五.SPSS＋finebi实现基于分类算法的理财产品顾客亏损及收益分析

接下来将用IBM SPSS对finebi中提取的理财产品数据实现分类算法数据挖掘和数据分析，以及可视化图表呈现。

1.知识准备

数据在当今世界意味着金钱。随着向基于app的世界的过渡，数据呈指数增长。然而，大多数数据是非结构化的，因此需要一个过程和方法从数据中提取有用的信息，并将其转换为可理解的和可用的形式。

数据挖掘或“数据库中的知识发现”是通过人工智能、机器学习、统计和数据库系统发现大数据集中的模式的过程。

免费的数据挖掘工具包括从完整的模型开发环境如Knime和Orange，到各种用Java、c++编写的库，最常见的是Python。数据挖掘中通常涉及到四种任务:

分类: 将熟悉的结构概括为新数据的任务

聚类: 在数据中以某种方式查找组和结构的任务，而不需要在数据中使用已注意的结构。

关联规则学习: 查找变量之间的关系

回归: 旨在找到一个函数，用最小的错误来模拟数据。

2.基于决策树分析亏损顾客特征

2.1 预测变量重要性

在预测变量重要性中，我们可以观察到“家庭年收入”预测变量重要性占比为100%，直接影响“亏损程度”，而其他输入变量被剔除掉。说明“家庭年收入”对于购买理财产品亏损程度的影响非常大。

2.2 C5.0模型