授课老师: 傅一航
常驻地: 深圳
擅长领域: 大数据

【课程目标】

本课程专注于金融行业的风控模型,面向数据分析部等专门负责数据分析与建模的人士。

通过本课程的学习,达到如下目的:

1、掌握数据建模的基本过程和步骤。

2、掌握数据建模前的属性筛选的系统方法,为建模打下基础。

3、掌握常用的分类预测模型,包括逻辑回归、决策树、神经网络、判别分析等等,以及分类模型的优化。

4、掌握金融行业信用评分卡模型,构建信用评分模型。

主要内容包括数据建模的过程和步骤,以及建模涉及到的分析方法、分析模型,以及模型优化等。

本课程突出数据挖掘的实际应用,结合行业的典型应用特点,从实际问题入手,引出相关知识,进行大数据的收集与处理;探索数据之间的规律及关联性,帮助学员掌握系统的数据预处理方法;介绍常用的模型,训练模型,并优化模型,以达到最优分析结果。

【授课时间】2-3天时间(每天6个小时)

【授课对象】业务支撑、网络中心、IT系统部、数据分析部等对业务数据分析有较高要求的相关专业人员。

【学员要求】

1、每个学员自备一台便携机(必须)。

2、便携机中事先安装好Office Excel 2013版本及以上。

3、便携机中事先安装好IBM SPSS Statistics v24版本以上软件。

注:讲师可以提供试用版本软件及分析数据源。

【授课方式】基础知识精讲 + 案例演练 + 实际业务问题分析 + SPSS实际操作

【课程大纲】

第一部分:数据建模基本过程

1、预测建模六步法

▪ 选择模型:基于业务选择恰当的数据模型

▪ 属性筛选:选择对目标变量有显著影响的属性来建模

▪ 训练模型:采用合适的算法对模型进行训练,寻找到最合适的模型参数

▪ 评估模型:进行评估模型的质量,判断模型是否可用

▪ 优化模型:如果评估结果不理想,则需要对模型进行优化

▪ 应用模型:如果评估结果满足要求,则可应用模型于业务场景

2、数据挖掘常用的模型

▪ 数值预测模型:回归预测、时序预测等

▪ 分类预测模型:逻辑回归、决策树、神经网络、支持向量机等

▪ 市场细分:聚类、RFM、PCA等

▪ 产品推荐:关联分析、协同过滤等

▪ 产品优化:回归、随机效用等

▪ 产品定价:定价策略/最优定价等

3、属性筛选/特征选择/变量降维

▪ 基于变量本身特征

▪ 基于相关性判断

▪ 因子合并(PCA等)

▪ IV值筛选(评分卡使用)

▪ 基于信息增益判断(决策树使用)

4、模型评估

▪ 模型质量评估指标:R^2、正确率/查全率/查准率/特异性等

▪ 预测值评估指标:MAD、MSE/RMSE、MAPE、概率等

▪ 模型评估方法:留出法、K拆交叉验证、自助法等

▪ 其它评估:过拟合评估

5、模型优化

▪ 优化模型:选择新模型/修改模型

▪ 优化数据:新增显著自变量

▪ 优化公式:采用新的计算公式

6、模型实现算法(暂略)

7、好模型是优化出来的

案例:通信客户流失分析及预警模型

第二部分:属性筛选方法

问题:如何选择合适的属性来进行建模预测?

比如:价格是否可用于产品销量的预测?套餐的合理性是否会影响客户流失?在欺诈风险中有哪些数据会有异常表现?

1、属性筛选/变量降维的常用方法

▪ 基于变量本身特征来选择属性

▪ 基于数据间的相关性来选择属性

▪ 基于因子合并(如PCA分析)实现变量的合并

▪ 利用IV值筛选

▪ 基于信息增益来选择属性

2、相关分析(衡量变量间的线性相关性)

问题:这两个属性是否会相互影响?影响程度大吗?

▪ 相关分析简介

▪ 相关分析的三个种类

 › 简单相关分析

 › 偏相关分析

 › 距离相关分析

▪ 相关系数的三种计算公式

 › Pearson相关系数

 › Spearman相关系数

 › Kendall相关系数

▪ 相关分析的假设检验

▪ 相关分析的四个基本步骤

演练:年龄和收入的相关分析

演练:营销费用会影响销售额吗

演练:工作时间与收入有相关性吗

演练:话费与网龄的相关分析

▪ 偏相关分析

 › 偏相关原理:排除不可控因素后的两变量的相关性

 › 偏相关系数的计算公式

 › 偏相关分析的适用场景

▪ 距离相关分析

3、方差分析(衡量类别变量与数据变量的相关性)

问题:哪些才是影响销量的关键因素?

▪ 方差分析的应用场景

▪ 方差分析的三个种类

 › 单因素方差分析

 › 多因素方差分析

 › 协方差分析

▪ 方差分析的原理

▪ 方差分析的四个步骤

▪ 解读方差分析结果的两个要点

演练:用户收入对银行欠贷的影响分析

演练:家庭人数对银行欠贷的影响分析

演练:年龄大小对欠贷有影响吗

演练:寻找影响贷款风险的关键因素

▪ 多因素方差分析原理

▪ 多因素方差分析的作用

▪ 多因素方差结果的解读

演练:广告形式、地区对销量的影响因素分析(多因素)

▪ 协方差分析原理

▪ 协方差分析的适用场景

演练:饲料对生猪体重的影响分析(协方差分析)

4、列联分析/卡方检验(两类别变量的相关性分析)

▪ 交叉表与列联表

▪ 卡方检验的原理

▪ 卡方检验的几个计算公式

▪ 列联表分析的适用场景

演练:不同的信用卡类型会有不同欠贷风险吗

演练:有无住房对欠贷的影响分析

案例:行业/规模对风控的影响分析

5、相关性分析各种方法的适用场景

6、主成份分析(PCA)

▪ 因子分析的原理

▪ 因子个数如何选择

▪ 如何解读因子含义

案例:提取影响电信客户流失的主成分分析

第三部分:回归预测模型篇

问题:如何预测产品的销量/销售金额?如果产品跟随季节性变动,该如何预测?新产品上市,如果评估销量上限及销售增速?

1、常用的数值预测模型

▪ 回归预测

▪ 时序预测

2、回归预测/回归分析

问题:如何预测未来的销售量(定量分析)?

▪ 回归分析的基本原理和应用场景

▪ 回归分析的种类(一元/多元、线性/曲线)

▪ 得到回归方程的四种常用方法

 › Excel函数

 › 散点图+趋势线

 › 线性回归工具

 › 规范求解

▪ 线性回归分析的五个步骤

▪ 回归方程结果的解读要点

▪ 评估回归模型质量的常用指标

▪ 评估预测值的准确度的常用指标

演练:散点图找推广费用与销售额的关系(一元线性回归)

演练:推广费用、办公费用与销售额的关系(多元线性回归)

演练:让你的营销费用预算更准确

演练:如何选择最佳的回归预测模型(曲线回归)

▪ 带分类变量的回归预测

演练:汽车季度销量预测

演练:工龄、性别与终端销量的关系

演练:如何评估销售目标与资源配置(营业厅)

3、自动筛选不显著自变量

第四部分:回归预测模型优化篇

1、回归分析的基本原理

▪ 三个基本概念:总变差、回归变差、剩余变差

▪ 方程的显著性检验:是否可以做回归分析?

▪ 因素的显著性检验:自变量是否可用?

▪ 拟合优度检验:回归模型的质量评估?

▪ 理解标准误差的含义:预测的准确性?

2、回归模型优化思路:寻找最佳回归拟合线

▪ 如何处理预测离群值(剔除离群值)

▪ 如何剔除非显著因素(剔除不显著因素)

▪ 如何进行非线性关系检验(增加非线性自变量)

▪ 如何进行相互作用检验(增加相互作用自变量)

▪ 如何进行多重共线性检验(剔除共线性自变量)

▪ 如何检验误差项(修改因变量)

▪ 如何判断模型过拟合(模型过拟合判断)

案例:模型优化案例

3、规划求解工具简介

4、自定义回归模型(如何利用规划求解进行自定义模型)

案例:如何对餐厅客流量进行建模及模型优化

5、好模型都是优化出来的

第五部分:分类预测模型

问题:如何评估客户购买产品的可能性?或者说,影响客户购买意向的产品关键特性是什么?

1、分类预测模型概述

2、常见分类预测模型

3、评估分类模型的常用指标

▪ 正确率、查全率/查准率、特异性等

4、逻辑回归分析模型(LR)

问题:如果评估用户是否购买产品的概率?

▪ 逻辑回归模型原理及适用场景

▪ 逻辑回归的种类

 › 二项逻辑回归

 › 多项逻辑回归

▪ 如何解读逻辑回归方程

▪ 带分类自变量的逻辑回归分析

▪ 多项逻辑回归

案例:如何评估用户是否会有违约风险(二项逻辑回归)

案例:多品牌选择模型分析(多项逻辑回归)

5、决策树分类(DT)

问题:如何提取客户流失者、拖欠货款者的特征?如何预测其流失的概率?

▪ 决策树分类的原理

▪ 决策树的三个关键问题

 › 如何选择最佳属性来构建节点

 › 如何分裂变量

 › 如何修剪决策树

▪ 选择最优属性

 › 熵、基尼索引、分类错误

 › 属性划分增益

▪ 如何分裂变量

 › 多元划分与二元划分

 › 连续变量离散化(最优划分点)

▪ 修剪决策树

 › 剪枝原则

 › 预剪枝与后剪枝

▪ 构建决策树的四个算法

 › C5.0、CHAID、CART、QUEST

 › 各种算法的比较

▪ 如何选择最优分类模型?

案例:识别银行欠货风险,提取欠货者的特征

案例:客户流失预警与客户挽留模型

6、人工神经网络(ANN)

▪ 神经网络概述

▪ 神经网络基本原理

▪ 神经网络的结构

▪ 神经网络的建立步骤

▪ 神经网络的关键问题

▪ BP反向传播网络(MLP)

▪ 径向基网络(RBF)

案例:评估银行用户拖欠货款的概率

7、判别分析(DA)

▪ 判别分析原理

▪ 距离判别法

▪ 典型判别法

▪ 贝叶斯判别法

案例:MBA学生录取判别分析

案例:上市公司类别评估

8、最近邻分类(KNN)

▪ 基本原理

▪ 关键问题

9、贝叶斯分类(NBN)

▪ 贝叶斯分类原理

▪ 计算类别属性的条件概率

▪ 估计连续属性的条件概率

▪ 贝叶斯网络种类:TAN/马尔科夫毯

▪ 预测分类概率(计算概率)

案例:评估银行用户拖欠货款的概率

10、支持向量机(SVM)

▪ SVM基本原理

▪ 线性可分问题:最大边界超平面

▪ 线性不可分问题:特征空间的转换

▪ 维空难与核函数

第六部分:分类模型优化篇(集成方法)

1、分类模型的优化思路:利用弱分类器构建强分类模型

2、集成方法的基本原理

▪ 选取多个数据集,构建多个弱分类器

▪ 多个弱分类器投票决定

3、集成方法/元算法的种类

▪ Bagging算法

▪ Boosting算法

4、Bagging原理

▪ 如何选择数据集

▪ 如何进行投票

▪ 随机森林

5、Boosting的原理

▪ AdaBoost算法流程

▪ 样本选择权重计算公式

▪ 分类器投票权重计算公式

第七部分:银行信用评分卡模型

1、信用评分卡模型简介

2、评分卡的关键问题

3、信用评分卡建立过程

▪ 筛选重要属性

▪ 数据集转化

▪ 建立分类模型

▪ 计算属性分值

▪ 确定审批阈值

4、筛选重要属性

▪ 属性分段

▪ 基本概念:WOE、IV

▪ 属性重要性评估

5、数据集转化

▪ 连续属性最优分段

▪ 计算属性取值的WOE

6、建立分类模型

▪ 训练逻辑回归模型

▪ 评估模型

▪ 得到字段系数

7、计算属性分值

▪ 计算补偿与刻度值

▪ 计算各字段得分

▪ 生成评分卡

8、确定审批阈值

▪ 画K-S曲线

▪ 计算K-S值

▪ 获取最优阈值

案例:构建银行小额贷款的用户信用模型

第八部分:数据预处理篇(了解你的数据集)

1、数据预处理的主要任务

▪ 数据集成:多个数据集的合并

▪ 数据清理:异常值的处理

▪ 数据处理:数据筛选、数据精简、数据平衡

▪ 变量处理:变量变换、变量派生、变量精简

▪ 数据归约:实现降维,避免维灾难

2、数据集成

▪ 外部数据读入:Txt/Excel/SPSS/Database

▪ 数据追加(添加数据)

▪ 变量合并(添加变量)

3、数据理解(异常数据处理)

▪ 取值范围限定

▪ 重复值处理

▪ 无效值/错误值处理

▪ 缺失值处理

▪ 离群值/极端值处理

▪ 数据质量评估

4、数据准备:数据处理

▪ 数据筛选:数据抽样/选择(减少样本数量)

▪ 数据精简:数据分段/离散化(减少变量的取值个数)

▪ 数据平衡:正反样本比例均衡

5、数据准备:变量处理

▪ 变量变换:原变量取值更新,比如标准化

▪ 变量派生:根据旧变量生成新的变量

▪ 变量精简:降维,减少变量个数

6、数据降维

▪ 常用降维的方法

▪ 如何确定变量个数

▪ 特征选择:选择重要变量,剔除不重要的变量

 › 从变量本身考虑

 › 从输入变量与目标变量的相关性考虑

 › 对输入变量进行合并

▪ 因子分析(主成分分析)

 › 因子分析的原理

 › 因子个数如何选择

 › 如何解读因子含义

案例:提取影响电信客户流失的主成分分析

7、数据探索性分析

▪ 常用统计指标分析

▪ 单变量:数值变量/分类变量

▪ 双变量:交叉分析/相关性分析

▪ 多变量:特征选择、因子分析

演练:描述性分析(频数、描述、探索、分类汇总)

8、数据可视化

▪ 数据可视化:柱状图、条形图、饼图、折线图、箱图、散点图等

▪ 图形的表达及适用场景

演练:各种图形绘制

第九部分:数据建模实战篇

1、电信业客户流失预警和客户挽留模型实战

2、银行欠贷风险预测模型实战

3、银行信用卡评分模型实战

结束:课程总结与问题答疑。

授课老师

傅一航 大数据专家

常驻地:深圳
邀请老师授课:13439064501 陈助理

主讲课程:《数字化战略与数字化变革》 《大数据思维与应用创新》 《大数据思维与商业模式创新,赋能企业增长》 《大数据思维与大数据决策,提升决策能力》《大数据时代的精准营销》 《数说营销----大数据营销分析实战与沙盘》 《市场营销大数据分析实战培训》 《大数据助力市场营销与服务提升》《大数据分析综合能力提升实战》 《大数据建模与模型优化实战培训》 《大数据挖掘之SPSS工具入门与提高》 《金融行业风险预测模式实战培训》 《数据分析及生产运营实际应用》《Python开发基础实战培训》 《Python数据分析与可视化实战》 《Python数据建模与模型优化实战》 《Python数据挖掘专题分析》 《Python机器学习算法实战》

傅一航老师的课程大纲

微信小程序

微信扫一扫体验

扫一扫加微信

返回
顶部