文档介绍：数据挖掘行业应用议程2数据挖掘现状银行行业应用电讯行业应用政府行业应用司法行业应用数据挖掘定义通俗地讲,数据挖掘就是对海量数据进行精加工;严格地说,数据挖掘是一种技术,从大量的数据中抽取出潜在的、不为人知的有价值信息、模式和趋势,然后以易于理解的可视化形式表达出来,其目的是为了提高市场决策能力、检测异常模式、控制可预见风险、在经验模型基础上预言未来趋势等。数据挖掘方法CRISP-DM(Cross-IndustryStandardProcessforDataMining)就是公认的、较有影响的方法论之一。商业理解(BusinessUnderstanding)数据理解(DataUnderstanding)数据准备(DataPreparation)建模(Modeling)评估(Evaluation)发布(Deployment)。数据挖掘过程数据挖掘的过程就是一个不断探索数据特征、建立和检验模型,发现客户消费行为特征的过程。62020/3/9行业应用过程CharacteristicAnalysisMultivariatemodelbuildRejectInferenceStatisticalAnalysisCustomisedScorecardProductIdentificationFileDataAvailabilitySamplingDataExtraction/CostDataIntegritySetcut-offScoreImplementationValidationGenericScorecardExternalDataSourceScorecardVendorOutsourcingScorecardMonitoring行业应用分布行业应用方法数据挖掘存在一个较长的应用周期。数据挖掘应用的有效方法是:从一个较小的、关键的问题出发,建立起相对有效的模型,并通过应用实践不断检验和完善模型,逐步替使用者解决问题。银行行业应用1、客户细分2、存贷款业务交叉销售3、预防客户流失4、信用卡风险控制5、防范信贷风险及欺诈6、其他挖掘主题客户流失分析业务目标:得出最可能流失的客户名单,交由客户服务部门采取挽留措施;建模数据:客户个人资料、消费情况、历史流失情况;挖掘模型:神经网络、、线性回归部署数据:新的客户资料、消费情况挖掘结果:预测出每个新客户的流失概率,并从中取概率最大的一部分。