八.SPSS＋finebi实现基于分类算法的理财产品顾客亏损及收益分析

将用IBM spss对finebi获取理财产品顾客数据实现分类算法数据挖掘，第七部分讲基于决策树分析不同收益顾客特征。

1.知识准备

1.1 业务理解1

数据分析可以理解为：

       业务调研---->思考逻辑---->引入创新理念---->可行性建议。

业务逻辑不仅仅包括规则，还包括实体、数据完整性、工作流。

好的分析结果对分析人员的要求：

       行业知识、业务流程、解读数据  (变化的角度和时间维度)明确哪些数据来解决行业问题。

数据分析的主要流程：

       明确分析目标、数据收集、数据预处理、建模分析、结果评估、结论整理及建议。

注意：

分析的是什么？

                      原因、现状

分析的目的是什么？

                      实现预测

怎样保证分析有效?

                       确保数据分析维度的充分性和结论的合理有效性

1.2 业务理解2

通过对业务知识的理解，明晰其内部逻辑和原理，有助于（1）在数据预处理过程中对异常数据进行甄别与剔除；（2）有助于挖掘方法的选择；（3）有助于提高分析结论的适用性，提高模型的可靠性。

这种理解有定性分析与定量分析：

定性分析：给出与目标变量关联的自变量列表或目标变量的性质预测；

定量分析：列举自变量，并对各自变量的权重进行分析

例：

其特征：结构化、模块化

2.于决策树分析不同收益顾客特征

2.1 C5.0模型分析

决策树模型反映的特征如下：

（3）理财产品选择了“银行活期存款”的情况下，大多数客户为重度盈利，但学历在“博士及以上”的客户如果购买金额超过64898元，则为轻度盈利。说明“银行活期存款”的购买金额过多的时候盈利会出现一定的下滑。

决策树模型反映的特征如下：

（4）理财产品选择“国债”的情况下，选择本行原因为“理财产品风险等级”的客户大部分为过度盈利，而选择本行原因为“银行人员服务”的客户倾向于严重亏损。说明选择一家银行的原因对与购买“国债”产品的收益影响很大。

决策树模型反映的特征如下：

（5）综合来看，在不同理财产品的选购中，学历越高的客户呈现出盈利越多的现象。

2.2 决策树正确性分析

决策树正确度是60%，相对来说比较可信。

基于finebi获取资料：理财产品顾客分类大数据平台。

实现数据可视化面板制作工具：帆软finebi。

数据挖掘工具：IBM SPSS。