信用卡与数据挖掘

信用卡与数据挖掘（转）

转载自http://www.bihuman.com/bbs/viewthread.php?tid=2584

信用卡是指客户可以进行先透支消费，后还款的金融工具。目前国内许多使用信用卡的客户往往将储蓄卡和信用卡的含义相互混淆了，因此在信用卡公司的后台数据记录上往往会出现许多余额为负的客户（余额为正说明是有欠款），而这种情况在国外几乎是不可能的。 　　信用卡公司一般来说是通过循环透支产生的利息和特约商户的折扣来获得收益。这也就是说，一个消费金额多但是每月都按时还款的客户对信用卡公司来说往往不一定是一个“好”的客户，真正“好”客户是那些持续使用循环透支并产生利息收益的客户。由于信用卡公司的“先消费，后还款”特点，卡公司一般都是风险厌恶型的企业，客户每欠款1块钱，则卡公司就会产生1块钱的风险暴露。因此，信用卡公司的目的往往是希望在保持一个可接受的整体资产损失的前提下，寻找更多的优质客户，创造更多的实际收益。每个信用卡公司的风险管控策略往往是不一样的，像招商银行在信审方面比较宽松，授信额度也较高，但是它在催收方面的力度较大；而类似广发银行在信审方面比较严格，而在催收方面则显出较好的耐心，表现出比较稳健的作风。
　　在了解信用卡公司的经营状况之后，接下来谈谈信用卡公司涉及的数据挖掘模型。一个新客户与信用卡公司建立起客户关系的流程大约是这样的：
　　申请-〉审核-〉发卡-〉交易-〉出账-〉还款-〉催收-〉核销-〉被动（主动）流失
　　相对应的，在申请到发卡这个阶段可以建立起“申请评分”模型，这也是最为常见的信用卡模型。在构造申请评分模型过程中，往往会遇到“拒绝推断”的问题，解决问题的方法是多样的，与信用卡公司的风险策略往往是紧密联系在一起的。
　　在客户交易阶段，可以建立“客户分群模型”对客户进行细分；建立“关联分析”模型来分析客户在产品消费方面的关联规则；建立“客户消费模型”来对客户在将来的一个时间内的消费金额进行预测，从而设计相关的额度调整、利率调整策略。
　　在出账到催收阶段，可以建立起“拖欠模型”来预测客户在将来的拖欠概率；建立“催收模型”预测客户的还款概率；建立“收益分析模型”对公司的整体收益情况进行评估。
　　在最后的部分，也就是说客户关系走向衰亡的阶段，可以建立“客户流失模型”预测客户流失的概率；建立“欺诈模型”找出客户欺诈的行为模式；建立“违约的风险暴露”分析模型，分析在由于风险暴露对卡公司造成的损失。