的业务分析-计算客户价值的因素
5、价值预测数据理解-取数逻辑、窗口设置
6、构建客户价值预测模型-Xgboost、神经网络
7、经济性分析与客户赢回策略制定
产能预测模型 1、线上产品产能监控业务理解
2、Python时间序列的数据清洗
3、趋势分解模型
4、AutoARIMA模型
5、长短记忆时间序列预测

课程支持

面授 直播

面授时长

1天

预约讲师授课