Data Mining在信用卡 客戶分群之應用
Ben-Ben Bank
會議進行中………
Data Mining的意義
Data Mining是指找尋隱藏在資料中的訊息，如趨勢（Trend）、特征（Pattern）及相關性（Relationship）的過程，也就是從大量資料中發(fā)掘資訊或知識。
Data Mining的功能
分類（classification）
推估（estimation)
預測（predication）
關聯(lián)分組（affinity grouping）
同質分組（clustering）


Data Mining的相關技術
記憶基礎推理法（Memory-Based easoning）
市場購物籃分析（Market Basket Analysis）
決策樹（Decision Trees）
基因演算法（Genetic Algorithm）
群集偵測技術（Cluster Detection）
連結分析（Link Analysis）
線上分析處理（On-Line Analytic Processing ; OLAP）
類神經網路（Neural Networks）
區(qū)別分析（Discriminant Analysis）
羅吉斯回歸分析（Logistic Analysis）

Data Mining和一般統(tǒng)計分析不同之處在于Data Mining可以處理多個維度的大量資料，避免了下面幾點困難：巨量的紀錄、高維的資料、搜集到的資料僅有一小部分用來分析。
Data Mining和統(tǒng)計分析比較
研究工具
Data Mining軟體—STATISTICA 6.0基于經費的考量，已取得軟體的使用授權。
研究架構及步驟


Data Mining流程圖


研究結果
樣本與母體結構比較
分群結果
判別結果
瑕疵戶預測結果
分群特性

群集結果
分群個數(shù)
判別結果
判別結果誤判率
瑕疵戶預測模型結果
Y：是否為瑕疵戶
X：是否逾期超過30天是否有呆帳紀錄是否有借款余額>800萬
是否有退票紀錄是否有拒往紀錄是否有他行強制停卡紀錄

對不同顧客如何處理
黃金單身漢
銀行殺手
敗金高手
策略

黃金單身漢 (高利潤 + 經濟能力較好)
刺激顧客增加刷卡次數(shù)。
結合百貨公司、大型量販店、或飯店等等，促使其消費便利增加消費次數(shù)。
對于不常外出購物者寄予消費指南及較高檔的商品型錄，來刺激消費、增加刷卡次數(shù)。
策略

銀行殺手(風險變數(shù)高)
降低信用額度。
加強控管銀行殺手的消費行為
對舊有之顧客，建議采用降低信用卡額度，并
隨時電話追蹤，確認消費無誤，同時長期觀察，
確認其安全性。
策略

敗金高手(高利潤 + 經濟能力偏低)
留住目前的客戶，提高顧客忠誠度。
預留一段時間作為審查，合格者施予同黃金單身漢一樣行銷手法。
不合格者，加強其風險的把守，同時降低其信用卡額度。

貢獻
針對銀行目前的顧客，依其族群的不同，實施不同的解決方法，達到降低銀行風險并增加利潤的目的。

對于銀行的新顧客，提供不同的策略，以得到銀行的最大利益。

建立一個判定模型，提供銀行在發(fā)卡之前的一個審核方針。
報告完畢
Thank you!!!