数据分析师
数据挖掘在银行业的应用

数据挖掘在银行业的应用

难度:

周期:4天

课程简介:

本培训的目的就是要针对数据挖掘在顾客关系管理上的应用与案例,做广泛且深入的探讨。

支持开课 已有689人支持

课程大纲:


第一部分: 数据挖掘实务应用(Practical Data Mining Applications)


1.    数据挖掘在银行业的应用

2.    数据挖掘在零售业的应用

3.    数据挖掘在保险业的应用

4.    数据挖掘在政府-财政部国税局的应用


第二部分: 大數據時代的数据挖掘应用(Data Mining Applications in the Era of Big Data)


1.    大数据的起源

2.    大数据与智能手机、感知装置、物联网、社群媒体及云计算的关系

3.    大数据应用的成功案例

4.    大数据的未来趋势

5.    大数据时代的思维变革

6.    社群大数据的应用

7.    移动大数据的应用

8.    文本数据下的舆情分析

9.    大数据的迷思(大数据还是大错误)


第三部分: 数据挖掘在银行业中的应用


1.    数据挖掘在银行顾客关系管理中的应用

2.    数据挖掘在银行信用风险评等中的应用


第四部分: 银行业数据挖掘案例一:跟你往来的客户有哪几种类型?要如何对不同类型的客户进行营销活动?


1.    商业问题(Business Issue)

2.    数据集描述(Dataset Description)

3.    数据探索(Data Explore)

4.    数据清理(Data Cleansing)

5.    字段扩充(Attribute Enrichment)

6.    数据编码(Data Coding)

7.    数据挖掘(Data Mining)

8.    挖掘结果解读(Interpreting the Results)

9.    营销活动设计(Marketing Activity Design)

10.  预期收益(Expected Market Profit)


第五部分: 银行业数据挖掘案例二:对的产品如何销售给对的人?

1.     商业问题(Business Issue)

2.     数据集描述(Dataset Description)

3.     数据探索(Data Explore)

4.     数据清理(Data Cleansing)

5.     字段扩充(Attribute Enrichment)

6.     数据编码(Data Coding)

7.     数据挖掘(Data Mining)

8.     挖掘结果解读(Interpreting the Results)

9.     营销活动设计(Marketing Activity Design)

10.   预期收益(Expected Market Profit)


第六部分: 银行业数据挖掘案例三:贷款的人的信用风险有多高,你知道吗?

1.    商业问题(Business Issue)

2.    数据集描述(Dataset Description)

3.    数据探索(Data Explore)

4.    数据清理(Data Cleansing)

5.    字段扩充(Attribute Enrichment)

6.    数据编码(Data Coding)

7.    数据挖掘(Data Mining)

8.    挖掘结果解读(Interpreting the Results)

9.    贷款设计(Loan Design)

10.  预期收益(Expected Profit)


第七部分: 如何组建数据分析团队

 1.    数据挖掘的硬件环境

2.     数据挖掘的软件架构

3.     数据分析团队的組成

4.     组建数据分析团队会遭遇的困难及因应之道

5.     数据仓库建置的问题

6.     组织结构的问题

7.     人员训练的问题