金融大数据分析--第7、8章--银行客户流失预警分析、银行卡盗刷风险预警分析.pptxVIP

07银行客户流失预警分析

主要内容主要目标与问题分解7.1相关知识与理论基础7.2业务需求分析7.3数据理解7.4数据探索与分析7.5生成客户交易行为数据7.6构建客户流失风险模型7.7模型的应用部署7.8

本章主要介绍银行客户流失及其建模分析的相关知识及理论，根据客户的基本信息与基金交易记录构建客户流失风险指标体系，建立客户流失风险预警模型，进行模型的应用部署。银行可以根据预警模型提供的潜在流失客户名单，及时指派客户经理有针对性地挽留潜在的流失客户。银行客户流失预警分析第七章银行客户流失预警分析

7.1.1主要目标通过分析银行客户的个人基本信息以及过去一段时间内的交易明细，构建客户流失风险体系，根据客户流失风险体系建立客户流失风险预警模型，通过对构建的模型进行评估与分析，预测客户是否可能流失。7.1主要目标与问题分解第七章银行客户流失预警分析

1业务理解7.1.2问题分解2数据预处理5模型的应用部署3选取和构建客户流失风险指标4客户流失风险预警模型建立、预测及评价第七章银行客户流失预警分析

7.2.1银行客户流失方式银行客户流失的方式有两种：1.客户自然流失2.客户转移流失7.2.2银行客户流失因素分析引起商业银行客户流失的原因有很多，主要可以分为内部环境因素和外部环境因素两种。7.2相关知识与理论基础第七章银行客户流失预警分析

7.2.3流失客户行为分析1流失客户最近一次购买金融产品和上一次购买金融产品的时间间隔较长，最近一次卖出金融产品和上一次卖出金融产品的时间间隔较短。23流失客户近期购买金融产品的总次数或总金额较少，卖出金融产品的总次数或总金额较多。流失客户近期购买或卖出金融产品的总次数或总金额与过去同期相比存在明显变化。流失客户与非流失客户相比存在以下显著区别第七章银行客户流失预警分析

潜在的流失客户是指正在逐渐出清之前购买的金融产品，但目前还未完成所有交易，尚有挽回空间的客户。也就是说，我们假设客户流失前，客户将会逐步清空已经开通的银行业务，转移资产到其他银行，最终在某个业务或本银行体系中完全流失。7.3业务需求分析第七章银行客户流失预警分析

7.4数据理解为了识别哪些客户是潜在的可能流失的客户，需要从银行历史积累的业务数据中，分析和研究客户的基本信息、业务交易等特征，区分出既往已流失客户的特征，用全面数据描述刻画客户的业务特点。银行开展的业务虽然多种多样，这些业务都可以简单地理解为给客户提供金融产品的进销存服务，都可以利用相同的RFM理论划分为不同的交易行为层次，从而能轻松识别哪些客户是高端客户，哪些客户正在降低金融产品的交易频度，哪些客户可能有流失的风险。第七章银行客户流失预警分析

案例以银行业务中的基金销售业务为例，以RFM理论为指导，从基金交易流水中提取流失特征变量，构建基金客户流失预警模型。本例整合了客户基本信息和基金交易持仓信息，这些给定的数据是根据原始数据已经脱敏处理后的数据。客户信息表特征类型含义CUSTNOIDString客户编号（关联字段）CUSTTYPEString客户类型1：个人、0：机构ZIPCODEString邮编SEXString性别0：男、1：女BIRTHDAYString出生日期LOSSLABELString客户流失标签1：流失、0：保有基金交易持仓信息表特征类型含义DATETime交易日期BUSINFLAGString交易类型CUSTNOIDString客户编号（关联字段）CUSTTYPEString客户类型：1：个人0：机构FUNDCODEString基金代码AGENCYNOString渠道NETNOString网点OCCURSHARESNumeric交易份额：正值为买入，负值为卖出，0可忽略LASTSHARESNumeric持仓份额第七章银行客户流失预警分析

本节的主要目的是对原始数据进行探索分析和初步预处理。首先，读取客户数据集，引入pandas和numpy包，调用pandas的read_csv()方法读入csv数据，参数填写数据的路径。读入客户信息数据CUSTOMER.csv与客户交易数据SHARES.csv7.5数据探索与分析python代码：importpandasaspdimportnumpyasnpcustomer_df=pd.read_csv(CUSTOMER.csv)shares_df=pd.read_csv(SHARES.csv)第七章银行客户流失预警分析

7.5.1客户数据的描述性统计python代码：customer_df.describe(include=all)shares_df.describe(include=all)交易持仓信息表的数据集统计信息第七章银行客户流失预警分析

7.5