Data Mining在信用卡客户分群之应用(ppt)

Data Mining在信用卡 客户分群之应用
Ben-Ben Bank
会议进行中………
Data Mining的意义
Data Mining是指找寻隐藏在资料中的讯息，如趋势（Trend）、特征（Pattern）及相关性（Relationship）的过程，也就是从大量资料中发掘资讯或知识。
Data Mining的功能
分类（classification）
推估（estimation)
预测（predication）
关联分组（affinity grouping）
同质分组（clustering）


Data Mining的相关技术
记忆基础推理法（Memory-Based easoning）
市场购物篮分析（Market Basket Analysis）
决策树（Decision Trees）
基因演算法（Genetic Algorithm）
群集侦测技术（Cluster Detection）
连结分析（Link Analysis）
线上分析处理（On-Line Analytic Processing ; OLAP）
类神经网路（Neural Networks）
区别分析（Discriminant Analysis）
罗吉斯回归分析（Logistic Analysis）

Data Mining和一般统计分析不同之处在于Data Mining可以处理多个维度的大量资料，避免了下面几点困难：巨量的纪录、高维的资料、搜集到的资料仅有一小部分用来分析。
Data Mining和统计分析比较
研究工具
Data Mining软体—STATISTICA 6.0基于经费的考量，已取得软体的使用授权。
研究架构及步骤


Data Mining流程图


研究结果
样本与母体结构比较
分群结果
判别结果
瑕疵户预测结果
分群特性

群集结果
分群个数
判别结果
判别结果误判率
瑕疵户预测模型结果
Y：是否为瑕疵户
X：是否逾期超过30天是否有呆帐纪录是否有借款余额>800万
是否有退票纪录是否有拒往纪录是否有他行强制停卡纪录

对不同顾客如何处理
黄金单身汉
银行杀手
败金高手
策略

黄金单身汉 (高利润 + 经济能力较好)
刺激顾客增加刷卡次数。
结合百货公司、大型量贩店、或饭店等等，促使其消费便利增加消费次数。
对于不常外出购物者寄予消费指南及较高档的商品型录，来刺激消费、增加刷卡次数。
策略

银行杀手(风险变数高)
降低信用额度。
加强控管银行杀手的消费行为
对旧有之顾客，建议采用降低信用卡额度，并
随时电话追踪，确认消费无误，同时长期观察，
确认其安全性。
策略

败金高手(高利润 + 经济能力偏低)
留住目前的客户，提高顾客忠诚度。
预留一段时间作为审查，合格者施予同黄金单身汉一样行销手法。
不合格者，加强其风险的把守，同时降低其信用卡额度。

贡献
针对银行目前的顾客，依其族群的不同，实施不同的解决方法，达到降低银行风险并增加利润的目的。

对于银行的新顾客，提供不同的策略，以得到银行的最大利益。

建立一个判定模型，提供银行在发卡之前的一个审核方针。
报告完毕
Thank you!!!

Data Mining在信用卡客户分群之应用(ppt)