客户分析

大数据风控案例

匆匆过客 提交于 2019-11-27 09:23:31
转自于:http://blog.csdn.net/liberty_xm/article/details/53185252 一、行业背景 1.1风控行业背景 当前,经济下行导致中小企业经营成本不断增加吗,产品销售价格因结构原因和市场原因相对走低,企业利润空间被进一步压缩,许多中小企业陷入经营困境,导致企业经营风险加大、连锁性风险陡增、潜在信用风险上升、企业主的道德风险聚升。一些重点领域的银行等金融机构信贷风险进入了一个暴露期,一些地区的金融机构已经出现不良贷款回升苗头,不良贷款高危行业中,钢铁与建材等行业信用风险快速上升,制造业领域新增的不良资产已占到整体不良资产的七成以上,与此同时经济下行也使得个人信贷中的逾期率陡增,不良贷款率上升,如何防控信贷风险,已成为商业银行等金融机构扼待解决的课题。 1.2国内外风控技术现状 序数衡量法:只能反映企业间信用风险的高低顺序,如BBB级高于BB级,但其间的级差无法进行客观量化。 Creditmetrics;Credit Risk+Credit PortofolioView+:是组合投资的分析方法,注重直接分析企业间信用状况变化的相关关系,但是它局限于投资组合分析。 KMV:从单个授信企业在股票市场上的价格变化信息入手,着重分析该企业体现在股价变化信息中的自身信用状况,但对企业信用变化的想关心没有给予足够的分析。 FICO

数据分析-淘宝用户行为分析

亡梦爱人 提交于 2019-11-27 06:09:59
一、项目背景和目的 项目数据来源于 https://tianchi.aliyun.com/dataset/dataDetail?dataId=649&userId=1 ,通过此项目学习电商数据分析的指标与数据分析的基本方法。 二、分析维度 根据现有数据及分析目的,从四个维度进行分析: 第一个维度:用户购物情况整体分析 以PV、UV、平均访问量、跳失率等指标,分析用户最活跃的日期及活跃时段,了解用户行为习惯 第二个维度:商品购买情况分析 从成交量、人均购买次数、复购率等指标,探索用户对商品的购买偏好,了解商品的销售规律 第三个维度:用户行为转化漏斗分析 从收藏转化率、购物车转化率、成交转化率,对用户行为从浏览到购买进行漏斗分析 第四个维度:参照RFM模型,对用户进行分类,找出有价值的用户 三 、分析正文 分析步骤如下: 提出问题------理解数据------数据清洗------构建模型------数据可视化 (一)提出问题 用户最活跃的日期及时段 用户对商品有哪些购买偏好 用户行为间的转化情况 用户分类,哪些是有价值的用户 (二)理解数据 用户行为类型又分为四种: pv: 商品详情页pv,等价于点击 buy:商品购买 cart:商品加入购物车 fav:收藏 (三)数据清洗 包含数据导入(采用Navicat)、缺失值处理、一致化处理、异常值处理(2017.11.25到2017.12