| 开本：16开 |
| 纸张：胶版纸 |
| 包装：平装 |
| 是否套装：否 |
| 国际标准书号ISBN：9787121502781 |
| 所属分类：图书>计算机/网络>数据库>数据仓库与数据挖掘 |
商品详情
金融数据分析和数据挖掘案例实战
定
电子工业
版次 第版
出版时间 年月
开本 开
作者 魏建国
装帧 平塑勒
页数
字数
书号
《金融数据分析和数据挖掘案例实战》是一本聚焦金融数据处理与挖掘的业。它以客户画像为核心，涵盖原理、技术、管理等篇章，详述数据挖掘方法论及信贷各环节模型构建，如申请、行为、催收评分卡等。本书通过大量的案例展示如何运用数据解决实际问题，从数据理解、预处理，到模型构建、评估与应用，还涉及算法工程化内容，助力金融从业者及相关业人士提升数据分析，挖掘数据值，动金融业务创新与决策化。
第 篇 原理篇
第 章 数据科学思维
数据科学的工作范式
数据分析方法和流程
发现问题
近因分析
根因分析
做出预测
制定方案
验证方案
数据挖掘方法论
方法论
方法论
金融行业数据挖掘场景
第 篇 技术篇
第 章 某银行贷款产品准营销模型
数据介绍
商业分析
发现问题
诊断问题
明确目标
定性分析
数据理解
建立征体系
数据准备
提取被解释变量
提取静态征和时点征
提取时期征
提取预测用数据宽表
建模和评估
定量客户画像与数据清洗
建立逻辑回归模型
评估模型
模型运用的准备工作
流程回顾
第章 多维征的客户细分
客户细分
客户细分定义
客户细分类型
案例：银行多维度客户画像
预处理
填补缺失值
修订错误值
处理离散变量
正态化与标准化
维度分析
聚类
簇征的解释
第章 信用风险预测模型
信贷全生命周期风险管理
贷前段
贷中段
贷后段
卡简介
信用评分卡简介
卡的应用
第章 贷前信用风险预测模型（卡）
智能信贷审批基本框架
申请人识别
信贷准入
申请评分卡
全样本建模与抽样建模
征工程
数据来源
数据加工
模型构建与评估
回归模型
评分刻度与分值分配
模型评估
模型监控
前端监控
后端监控
拒断
外数据断
模型断
拒断结果的验证
案例 ：某消费金融公司申请评分卡构建
场景介绍
数据清洗
征初筛
分箱与 编码
相关性分析与征聚类
逐步回归
模型评估
评分卡的
模型文档
案例 报告
相关业务报表
报告的
申请评分卡应用
模型及决策流
风险策略
额度策略
第章 贷中信用风险预测模型（卡）
行为评分卡
业务理解
数据理解
征工程
模型构建与评估
案例：某信用卡业务行为评分卡构建
场景介绍
数据整理与征工程
数据清洗与征初筛
分箱与 编码
相关性筛选
逐步回归建模
模型评估
行为评分卡的应用
额度管理
续卡或续贷策略
客户留存分析和挽留
风险监控
第章 贷后催收模型（卡）
催收评分卡
业务理解
数据理解
征工程与模型构建
催收评分卡的应用
预催收段
早期催收段
第章 申请反欺诈模型
业务理解
申请欺诈产生的背景
申请欺诈的分类
申请欺诈的应对
案例：申请反欺诈模型
异常征构造
络征提取
构建识别模型
第章 算法工程化
构建合理的项目结构
为什么要构建合理的项目结构
什么是一个数据科学项目应有的项目结构
如何编写规范的数据工程代码
代码可读性
数据处理性能
金融数据分析和数据挖掘案例实战
定
电子工业
版次 第版
出版时间 年月
开本 开
作者 魏建国
装帧 平塑勒
页数
字数
书号
《金融数据分析和数据挖掘案例实战》是一本聚焦金融数据处理与挖掘的业。它以客户画像为核心，涵盖原理、技术、管理等篇章，详述数据挖掘方法论及信贷各环节模型构建，如申请、行为、催收评分卡等。本书通过大量的案例展示如何运用数据解决实际问题，从数据理解、预处理，到模型构建、评估与应用，还涉及算法工程化内容，助力金融从业者及相关业人士提升数据分析，挖掘数据值，动金融业务创新与决策化。
第 篇 原理篇
第 章 数据科学思维
数据科学的工作范式
数据分析方法和流程
发现问题
近因分析
根因分析
做出预测
制定方案
验证方案
数据挖掘方法论
方法论
方法论
金融行业数据挖掘场景
第 篇 技术篇
第 章 某银行贷款产品准营销模型
数据介绍
商业分析
发现问题
诊断问题
明确目标
定性分析
数据理解
建立征体系
数据准备
提取被解释变量
提取静态征和时点征
提取时期征
提取预测用数据宽表
建模和评估
定量客户画像与数据清洗
建立逻辑回归模型
评估模型
模型运用的准备工作
流程回顾
第章 多维征的客户细分
客户细分
客户细分定义
客户细分类型
案例：银行多维度客户画像
预处理
填补缺失值
修订错误值
处理离散变量
正态化与标准化
维度分析
聚类
簇征的解释
第章 信用风险预测模型
信贷全生命周期风险管理
贷前段
贷中段
贷后段
卡简介
信用评分卡简介
卡的应用
第章 贷前信用风险预测模型（卡）
智能信贷审批基本框架
申请人识别
信贷准入
申请评分卡
全样本建模与抽样建模
征工程
数据来源
数据加工
模型构建与评估
回归模型
评分刻度与分值分配
模型评估
模型监控
前端监控
后端监控
拒断
外数据断
模型断
拒断结果的验证
案例 ：某消费金融公司申请评分卡构建
场景介绍
数据清洗
征初筛
分箱与 编码
相关性分析与征聚类
逐步回归
模型评估
评分卡的
模型文档
案例 报告
相关业务报表
报告的
申请评分卡应用
模型及决策流
风险策略
额度策略
第章 贷中信用风险预测模型（卡）
行为评分卡
业务理解
数据理解
征工程
模型构建与评估
案例：某信用卡业务行为评分卡构建
场景介绍
数据整理与征工程
数据清洗与征初筛
分箱与 编码
相关性筛选
逐步回归建模
模型评估
行为评分卡的应用
额度管理
续卡或续贷策略
客户留存分析和挽留
风险监控
第章 贷后催收模型（卡）
催收评分卡
业务理解
数据理解
征工程与模型构建
催收评分卡的应用
预催收段
早期催收段
第章 申请反欺诈模型
业务理解
申请欺诈产生的背景
申请欺诈的分类
申请欺诈的应对
案例：申请反欺诈模型
异常征构造
络征提取
构建识别模型
第章 算法工程化
构建合理的项目结构
为什么要构建合理的项目结构
什么是一个数据科学项目应有的项目结构
如何编写规范的数据工程代码
代码可读性
数据处理性能