#BI智能数据分析工具#
目前AI在各行业的渗透正在改变我们的工作方式和生活方式,尤其是在智能数据分析领域。今天我们就来看一下新时代数据分析的产品DeepBI与传统BI之间的差距有多大。
BI在过去的二十年被错误定义数据可视化,根本原因在于,过去的BI服务商都假设数据分析和数据挖掘需要由人类来做,机器只能提供相关工具辅助人类完成工作。在AI时代这个假设是错误的,AI可以完整的代替人类做数据分析和数据挖掘,这才是BI这个词的真正意义所在。
新时代BI工具-DeepBI效果展示:
一句话既能得出答案也可同时实现数据可视化!
我们接下来看看DeepBI与传统BI工具的差异。
数据背景介绍&数据来源
业务背景:
贷款是商业银行的一项重要业务,同时个人贷款是银行贷款不可或缺的一部分。那么个人贷款客户画像的重要性就显而易见,它不但可以让银行知道其个贷客户年龄,性别,学历等因素分布情况,同时对于精准营销,个贷分析都有潜移默化的辅助。
需求痛点:
对于银行个人业务部来说,每月甚至每周都会进行机构下综合贷款数据上报以及个贷客户分析数据,基于excel报表手工统计的时间太长并且人工统计难免出错,这样会浪费大量的时间精力。此表可以协助工作人员把相关数据都进行归集,统计并上报给个人条线负责人。
数据来源:
数据来源于德国人信贷风险数据。
字段:年龄,性别,工作,住房,存款账户,检查(支票)账户,贷款额度,持续时间,贷款目的,风险评估 (部分字段数据源表均是英文,后自行处理“住房,性别,贷款目的,风险评估”字段中的数据,翻译成中文数据存入表中)
使用参考数据:(源于德国人信贷风险数据表)
传统BI数据分析
为了用传统BI更好的得出分析结论,又在原本数据集上自创了部分数据:联系方式,居住城市(区/CN),学历,征信认证,所属机构。
分析思路
先确定分析目标:了解银行内个人贷款客户以及贷款目的等情况,根据自身发展需要确定下一步选择贷款客户方向,贷款目的以及不良贷款的控制。
以下为拿到数据后分析思考的过程:
此个贷信息主要包含两个层面:
1:客户层面:包含了客户性别,联系方式,居住地,学历。
2:贷款层面:贷款目的,风险评估,贷款额度,持续时间(贷款期数),征信认证,存款,支票账户。
我们从客户的地区分布