大数据挖掘商业案例

1.前言

随着中国加入WTO，国金融市场正在逐步对外开放，外资金融企业的进入在带来先进经营理念的同时，无疑也加剧了中国金融市场的竞争。金融业正在快速发生变化。合并、收购和相关法规的变化带来了空前的机会，也为金融用户提供了更多的选择。节约资金、更完善的服务诱使客户转投到竞争对手那里。即便是网上银行也面临着吸引客户的问题，最有价值的客户可能正离您而去，而您甚至还没有觉察。在这样一种复杂、激烈的竞争环境下，如何才能吸引、增加并保持最好的客户呢？

数据挖掘、模式(Patterns>等形式。用统计分析和数据挖掘解决商务问题。

金融业分析方案可以帮助银行和保险业客户进行交叉销售来增加销售收入、对客户进行细分和细致的行为描述来有效挽留有价值客户、提高市场活动的响应效果、降低市场推广成本、达到有效增加客户数量的目的等。

客户细分―使客户收益最大化的同时最大程度降低风险

市场全球化和购并浪潮使市场竞争日趋激烈，新的管理需求迫切要求金融机构实现业务革新。为在激烈的竞争中脱颖而出，业界领先的金融服务机构正纷纷采用成熟的统计分析和数据挖掘技术，来获取有价值的客户，提高利润率。他们在分析客户特征和产品特征的同时，实现客户细分和市场细分。

数据挖掘实现客户价值的最大化和风险最小化。SPSS预测分析技术能够适应用于各种金融服务，采用实时的预测分析技术，分析来自各种不同数据源－来自ATM、交易、呼叫中心以及相关分支机构的客户数据。采用各种分析技术，发现数据中的潜在价值，使营销活动更具有针对性，提高营销活动的市场回应率，使营销费用优化配置。

客户流失―挽留有价值的客户

在银行业和保险业，客户流失也是一个很大的问题。例如，抵押放款公司希望知道，自己的哪些客户会因为竞争对手采用低息和较宽松条款的手段而流失；保险公司则希望知道如何才能减少取消保单的情况，降低承包成本。

为了留住最有价值的客户，您需要开展有效的保留活动。然而，首先您需要找出最有价值的客户，理解他们的行为。可以在整个客户群的很小一部分中尽可能多地找出潜在的流失者，从而进行有效的保留活动并降低成本。接着按照客户的价值和流失倾向给客户排序，找出最有价值的客户。

交叉销售

在客户关系管理中，交叉销售是一种有助于形成客户对企业忠诚关系的重要工具，有助于企业避开“挤奶式”的饱和竞争市场。由于客户从企业那里获得更多的产品和服务，客户与企业的接触点也就越多，企业就越有机会更深入地了解客户的偏好和购买行为，因此，企业提高满足客户需求的能力就比竞争对手更有效。

研究表明，银行客户关系的年限与其使用的服务数目、银行每个账户的利润率之间，存在着较强的正相关性。企业通过对现有客户进行交叉销售，客户使用企业的服务数目就会增多，客户使用银行服务的年限就会增大，每个客户的利润率也随着增大。

从客户的交易数据和客户的自然属性中寻找、选择最有可能捆绑在一起销售的产品和服务，发现有价值的产品和服务组合，从而有效地向客户提供额外的服务，提高活期收入并提升客户的收益率。

通过侦测欺诈、减少欺诈来降低成本。为了与欺诈活动作斗争，首先您需要预测欺诈在何时、何地发生。数据挖掘技术侦测在欺诈中常见的模式，预测欺诈活动将在哪里发生。

对于银行业的公司来说，欺诈活动频繁发生的一个领域是自动取款机

开发新客户

金融机构可以使用数据挖掘技术提高市场活动的有效性。银行部门对给出反馈的活动对象进行分析，使之变成新的客户。这些信息也可应用到其它客户，以提高新的市场活动的反馈率。

降低索赔

保险公司都希望减少索赔的数量。可以使用聚类分析，根据现有客户的特征档案来找出哪些客户更有可能提出索赔请求。这些档案是通过对客户提取200至300个不同的变量而产生出来的。接着，您就可以针对那些可能提出较少索赔请求的客户开展获取活动。

信用风险分析

传统的风险管理已无法有效控制跨区域、跨部门、跨行业的多种风险，利用科学的数据分析系统提高欺诈的防，降低信用风险尤为重要。客户科学评估造成风险的因素，有效规避风险，建立完善的风险防机制。

2.客户流失

随着金融体制改革的不断深化和金融领域的对外开放，我国金融行业的竞争日趋激烈。《2006年金融服务指数研究报告》显示，在我国金融业逐步对外资行业开放的今天，中国金融业的服务质量虽然有稳步提升，但总体仍需提高，中资银行面临着极大的优质客户流失的危险。这将对银行经营和效益产生极大的影响。除了提高服务质量，银行要加强营销活动，保留优质客户，首先面临的第一个问题就是，谁可能流失？应该针对哪些客户进行客户保留活动？针对所有的客户开展保留活动，成本太大。合理的做法是应用数据挖掘技术，研究流失客户的特征，从而对流失进行预测、并对流失的后果进行评估，采取客户保留措施，防止因客户流失而引发的经营危机，提升公司的竞争力。

具体来说，客户流失是指客户终止与企业的服务合同或转向其它公司提供的服务。客户流失分析是以客户的历史通话行为数据、客户的基础信息、客户拥有的产品信息为基础，通过适当的数据挖掘手段，综合考虑流失的特点和与之相关的多种因素，从中发现与流失密切相关的特征，在此基础上建立可以在一定时间围预测用户流失倾向的预测模型，为相关业务部门提供有流失倾向的用户和这些用户的行为特征，以便相关部门制定恰当的营销策略，采取针对性措施，开展客户挽留工作。

客户流失需要解决的问题

1）哪些现有客户可能流失？

客户流失的可能性预测。主要对每一个客户流失倾向性的大小进行预测。

2）现有客户可能在何时流失？

如果某一客户可能流失，他会在多长时间流失。

3）客户为什么流失？

哪些因素造成了客户的流失，客户流失的重要原因是什么。主要对引起客户流失的诸因素进行预测和分析。

4）客户流失的影响？

客户流失对客户自身会造成什么影响？

客户流失对公司的影响如何？

对可能流失客户进行价值评估，该客户的价值影响了运营商将要付出多大的成本去保留该客户。

5）客户保留措施？

针对公司需要保留的客户，制定客户和执行保留措施。

客户流失的类型

为了避免由客户流失造成的损失，必须找出那些有流失危险和最有价值的客户，并开展客户保留活动。客户流失现象可以分为以下三种情况：

1）公司客户转移：客户转移至本公司的不同业务。主要是增加新业务，或者费率调整引发的业务转移，例如从活期存款转移至零存整取，从外汇投资转移至沪深股市投资。这种情况下，虽然就某个业务单独统计来看存在客户流失，并且会影响到公司的收入，但对公司整体而言客户没有流失。

2）客户被动流失：表现为金融服务商由于客户欺诈等行为而主动终止客户与客户的关系。这是由于金融服务商在客户开发的过程中忽视了客户质量造成的。

3）客户主动流失：客户主动流失可分为两种情况。一种是客户不再使用任何一家金融服务商的业务；另一种是客户选择了另一家服务商，如客户将存款从一家银行转移到另一家银行。客户主动流失的原因主要是客户认为公司不能提供他所期待的价值，即公司为客户提供的服务价值低于另一家服务商。这可能是客户对公司的业务和服务不满意，也可能是客户仅仅想尝试一下别家公司提供而本公司未提供的新业务。这种客户流失形式是研究的主要容。

如何进行客户流失分析？

对于客户流失行为预测来说，需要针对客户流失的不同种类分别定义预测目标，即明确定义何为流失，进而区别处理。预测目标的准确定义对于预测模型的建立是非常重要的，它是建立在对运营商的商业规则和业务流程的准确把握的基础之上。在客户流失分析中有两个核心变量：财务原因/非财务原因，主动流失/被动流失。对不同的流失客户按该原则加以区分，进而制定不同的流失标准。例如，非财务原因主动流失的客户往往是高价值的客户，他们会正常支付服务费用并容易对市场活动有所响应，这种客户是企业真正需要保留的客户。而对于非财务原因被动流失的客户，预测其行为的意义不大。

研究哪些客户即将流失，是一个分类问题。将现有客户分为流失和不流失两类，选择适量的流失客户和未流失客户的属性数据组成训练数据集，包括：客户的历史通话行为数据、客户的基础信息、客户拥有的产品信息等。Clementine提供人工神经网络、决策树、Logistic回归等模型用于建立客户流失的分类模型。

关于流失用户特征的分析，是一个属性约减和规则发现问题。Clementine提供关联分析方法，可以发现怎样的规则导致客户流失。也可以利用Clementine的决策树方法，发现与目标变量<是否流失），关系最为紧密的用户属性。由于不同类型的客户可能具有不同的流失特征。因此，在进行深入的客户流失分析时，需要先进行客户细分，再对细分之后的客户群分别进行挖掘。

在预测客户流失时一个很重要的问题是流失的时间问题，即一个客户即将要流失，那么它可能什么时候会流失。生存分析可以解决这类问题。生存分析不仅可以告诉分析人员在某种情况下，客户可能流失，而且还可以告诉分析人员，在这种情况下，客户在何时会流失。生存分析以客户流失的时间为响应变量进行建模，以客户的人口统计学特征和行为特征为自变量，对每个客户计算出初始生存率，随着时间和客户行为的变化，客户的生存率也发生变化，当生存率达到一定的阈值后，客户就可能流失。

分析客户流失对客户自身的影响时，主要可以考虑客户的流失成本和客户流失的受益分析。客户流失成本可以考虑流失带来的人际关系损失等因素，通过归纳客户的通话特征来表征。减少客户流失的一个手段就是增加客户的流失成本。客户流失的受益分析就是判断客户流失的动机，是价格因素还是为了追求更好的

服务等。这方面容丰富，需作具体分析。

分析客户流失对公司的影响时，不仅要着眼于对收入的影响，而且要考虑其它方面的影响。单个的客户流失对公司的影响可能是微不足道的，此时需要研究流失客户群对公司收入或业务的影响。这时候可能需要对流失客户进行聚类分析和关联分析，归纳客户流失的原因，有针对性的制定防止客户流失的措施。

在预测出有较大流失可能性的客户后，分析该客户流失对公司的影响。评估保留客户后的收益和保留客户的成本。如果收益大于成本，客户是高价值客户，则采取措施对其进行保留。至于低价值客户，不妨任其流失甚至劝其流失。

总之在利用数据挖掘研究客户流失问题时，需要明确并深入理解业务目标，在明确的业务目标的基础上准备数据、建模、模型评估，最后将模型部署到企业中。

客户流失应用案例

为了举例说明，我们设想一个虚构的银行ZBANK使用保留客户的应用或客户流失建模。ZBANK正受到来自其它金融机构日益激烈的竞争。住房贷款是ZBANK 最宝贵的客户来源之一，在该业务中遇到一些客户会转投其它竞争对手。在营销策略方面，ZBANK给它的房贷新客户许多的优惠措施<如免费的电器和家具优惠券），因此它获得客户的初始成本相对要高于竞争对手。但是，由于此类贷款由市场主导，因此房屋抵押贷款给ZBANK带来较小的风险，同时也使其处于一个有利的战略地位可以交叉销售其它的服务如期房贷款和住房保险。

除了保持其战略性市场主导地位，对于ZBANK来说预测客户流失的可能性也很重要，以便减少那些获得不久就拖欠贷款的新客户。ZBANK有一个客户数据库，包含了有关房贷客户的交易和人口统计信息。

<1）商业理解

预测现有用户中哪些客户在未来六个月中可能流失以及对哪些流失客户采取保留措施。

<2）数据理解

a> 数据说明

选取一定数量的客户<包括流失的和未流失的），选择客户属性，包括客户资料、客户账户信息等。利用直方图、分布图来初步确定哪些因素可能影响客户流失。所选取的数据属性包括：

<1）客户号；

<2）储蓄账户余额；

<3）活期账户余额；

<4）投资账户余额；

<5）日均交易次数；

<6）信用卡支付方式；

<7）是否有抵押贷款；

<8）是否有赊账额度；

<9）客户年龄；

<10）客户性别；

<11）客户婚姻状况；

<12）客户孩子数目；

<13）客户年收入；

<14）客户是否有一辆以上汽车；

<15）客户流失状态。