一个典型的银行精准营销客群挖掘项目总结（2）

4.数据挖掘建模

        数据挖掘建模是一个过程，具体包括数据探索，数据预处理，建模，模型 评估与解释等步骤。本次项目用 SAS 工具实施，具体的过程如下所示：

4.1.数据探索

        数据挖掘的第一步是数据质量检查和数据探索，数据质量检查是发现数据 中存在的一些错误，如年龄为负，交易金额，交易次数为非常大的某个值等。 对于连续变量和离散变量，分别采用不同的方法进行描述性分析。

4.1.1.描述性分析

4.1.1.1.连续变量

        对于连续变量，主要做描述性统计，主要包括有效变量个数，均值，标准 差，最小值，最大值，偏度，峰度，分位数等。下面为部分变量的描述性统计 结果。

         从上表可以看到，年龄，贡献度最小值为负值，可以存在数据错误，需要 进行数据清洗。对于最近 6 个月月日均 AUM 平均值，最近 6 个月交易金额平均 值等变量，最大值远远超出 99 分位数，需要进行极值控制。

4.1.1.2.离散变量

        对于离散变量，主要做频数分析，即分析每个变量取值的频数分布。 下面为部分变量的频数分布分析结果：

        性别频数分析： 

        婚姻状况频次分析：

        资产等级频数分析：

4.1.2.探索性分析

4.1.2.1.连续变量

        连续变量的探索型分析主要是看自变量和目标变量的关系，将数据分成 10 等分，计算每一等分获取人数，来初步判断哪些变样对获取与否有显著的区 分能力。 下面为部分关键变量的探索结果：