商业数据分析案例：客户流失分析之—探索性分析

三、数据探索性分析

1、离散型变量的探索性分析方法

对无序型离散变量而言，以本案例中的手机品牌为例，对于名义型离散变量,关注的是该变量的取值分别有哪些，各个取值占比是多少。从表格上看，列出离散变量各个取值的数量和占比即可:

对有序型商散变量而言，有序型离散变量之间是可以比较大小的，因此还可以通过累积频数和祟积频率的方式来对数据进行展现。以话务量级别为例，可以做出话务量级别频数表，从表中的累积百分比可以看出，13.7%的客户属于低使用率，而95.8%的客户在高使用率及以下。

2、连续型变量的探索性分析方法

对于连续型变量，通常可以使用描述统计量和图形两种方法来进行探索性分析。

• 使用描述统计量：对于连续型变量，常见的描述统计量包括反应变量集中趋势的均值、中位数等；反应分散趋势的最小值、最大值、全距、标准差、变异系数等; 反应分布形态的偏度和峰度。

• 使用图形：对于连续型变量，主要通过直方图和箱线图的方式来对数据的分布状况进行考察。

3、变量之间关系的探索性分析方法

1) 离散变量与离散变量

离散变量与离散变量之间的关系可以使用条形图进行查看，将其中一个变量在图形中 用不同的颜色显示来直观地观察出变量之间的关系，也可以使用网络图开显示，通过各个要素之间是有线条联系、线条粗线来显示是否有关系以及关系强弱。

例如，不同手机品牌的流失情况有着明显区别，在网络图中可以得到和条形图一样的结论，即ASAD90、CAS30、SOPIO和SOP20四个品牌的手机与流失关系密切。

如果希望得到两个离散变量之间关系的量化描述，可以使用交叉表来显示，从下图中可以看出每个手机品牌的流失与不流失人数及百分比，而最下面的卡方值和概率则表明从统计意义上两者是否无关，在这个案例中，看到概率=0，是一个很小的数值，说明两者的关系是显著的。

2) 离散变量与连续变量

对于离散变量和连续变量之间的关系，可以使用直方图进行查看，将其中的离散变量在图形中用不同的颜色显示来直观地观察变量之间的关系。也可以使用箱线图来查看连续变量与离散变量之间的关系。在图形中，每个箱线图代表一个离散变量的取值。

例如，对于连续变量高峰时期通话时长与流失之间的关系，使用箱线图以体现两个变量之间的关系。

如果希望得到离散变量与连续变量之间的量化关系，则可以使用统计分析中的方差分析方法，从下图中可以看出，从统计意义上讲，在0.05显著性水平下。流失客户与不流失客户的高峰时期通话时长有着显著差异。

3) 连续变量与连续变量

对于连续变量与连续变量之间的关系，可以使用散点图进行直观展示。例如，对于高峰时期通话数和高峰时期电话时长的关系，可以得到下图的结果：

因此，在本案中，我们使用如下的分析内容：

从上图可以看出，性别与流失的关系似乎不是很密切，男性和女性流失比例相差不大。

手机品牌与流失相关性很大，其中ASAD90、CAS30、SOP10及SOP20的流失比例尤其高，猜测这些手机品牌可能使用体验(例如，信号强度、使用方便性) 较差，或许这是造成客户体验下降从而流失的根本原因，当然这只是根据数据得到的结论，实际情况如何，还需要和业务人员充分讨论，如果证实了猜测，那么或许对这些客户推荐(或赠送)其他手机品牌将是一种非常有效的挽留手段。

话务量级别与流失之间有一定的关系，低使用率客户流失比率要高一些，这和我们的业务经验一致。

话费合理性与流失之间关系密切。在3种话费方案不合理(HighCAT50、HighCAT100 及High Play100)的情形下客户流失比率远高于话费合理情形的流失比率，这提示我们的客户是非常聪明的。尽管在话费不合理情况下，可以短期内获得超额利润，但是难以长久，可以建议业务部门关谊这一点，向客户推荐更加适合的话费方案。

对高峰时期通话行为相关的连续变量与流失之间的关系的探索性分析，得到：

流失似乎和高峰时期通话行为的关系并不是特别密切，但大致可以看出高峰时期通话时间较少、高峰时期通话时长取值很低或者很高、高峰时期通话时长被动大、高峰时期平均每次通话时长较长的客户似乎流失倾向更大一些。至于流失与各连续变量关系更细致的分析，我们将通过后面的建模过程来完成。