现货 SAS金融数据挖掘与建模 系统方法与案例解析 陈春宝 徐筱刚田建中SAS大学技术丛书 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

陈春宝 徐筱刚 田建中 著

店铺： 义博图书专营店

出版社： 机械工业出版社

ISBN：9787111580478

商品编码：17874956396

基本信息

作者： 陈春宝    徐筱刚    田建中   

丛书名： SAS大学技术丛书

出版社：机械工业出版社

ISBN：9787111580478

上架时间：2017-10-11

出版日期：2017 年10月

开本：16开

版次：1-1

所属分类：计算机

目录

赞誉 

序 

前言 

第1章 金融数据挖掘与建模应用场景 1

1.1 客户数据挖掘的价值 1

1.2 金融客户生命周期及数据应用场景 3

1.3 具代表性的数据应用场景 7

第2章 客户获取：信用卡客户欺诈评分案例 8

2.1 案例背景 9

2.2 数据准备与预处理 10

2.2.1 数据源 10

2.2.2 变量设计 11

2.3 构建评分模型 13

2.3.1 算法选择 13

2.3.2 模型训练 14

2.3.3 模型评估 16

2.4 评分模型的应用 19

2.5 小结 20

第3章 客户提升：信用卡客户精准营销案例 21

3.1 案例背景 21

↓展开全部内容

前言

古之欲明德于天下者，先治其国；欲治其国者，先齐其家；欲齐其家者，先修其身；欲修其身者，先正其心；欲正其心者，先诚其意；欲诚其意者，先致其知；致知在格物。

——《礼记》

知之真切笃实处即是行，行之明觉精察处即是知。

——王阳明

大数据势不可挡。然而，对于多数公司来说，数据分析和建模能力尚未完全发展起来，虽主观意识上认同了大数据的潜在价值，也开始采集、储备数据，却不知如何才能让数据充分融入业务、帮助业务部门达成业务指标。

大数据是一种全新的业务和产品创新思维，是海量数据存储和计算的基础架构，但小数据的分析运用才是多数公司和业务领域必须关注和掌握的核心能力。本书将聚焦于实践应用，介绍数据分析、建模的方法和在业务领域的实际应用，原理和基础理论知识不是重点，因此数学公式极少，除非它比文字更能表达内容。总体上，本书不会详细罗列热门的机器学习算法、数据挖掘方法以及人工智能，而是基于金融企业当前的实际需要，精选具代表性的业务领域以及被广泛验证实用高效的分析建模技术，这些技术是数据分析人员必须掌握的技能。本书同时也是为掌握统计学知识和基本数据分析方法的业务专家所写，帮助他们实践、应用数据建模手段，提升对业务的引导和驾驭能力。

本书的目标读者是高级数据分析师、咨询顾问、企业内部的业务专家、高校学者和研究生，以及立志于夯实数据建模基本功，并希望不断提升的数据挖掘与数据建模人员。

内容提要

知者过之，愚者不及也；贤者过之，不肖者不及也。

——《中庸》

在学校和生活中，工作的重要的动力是工作中的乐趣，是工作获得结果时的乐趣以及对这个结果的社会价值的认识。

——阿尔伯特·爱因斯坦

本书是一本介绍金融企业数据建模的专著。在内容上，书中以信贷（信用卡）客户的生命周期管理为主线，选取了5个在客户获取、提升、成熟和衰退环节的经典的金融企业案例，来详细介绍具价值与实用性的数据建模过程，每个案例既自成体系又前后呼应。

第1章介绍了数据挖掘和建模在信贷（信用卡）客户生命周期管理中的应用场景。

第2章结合信用卡客户反欺诈案例，介绍了常用的三类反欺诈手段以及欺诈评分模型的构建过程，模型采用机器学习集成算法的典范——随机森林，并给出SAS代码（各类书中无仅有），对回归类、决策树类、神经网络类三大类机器学习算法做了比对。

第3章结合信用卡客户精准营销案例，介绍了营销响应模型的构建、评估与应用，完整阐述从数据准备、清洗、变量粗筛选、变量压缩与转换、建模、模型评估、部署、监测与更新等模型构建过程中所涉及的操作方法。

第4章通过信用卡客户细分案例，介绍了完整的聚类过程，除快速、系统、两步聚类算法外，还详细介绍了实际分析过程中必不可少的数据预处理过程，并对聚类模型做了完整的阐释。

第5章通过贷款违约预测案例，为零建模基础的读者提供了一个简化的行为评分模型的构建过程，帮助零基础读者快速上手，同时简单介绍了金融企业的三大风险模型（评分卡）。

第6章结合信用卡客户流失预警与挽留案例，介绍客户价值（数值）预测与流失倾向（事件）预测两类问题的建模过程及组合应用，不拘泥于方法本身，彰显了以企业实际运用为导向的写作思路，让案例更具实用参考价值。

了解完五个案例之后，你会发现这些方法和模型在大部分业务场景中似曾相识，金融企业的数据挖掘与建模将变得易如反掌。

↓展开全部内容

序言

大数据的浪潮正渐渐平静，整个行业已逐渐趋于成熟和理性。喧嚣与嘈杂渐远之时，才能更清晰地透过表象，看清事情的本质。大数据需要精挖掘，好客户需要勤耕耘，再好的故事，再炫的包装，再酷的产品，分析基础还是以CRISP方法为主流，做好数据采集、清洗、整合、建模、分析、部署与调优；经营基础还是“客户为中心”的市场营销，通过信息对称与否的博弈来驾驭经营风险，再给予风险成本加权计算基础上的损益评价。大数据的世界有时确实没表面上那么“性感”，而是非常“感性”。对于从事大数据相关工作的大多数专业人士，尤其是年轻朋友而言，诗与远方虽可筑梦，但要真正走得长远，还是需要真本领，需要耐着寂寞，翻开书本，撸起袖子，在实践中学习，在学习中实践。

书如其人。陈春宝博士的这本书和他本人一样，不太容易评价。多样、丰富、立体，因此复杂，需要多花些时间去深入细品，才能发现如同一篇好的散文，贵在“形散而神不散”。全书围绕两条主线，一条是金融客户生命周期管理，另外一条是数据挖掘项目和模型的生命周期管理，这两条主线串接起了一个一个独立、完整的实战场景。这样的组织方法使读者学习各篇完整成章时，能按图索骥，实践参考；两条主线也使得知识点跳跃较大，给人点到即止的感觉。因此建议结合其他书籍同步研读，效果会更好。比如，客户关系管理方面的，V.库马尔的《赢得盈利客户》；数据挖掘领域的，本书作者的另一部著作《大数据与机器学习：实践方法与行业案例》。

金融数据的价值密度之高，堪称数据中的黄金。以银行为代表的金融机构对数据的深入挖掘分析与应用，起步不可谓不早，投入不可谓不大，成果不可谓不多，但是在这波风口中，由于内因、外因和低调（网红经济时代，低调可真是“致命”的优点），却常常被怼到了市场边缘，连市面上关于大数据与数据挖掘方面的实战类专业书籍，也大多出自互联网同仁之手。其实银行及各家金融机构藏龙卧虎，不乏像三位作者这样能够洞察业务，兼具丰富实操经验和扎实理论功底的高手。衷心期待陈春宝博士能继续坚持下去，并带动更多金融机构的同仁们积极行动进来，出版更多的，特别是实战类的书籍，共同为大数据时代增添一抹属于金融数据科学家们的别样风采。

陆小勇

浦发银行信息科技部副总经理，信息服务中心主任 

媒体评论

数字化转型是银行业未来十年的发展趋势，大数据的分析与应用能力至关重要。本书系统归纳了数字化客户经营的主要场景，并选取有代表性的案例介绍分析建模过程，写法通俗易懂，对技术和业务人员提升数字化客户经营能力都很有帮助。

——吴纯杰 上海财经大学统计与管理学院副院长

SAS是统计分析软件领域的标杆，以功能强大著称，已经有过40年的历史。由SAS技术大学精英学院组织撰写的这套书，有SAS编程的主题，有SAS EG和SAS EM这样的重要工具，还有金融数据挖掘与建模这样的行业应用，内容系统、立体、丰富，强烈推荐！

——俞章盛 上海交通大学教授/博士生导师

SAS是全球分析领域的引者，数十年来一直致力于应用分析解决困难的业务问题，在统计分析、商业智能、客户智能、数据管理、风险管理、欺诈与安全智能等多个领域独树一帜。相信由SAS技术大学官方编写的系列参考书，一定能将SAS的技术精华和实践总结、提炼出来，奉献给广大的SAS技术、产品的支持者和使用者们。

——宇传华 武汉大学教授/博士生导师

在开源软件大行其道的今天，作为商业软件，SAS不仅没有没落，反而正爆发出更强大的生命力，这与SAS公司与时俱进的创新能力是分不开的。SAS的技术和产品在不断改进，SAS的教育工作也一直做得很好，每年一度的“高校SAS数据分析大赛”在教育界的影响力越来越大。他们出版的“SAS大学技术丛书”一定能再为SAS教育工作添砖加瓦。

——杨启贵 华南理工大学教授/数学学院副院长/博士生导师 

评分☆☆☆☆☆

没收到货，也找不到。

评分☆☆☆☆☆

好

评分☆☆☆☆☆

没收到货，也找不到。

评分☆☆☆☆☆

好

评分☆☆☆☆☆

好

评分☆☆☆☆☆

没收到货，也找不到。

评分☆☆☆☆☆

没收到货，也找不到。

评分☆☆☆☆☆

好

评分☆☆☆☆☆

好