构建信用卡客户风险识别模型 + python 数据分析 + 图解

构建信用卡客户风险识别模型

需求说明：

为了推进信用卡业务良性发展减少坏账风险，各大银行都进行了信用卡客户风险识别的相关工作，减少坏账风险，各大银行都进行了信用卡客户风险识别的相关工作。某银行研究的风险识别模型随时间推移不再适应业务发展需求，需要重新进行风险识别模型构建。

实验目标

（1） 掌握异常值的识别与处理方法。

（2） 构建信用卡用户风险分析关键特征。

（3） 掌握 K-Means 聚类算法的应用。

（4） 掌握聚类算法结果分析的方法。

实验内容

为了推进信用卡业务良性发展，减少坏账风险，台湾各大银行都进行了信用卡客户风险

识别相关工作，建立了相应的客户风险识别模型。某银行因旧的风险识别模型随时间推移，不再适应业务发展需求，需要重新进行风险识别模型构建。

（一）处理信用卡数据异常值

实验步骤

（1） 读取信用卡数据。

（2） 丢弃逾期，呆账，强制停卡，退票记录，拒往记录为 1，瑕疵户为 2 的记录。

（3） 丢弃呆账，强制停卡，退票为 1，拒往记录为 2 的记录。

（4） 丢弃频率为 5，刷卡金额不等于 1 的数据。

(二)  特征选取

特征的轩主主要是以下三个方面。

1. 根据特征瑕疵户，逾期，呆账，强制停卡，退票，拒往记录构建历史行为特征。

2. 根据特征借款余额，个人月收入，个人月开销，家庭月收入和月刷卡金额，构建出经济风险情况特征。

3. 根据特征职业，年龄，住家，构建出收入风险情况特征

4. 将历史行为特征，经济风险情况特征以及风险情况特征分别进行降维

（三）构建模型

构建K-Means聚类模型，聚类数为5。

训练模型，求出聚类中心、每类的用户数目。

结果分析

通过观察SSE与k的取值尝试找出合适的k值

雷达图

（一类客户）

                  

（二类客户）

                  

（三类客户）

                

（四类客户）

                

（五类客户）

                

（雷达图）

                

根据H（历史行为）E（经济风险）I（收入风险）数据，我们可以对客户进行评价分析。

客户聚类HEI图

               

HEI图

客户价值排名图

                  

客户特征图

                 

客户价值分析

我们重点关注的是H，E，I，从HEI图中可以看到：

1、一类客户 [blue]   E I 很高，H也不低，可以看做是重要保持客户

2、二类客户[black]   可以看做是重要发展客户

3、三类客户[yellow]  重要挽留客户，原因：H很高，可以看做是重要的挽留客户，因为历史行为很高， 但是E和I较低

4、四类客户[red]    E特别高，其余都较低,可以看作是一般客户

5、五类客户[green]  低价值客户

以下再结合具体的特征定义五个等级的客户类别，针对不同等级的客户，采取相应的营销手段和策略，为信用卡客户风险的客户群管理提供参考（既业务分析）。

我是呵呵哒！

一个喜欢编程的程序猿！

数据网上可以找到，如果需要代码或者疑问请留言！