银行客户数据分析ppt课件

6
数据预处理(规格化)
• 数值型特征: 采用如下公式规格化到[0, 1]区间
x ' x xmin xmax xmin
• 标称型特征、日期型特征和字符串型特征保持不变
7
聚类分析
• 目标
• 我们的目的是对客户进行分群，从而使银行可以对不同群体的客户提 供不同的服务。因此聚类分析是对客户进行自动分群的有效方法。
银行客户数据分析
1
背景
数据客户群服务盈利 • 商业银行拥有大量的个人客户交易数据、个人客户
服务数据和个人客户基本资料数据。在这些海量数 据中，隐藏着大量的有价值的客户信息。运用数据 挖掘中的聚类分析技术可以从这些数据集中提取客 户的分类知识。聚类分析技术可以将性质、特征近 似的数据对象归属在相同的群集中。商业银行可以 利用此技术分辨出能有效为之服务的最有价值的客 户，为他们提供更为个性化的服务，从而影响相关 的客户行为并最终达到提高盈利的目的。
4
数据集(属性)
• Count of Debit this Month(这个月取款的次数) • Count of OD(透支的次数) • Amount of Deposit this Month(本月存款的账目) • Amount of Withdraw this Month(本月取款的账目) • Last Transaction Date(上一次交易的日期) • Country Code(客户所属的国家) • Birthday(生日) • Sex(性别)
2
数据集
• 客户数据集包含10,000条客户数据 • 包含有31个特征(属性), 分别为:
• Bank No(银行代码，其值有：004,024,077等) • Account num(账户代码) • Short Name(客户名字) • First Contact Date(第一次接触日期) • account open date(账户开户日期) • account balance(账户当前余额) • account low balance(账户曾经最低余额) • account high balance(账户曾经最高余额) • balance category(余额类型) • Statement Low Balance(最低交易账目，有正有负)
当前余额正负
+
–
145
0
69
0
133
0
6182
1
1985
0
119
94
46
0
380
66
0
413
368
0
当前余额值
均值
标准差
24445.50
73408.73
29164.41
78077.97
152882.48 604633.58
5571.17
23957.76
22102.61
• 把各聚类的数据集还原为原始数据后，再计算各特征的均 值和标准差（数值型的特征）；或者各标称量的数量（标 称型的特征）。
11
聚类结果分析(账户当前余额 )
• 下表所示为10个聚类中各聚类的账户当前余额的正负及账户当 前余额的均值和标准差
聚类
聚类1 聚类2 聚类3
聚类4 聚类5 聚类6 聚类7 聚类8 聚类9 聚类10
• 方法
• k-means算法
• 选取的特征
• 从31个原始属性值中选取23个属性用作聚类（都是数值型或标称型的）
• 聚类参数
• 在经过规格化处理后的数据集中，用k-means算法在选定的23个属性 上进行聚类，设定聚类数为10.
8
各聚类大小
• 各聚类所包含的客户数量如下表
表1
聚类
客户数量
聚类1
145
大聚类可以再继续细分 (作为一个数据集再继续进行 聚类操作, 或直接提高聚类个数)
10
对各聚类结果的处理
• 聚类后的各聚类结果的数据是规格化处理后的数据的结果， 我们要直观地分析各聚类的特点，必须把规格化的数据还 原为原始数据。例如，最小值为-10,000，最大值为1,00 0,000的当前账户余额规格化为[0,1]后就难以理解各账户 间存在的巨大差距，只有把它还原为原始的[-10000, 100 0000]才能使人直观地理解其存在的差距。
3
数据集(属性)
• Statement High Balance(最高交易账目) • Statement Aggregate Debit Balance(聚集透支账目) • Statement Aggregate Debit Day(透支账目的天数) • Statement Aggregate Credit Balance(聚集存款账目) • Statement Aggregate Credit Day(存款账目的开数) • Return Check Count(退回支票的次数) • Status(客户状态) • Audit Granding(授权级别，越高则风险越低) • Salary Before Last Month(上一个月之前自动付款的账目) • Salary last Month(上一个月自动付款的账目) • Salary this Month(这一个月自动付款的账目) • Count of Credit this Month(这个月存款的次数)
• • •
5
数据预处理
• 我们选用Weka数据挖掘工具来对客户的账户数据进 行分析，因此所有的原始数据都必须转换成能被We ka处理的数据集格式。
• 原始数据集的特征主要有四种类型的，分别是：数 值型(numeric)、标称型(nominal)、日期型(date)和 字符串型(string)。
• 对于缺失的属性值，因为Weka中的算法能自动处理 属性值缺失的情况，所以按Weka数据集的格式要求 用“?”表示。
聚类2
69
聚类3
133
聚类4
6183
聚类5
1985
聚类6
213
聚类7
46
聚类8
446
聚类9
413
聚类10
368
9
对聚类大小的分析
由表1可知，各聚类有大有小，且大小悬殊，但也合乎 客户关系处理的目的。客户关系管理的往往是找出一小部 分的特殊客户（占20%左右）来进行特别地对待。在上表 所示的10个聚类中，除去最大的聚类4后其余9个聚类的 客户数达3818人，占总客户量的38.18%；除去最大的两 个聚类（聚类4和聚类5）后其余8个聚类的客户数达1833 人，占总客户量的18.33%.