资源介绍：

客户洞察是分析型客启关系管理的核心…是实现客户智能的必要手段，其旨在增加CRM系统的商业分析与辅助决策能力。分析型CRM需要整合外部客户数据、渠道数据和大量交易数据，并从中提取出隐含有用的信息，这便是数据科学的用武之地。客户生命周期是客户洞察中最常用的分析工具，企业对初次接触的客户了解甚少，随着交往时间的延长，对其洞察越深入，分析主题越丰富。本课程就按照客户产品生命周期逐步展开数据科学的不同议题

本课程全面介绍了金融银行系统所涉及的最常见的算法及企业应用场景以及结合大数据Spark的代码实现，系企业一线数据挖掘、人工智能算法工程师结合亲身工作经历讲解，企业内部培训，全套课件+代码具有很强的实用意义和参考价值

课程目录

• 1 数据科学概述
• 10 数据科学家的角色及功能
• 11 数据科学家的能力范畴
• 12 CRM 数据分析涉及的技术与业务
• 13 CRM 数据挖掘常用分类算法举例（上）
• 14 CRM 数据挖掘常用分类算法举例（下）
• 15 金融行业客户生命周期价值在企业中的实际应用
• 16 金融行业客户获取与价值预测在企业中的实际应用
• 17 金融行业初始和行为信用评级在企业中的实际应用
• 18 金融行业客户洞察原理及在企业中的实际应用
• 19 金融行业交叉销售原理及在企业中的实际应用
• 2 数据科学的应用场景
• 20 金融行业复杂网络反欺诈原理及在企业中的实际应用
• 21 金融行业客户流失预测与挽留在企业中的实际应用
• 22 基于客户生命周期的数据分析代码案例（上）
• 23 基于客户生命周期的数据分析代码案例（下）
• 24 案例：实战个人贷款违约预测模型（一）
• 25 案例：实战个人贷款违约预测模型（二）
• 26 案例：实战个人贷款违约预测模型（三）
• 27 案例：实战个人贷款违约预测模型（四）
• 28 案例：实战个人贷款违约预测模型（五）
• 29 案例：实战个人贷款违约预测模型（六）
• 3 数据科学与客户智能
• 30 案例：实战个人贷款违约预测模型（七）
• 31 案例：实战个人贷款违约预测模型 – 基于PySpark的实现 （上）
• 32 案例：实战个人贷款违约预测模型 – 基于PySpark的实现 （下）
• 33 案例：实战银行零售产品的交叉营销 – 场景、原理与企业应用
• 34 案例：实战银行零售产品的交叉营销 – 关联规则挖掘算法
• 35 案例：实战银行零售产品的交叉营销 – 购物车算法分析
• 36 案例：实战银行零售产品的交叉营销 – Python+Spark大数据开发环境搭建（上）
• 37 案例：实战银行零售产品的交叉营销 – Python+Spark大数据开发环境搭建（下）
• 38 案例：实战银行零售产品的交叉营销 – 关联规则算法代码实现（基于PySpark）
• 39 案例：实战银行零售产品的交叉营销 – 关联规则算法详解
• 4 数据科学基本概念
• 40 案例：实战银行零售产品的交叉营销 – Apiri算法原理及代码实现（基于PySpark）
• 5 案例：利用RFM营销模型代码演示分析流程（一）
• 6 案例：利用RFM营销模型代码演示分析流程（二）
• 7 案例：利用RFM营销模型代码演示分析流程（三）
• 8 案例：利用RFM营销模型代码演示分析流程（四）
• 9 案例：利用RFM营销模型代码演示分析流程（五）
• 课程配套资料