《行業(yè)數(shù)據(jù)挖掘應(yīng)用》由會(huì)員分享，可在線閱讀，更多相關(guān)《行業(yè)數(shù)據(jù)挖掘應(yīng)用（49頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。
1、按一下以編輯母片標(biāo)題樣式,按一下以編輯母片,第二層,第三層,第四層,第五層,*,Unleashing the Power of Data,Unleashing the Power of Data,按一下以編輯母片標(biāo)題樣式,按一下以編輯母片,第二層,第三層,第四層,第五層,*,*,單擊此處編輯母版標(biāo)題樣式,單擊此處編輯母版文本樣式,第二級(jí),第三級(jí),第四級(jí),第五級(jí),Unleashing the Power of Data,*,單擊此處編輯母版標(biāo)題樣式,單擊此處編輯母版文本樣式,第二級(jí),第三級(jí),第四級(jí),第五級(jí),Unleashing the Power of Data,數(shù)據(jù)挖掘,行業(yè)應(yīng)用,議程,數(shù)據(jù)挖
2、掘現(xiàn)狀,銀行行業(yè)應(yīng)用,電訊行業(yè)應(yīng)用,政府行業(yè)應(yīng)用,司法行業(yè)應(yīng)用,數(shù)據(jù)挖掘定義,通俗地講，數(shù)據(jù)挖掘就是對(duì)海量數(shù)據(jù)進(jìn)行精加工；嚴(yán)格地說，數(shù)據(jù)挖掘是一種技術(shù)，從大量的數(shù)據(jù)中抽取出潛在的、不為人知的有價(jià)值信息、模式和趨勢(shì)，然后以易于理解的可視化形式表達(dá)出來，其目的是為了提高市場(chǎng)決策能力、檢測(cè)異常模式、控制可預(yù)見風(fēng)險(xiǎn)、在經(jīng)驗(yàn)?zāi)Ｐ突A(chǔ)上預(yù)言未來趨勢(shì)等。,數(shù)據(jù)挖掘方法,CRISP-DM,（,Cross-Industry Standard Process for Data Mining,）就是公認(rèn)的、較有影響的方法論之一。,商業(yè)理解（,Business Understanding,）,數(shù)據(jù)理解,(Data U
3、nderstanding),數(shù)據(jù)準(zhǔn)備,(Data Preparation),建模,(Modeling),評(píng)估,(Evaluation),發(fā)布,(Deployment),。,數(shù)據(jù)挖掘過程,數(shù)據(jù)挖掘的過程就是一個(gè)不斷探索數(shù)據(jù)特征、建立和檢驗(yàn)?zāi)Ｐ?，發(fā)現(xiàn)客戶消費(fèi)行為特征的過程。,行業(yè)應(yīng)用過程,Characteristic Analysis,Multivariate model build,Reject Inference,Statistical Analysis,Customised Scorecard,Product Identification,File Data Availability,Sam
4、pling,Data Extraction/Cost,Data Integrity,Set cut-off Score,Implementation,Validation,Generic Scorecard,External Data Source,Scorecard Vendor,Outsourcing,Scorecard Monitoring,行業(yè)應(yīng)用分布,行業(yè)應(yīng)用方法,數(shù)據(jù)挖掘存在一個(gè)較長的應(yīng)用周期。,數(shù)據(jù)挖掘應(yīng)用的有效方法是：從一個(gè)較小的、關(guān)鍵的問題出發(fā)，建立起相對(duì)有效的模型，并通過應(yīng)用實(shí)踐不斷檢驗(yàn)和完善模型，逐步替使用者解決問題。,銀行行業(yè)應(yīng)用,1,、客戶細(xì)分,2,、存貸款業(yè)務(wù)交叉銷
5、售,3,、預(yù)防客戶流失,4,、信用卡風(fēng)險(xiǎn)控制,5,、防范信貸風(fēng)險(xiǎn)及欺詐,6,、其他挖掘主題,客戶流失分析,業(yè)務(wù)目標(biāo)：得出最可能流失的客戶名單，交由客戶服務(wù)部門采取挽留措施；,建模數(shù)據(jù)：客戶個(gè)人資料、消費(fèi)情況、歷史流失情況；,挖掘模型：神經(jīng)網(wǎng)絡(luò)、C5.0決策樹、線性回歸,部署數(shù)據(jù)：新的客戶資料、消費(fèi)情況,挖掘結(jié)果：預(yù)測(cè)出每個(gè)新客戶的流失概率，并從中取概率最大的一部分。,客戶流失分析,盡可能減少客戶流失，增加交叉銷售，吸引有價(jià)值的新客戶，在與客戶發(fā)生關(guān)系的整個(gè)過程中增加盈利能力。,客戶信用評(píng)分,業(yè)務(wù)目標(biāo)：給每個(gè)客戶進(jìn)行信用評(píng)分，以便確定客戶的貸款授信、信用卡透支額度等；,建模數(shù)據(jù)：客戶個(gè)人資料、歷
6、史信用情況；,挖掘模型：神經(jīng)網(wǎng)絡(luò)、,C5.0,決策樹、線性回歸,部署數(shù)據(jù)：新的客戶個(gè)人資料,挖掘結(jié)果：為新客戶給出信用評(píng)分（,0-1,）,Credit,Decision,洗錢行為監(jiān)測(cè),業(yè)務(wù)目標(biāo)：分析客戶交易行為，從中找出少部分異常的交易，重點(diǎn)檢查是否為洗錢；,建模數(shù)據(jù)：帳號(hào)及相應(yīng)的交易行為信息；,挖掘模型：,K-means,聚類、,TwoStep,聚類,部署數(shù)據(jù)：同建模數(shù)據(jù)；,挖掘結(jié)果：篩選出與大多數(shù)交易行為不同的交易記錄。,Risk,Grading,Debit$1344.12,Debit$234.01,Debit$987.56,Debit$6543.22,Debit$32423.11,Tot
7、al$2556.00,Debit$1344.12,Debit$234.01,Debit$987.56,Debit$6543.22,Debit$32423.11,Total$2556.00,Debit$1344.12,Debit$234.01,Debit$987.56,Debit$6543.22,Debit$32423.11,Total$2556.00,客戶風(fēng)險(xiǎn)控制,風(fēng)險(xiǎn)控制,客戶行為分析,客戶行為及資料聚類,low,high,high,E Profit,E Volume,E Losses,客戶評(píng)價(jià)分析,Low cutoffs,High,cutoffs,客戶欺詐分析,欺詐數(shù)據(jù)挖掘及評(píng)分,客戶財(cái)務(wù)
8、數(shù)據(jù)挖掘,1),公司之間的相似程度，它們的距離，合并。,2),公司有金融比率值高或很高，其他則低或很低。,3),金融分析家和有經(jīng)驗(yàn)的投資者可以通過改變金融比率的選擇，開始新的聚類分析。他們可以從多次、多層聚類分析的結(jié)果中獲得更多有用的信息。,銀行其他應(yīng)用,(1),構(gòu)建信用評(píng)級(jí)模型來評(píng)估貸款申請(qǐng)人或信用卡申請(qǐng)人的信用風(fēng)險(xiǎn),(2),構(gòu)建探測(cè)欺詐模型來對(duì)可能的欺詐交易及早發(fā)出警告,(3),更好地理解消費(fèi)者和客戶（例如通過購物籃分析）,(4),將用戶分類（例如通過聚類）。所獲結(jié)果可以用來制定郵寄類別、有針對(duì)性的廣告和促銷活動(dòng)等。,(5),構(gòu)建模型來預(yù)測(cè)購買特定產(chǎn)品或服務(wù)的概率，從而推動(dòng)交叉銷售和向上銷
9、售。,銀行行業(yè)案例,金融行業(yè),中國建設(shè)銀行,-,基于,SPSS,統(tǒng)計(jì)分析產(chǎn)品的風(fēng)險(xiǎn)預(yù)警管理系統(tǒng)光大銀行,-,采用,Clementine,產(chǎn)品，進(jìn)行企業(yè)信貸風(fēng)險(xiǎn)數(shù)據(jù)數(shù)據(jù)分析中國銀行,-,建立信用風(fēng)險(xiǎn)評(píng)級(jí)管理系統(tǒng)，有效組建內(nèi)部評(píng)級(jí)分析體系,First Union(,美國第六大銀行企業(yè),)-,現(xiàn)在我們確切明白了需要做些什么來滿足客戶的需求和期望，我們的交付系統(tǒng)也發(fā)生了重大變化。,Barclays Bank(,英國領(lǐng)先的金融服務(wù)集團(tuán),)-Barclays,的市場(chǎng)研究小組可以進(jìn)行不斷增加的有效的調(diào)查，從而在研究客戶需 求時(shí)可以從數(shù)據(jù)中獲取更多的價(jià)值美國匯豐銀行,-,預(yù)測(cè)分析幫助我們?cè)诤线m的時(shí)間、用合適的
10、產(chǎn)品和服務(wù)來接觸合適的人。而,SPSS,為我們提供了進(jìn)行這些分析的有力武器。,SPSS,銀行業(yè)用戶,The World Bank Group,電訊行業(yè)應(yīng)用,電信運(yùn)營商擁有許多成熟的數(shù)據(jù)庫應(yīng)用系統(tǒng),如網(wǎng)管系統(tǒng)、財(cái)務(wù)系統(tǒng)、計(jì)費(fèi)賬務(wù)系統(tǒng)、,112,障礙管理系統(tǒng)、繳費(fèi)銷賬系統(tǒng)等，并產(chǎn)生了大量的業(yè)務(wù)處理數(shù)據(jù)。,如果針對(duì)客戶關(guān)系管理相關(guān)決策分析的需求，對(duì)這些數(shù)據(jù)進(jìn)行重組整合，就能充分利用這些寶貴的數(shù)據(jù)，體現(xiàn)信息的真正價(jià)值。,電訊行業(yè)應(yīng)用,快速占領(lǐng)市場(chǎng)，擴(kuò)大市場(chǎng)份額,牢牢掌握大客戶，防止流失,了解競(jìng)爭對(duì)手，強(qiáng)化競(jìng)爭優(yōu)勢(shì),分析收入組成，制定戰(zhàn)略決策,發(fā)現(xiàn)欺詐規(guī)律，減少欺詐行為,電訊客戶流失,電信客戶流失涉及以
11、下的一些問題：,1.,哪些現(xiàn)有客戶即將流失,?2.,現(xiàn)有客戶的流失概率如何,?3.,哪些因素造成了客戶的流失,?4.,客戶流失對(duì)客戶自身會(huì)造成什么影響,?5.,客戶流失對(duì)電信公司的影響如何,?6.,不同類別客戶的流失情況有什么差別,?7.,如果某個(gè)客戶將要流失，他會(huì)在多長時(shí)間內(nèi)流失,?,銷售提升解決方案,制定或推薦什么樣的產(chǎn)品或者服務(wù)組合，然后我們就可以成功地對(duì)這些客戶設(shè)定有效的銷售戰(zhàn)略。發(fā)現(xiàn)現(xiàn)有和潛在的客戶需求，基于對(duì)客戶的行為描述來制定提供有針對(duì)性的策略來獲得最佳的新客戶。,25,電訊行業(yè)應(yīng)用,電訊行業(yè)應(yīng)用,欺詐防范解決方案,利用數(shù)據(jù)挖掘和統(tǒng)計(jì)分析技術(shù)，對(duì)欠費(fèi)行為進(jìn)行事前預(yù)測(cè)，在惡意欠費(fèi)發(fā)
12、生前就采取防范措施，就可以大幅減少欠費(fèi)行為給運(yùn)營商帶來的巨額損失。,利用數(shù)據(jù)描述技術(shù)，可以對(duì)已知的欺詐性客戶和非欺詐性客戶進(jìn)行有關(guān)的數(shù)據(jù)分析，發(fā)現(xiàn)可能影響客戶欠費(fèi)的因素,然后，我們可以根據(jù)對(duì)以上因素的分析和統(tǒng)計(jì)，構(gòu)建預(yù)測(cè)模型，并應(yīng)用到當(dāng)前客戶數(shù)據(jù)庫中，利用上述預(yù)測(cè)結(jié)果，我們可以適時(shí)地對(duì)大客戶進(jìn)行重點(diǎn)跟蹤，并在必要時(shí)采取措施，以減少損失。,電訊行業(yè)案例,郵電通信,江蘇移動(dòng)經(jīng)營分析系統(tǒng)項(xiàng)目,-,建立了大客戶異動(dòng)分析、潛在大客戶預(yù)測(cè)、分類業(yè)務(wù)套餐測(cè)算和消費(fèi)模型分析等四個(gè)專題模型內(nèi)蒙古移動(dòng)市場(chǎng)細(xì)分項(xiàng)目,-,優(yōu)化配置營銷費(fèi)用，提高營銷活動(dòng)的市場(chǎng)回應(yīng)率曲靖聯(lián)通客戶流失分析項(xiàng)目,-,通過對(duì)用戶通話行為數(shù)據(jù)、
13、用戶資料數(shù)據(jù)和用戶使用曲靖聯(lián)通服務(wù)的情況等數(shù)據(jù)的深入分析，對(duì)影響流失各個(gè)因素進(jìn)行了探索性分析并建立了預(yù)測(cè)客戶流失的,Logistic,回歸模型。英國電信,-,建立探索模型，更好地客戶的行為特征,CallCounter-CallCounter,用,SPSS,快速、方便地對(duì)呼叫數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)收入損失的地方，并提出解決建議。為其客戶節(jié)約了時(shí)間和費(fèi)用。西南貝爾,-Gallagher,和他的同事們都在使用,SPSS,來進(jìn)行高水平的、足以影響公司決策的數(shù)據(jù)分析。,美國,Verizon,公司,(,美國最大的無線通訊運(yùn)營,)-,建立客戶流失分析模型并采取適當(dāng)?shù)氖袌?chǎng)策略進(jìn)行挽留,Vodafone,（埃及）公
14、司,-,對(duì)客戶的資料數(shù)據(jù)、客戶詳單（,CDR,）數(shù)據(jù)進(jìn)行了聚類分析，并將結(jié)果用于新產(chǎn)品推出、交叉銷售和服務(wù)改進(jìn),國內(nèi)電信業(yè)用戶,江蘇移動(dòng),內(nèi)蒙移動(dòng),中國電信,遼寧移動(dòng),吉林移動(dòng),廣東電信研究院,江蘇電信,四川移動(dòng),海南移動(dòng),福建移動(dòng),深圳聯(lián)通,SPSS 電信業(yè)用戶,稅務(wù)行業(yè)應(yīng)用,地方稅務(wù)局要進(jìn)行下一年度的稅收收入預(yù)測(cè)，以制訂新年度的工作計(jì)劃。,構(gòu)建稽查選案系統(tǒng)是稅務(wù)信息化建設(shè),司法行業(yè)應(yīng)用,司法應(yīng)用主題,網(wǎng)絡(luò)信息挖掘（聚類、決策樹、關(guān)聯(lián)規(guī)則）,情報(bào)分析挖掘（聚類、決策樹、關(guān)聯(lián)規(guī)則）,案件分析挖掘（聚類、主成分、神經(jīng)元網(wǎng)絡(luò)）,嫌疑人分析（聚類、決策樹）,串并案分析（關(guān)聯(lián)規(guī)則）,情報(bào)分析挖掘,定量
15、分析，就是把已經(jīng)獲得的情報(bào)進(jìn)行數(shù)理邏輯化的處理，就這些情報(bào)的真?zhèn)?、多寡、輕重、遠(yuǎn)近等進(jìn)行分析。作為一種解析模式，這個(gè)模式相對(duì)恒定，可以處理相關(guān)、相類的情報(bào)材料。,情報(bào)分析挖掘,六個(gè)分析區(qū)間,:,第一 區(qū) 間,:,情報(bào)來源分析（聚類、關(guān)聯(lián)）,第二 區(qū) 間,:,情報(bào)真?zhèn)畏治觯ň垲?、決策樹）,第三 區(qū) 間,:,情報(bào)的歸類分析（決策樹）,第 四區(qū) 間,:,情報(bào)指向分析（決策樹）,第五 區(qū) 間,:,情報(bào)轉(zhuǎn)化分析（關(guān)聯(lián)規(guī)則）,第六 區(qū) 間,:,情報(bào)矯正分析（聚類、主成分,/,因子、神經(jīng)元網(wǎng)絡(luò)）,案件分析挖掘,利用計(jì)算機(jī)數(shù)據(jù)倉庫，可以在擬定的算法下對(duì)大量的行為記錄進(jìn)行分析，從而發(fā)現(xiàn)案件的規(guī)律、趨勢(shì)，了解不同
16、案件行為之間的關(guān)聯(lián)，譬如何種狀態(tài)會(huì)誘發(fā)何種行為，相信這是國安領(lǐng)域數(shù)據(jù)挖掘的新方向。,政府行業(yè)案例,政府機(jī)構(gòu),南京市地稅局,-,建立科學(xué)的稽查管理方案北京市地稅局,-,成功實(shí)現(xiàn)了科學(xué)評(píng)估納稅指標(biāo)，科學(xué)預(yù)測(cè)稅收情況澳大利亞昆士蘭州消防和援救管理局,-,提取和分析累計(jì)超過,40,萬條重大事故報(bào)告的數(shù)據(jù),蘇格蘭東艾爾郡州議會(huì),-,該州議會(huì)服務(wù)民眾的能力得到了提高魁北克健康和社會(huì)服務(wù)地方委員會(huì),-,通過數(shù)據(jù)清理技術(shù)提高了數(shù)據(jù)的可利用性,美國弗吉尼亞青少年審判局,-SPSS,提高了我們的統(tǒng)計(jì)能力，并向我們提供了制定更好決策所需的信息,美國夏洛特,-,卡羅萊納警察局,-,對(duì)居民對(duì)社區(qū)警務(wù)的滿意度進(jìn)行評(píng)估,英國農(nóng)漁食品部,(MAFF)-,使用,SPSS Clementine,的神經(jīng)網(wǎng)絡(luò)和規(guī)則歸納算法來發(fā)現(xiàn)數(shù)據(jù)中隱藏的模式,法國地方研究機(jī)構(gòu),IAURIF-,采用,SPSS Clementine,的規(guī)則歸納算法得到了意想不到的結(jié)果 英國西米德蘭警察局,-,確定關(guān)鍵案件的模式和趨勢(shì),SPSS,能源,學(xué)術(shù),&,政府用戶,制造行業(yè)應(yīng)用,六大主題：,銷售與生產(chǎn)能力的關(guān)系分析,財(cái)務(wù)的數(shù)據(jù)挖掘,技術(shù)質(zhì)量與品種的優(yōu)化分
行業(yè)數(shù)據(jù)挖掘應(yīng)用
