应用SAS_EM进行数据挖掘讲解材料.pptVIP

EM神经网络节点 提供基本选项给普通用户 “智能”设定其它的复杂参数 EM决策树节点 Workshop（信用风险建模） 业务问题 用于建模的数据 建模前的数据处理 建立预测模型 模型的评估 模型实施 Assessment 阶段 Lift Charts(又叫 gains chart) 利润/损失图（Profit/Loss Charts） 投资效益比图(ROI) 诊断分类图 ROC Charts 各种基于临界值的图形（Threshold-based Charts）。 Assessment 节点 结果的鉴别 好 中 差 ROC 增益 累计增益 二值目标的混淆矩阵（Confusion Matrix） 正确的 否定 错误的 肯定 错误的 否定 正确的 肯定 0 1 0 1 预测结果 实际 结果 实际否定 合计 实际肯定 合计 否定合计 肯定合计 分界（Cutoff）概率 x2 0.0 0.2 0.4 0.6 0.8 1.0 x1 0.0 0.2 0.4 0.6 0.8 1.0 较低的分界概率 (.1) 较高的分界概率 (.5) Workshop（信用风险建模） 业务问题 用于建模的数据 建模前的数据处理 建立预测模型 模型的评估 模型实施 模型实施 我们可以用模型来做什么？？ 评分 策略 执行 监控 集成 Scoring 模型开发 模型实施 集成到现有的业务系统，决策支持系统中。 在线客户服务系统 设计Strategy 收益模拟 R=信用额度*使用率*利息*人数*（1-p(呆帐)） Loss=信用额度*人数*p(呆帐) 使P=Revenue – Loss最大化 压力测试 经济发展 ? p(呆帐) ? 经济萧条 ? p(呆帐) ? 节点简介： Utilities类节点 SAS Code 提供SAS程序接口。 Group Processing 提供分组处理的功能 Subdiagram 建立模型流程子表，方便管理 Control Point 控制流程执行，方便管理 Data Mining Database (DMDB) 建立DMDB(Meta Data) 节点通用概貌 In/Out Data Properties(选择，浏览) Data/Variables/Log/Output/Notes等Tab 修改节点后的自动保存 节点的下拉菜单 SAS/EM处理示例 模型应用 建模 源数据 预处理 议程 数据挖掘概述 SAS数据挖掘项目方法论及工具EM简介 Workshop Workshop（信用风险建模） 业务问题 用于建模的数据 建模前的数据处理 建立预测模型 模型的评估 模型实施 信用风险的业务问题 客户从商业机构获得资金、产品或服务，承诺在未来某天或某段时间内偿还他所使用的资金、产品或服务，并支付一定的费用 一个“坏账”客户带来的损失相当于数百个“好”客户给您带来的收益 信用管理者要求提供对风险进行定量的度量，以及根据其风险大小决定采取何种最佳措施以减低将来的损失 定义我们关注的高信用风险 申请信用时关注的风险 Profitable? 将来拖欠的可能性很大 …… 客户使用过程中关注的风险 信用卡欺诈 客户拖欠偿还我提供的信用？多久才是高风险？ …… 催收欠费过程中关注的风险 无法收回？ 信用周期 - Applying 客户申请表 内部信息 Strategy 接受 信用额度 利息 其他条件 拒绝 信用署数据 其他外部信息 政策/内部规则 申请打分引擎 （App Scoring Engine） 信控人员 信用周期 - Behaviour 行为打分引擎（Beh Scoring Engine） 新的Strategy: Inc/Dec Limit X-selling 消费 存现/取现 …… 移管(Transfer) 拖欠(Delinquent) 客户消费情况 6/15 7/15 7/31 8/10 9/17 消费期 对帐单 到期日 最后期限 信用周期 - Collection 收集打分引擎 (Col Scoring Engine) Strategy 被移管的客户 9/17 卖给债务代理公司 Write-off 部分偿还 全部偿还?Recovery 损 失 ！ 催帐单 email 电话 …… Workshop（信用风险建模） 业务问题 用于建模的数据 建模前的数据处理 建立预测模型 模型的评估 模型实施 定义所需数据 确定业务问题，找出您想预测的事物 历史数据必须包含您想预测的事物（目标变量） 其它的变量包括客户的属性，交易数据。 使用最新的数据 。 信用风险分析数据集市 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..