SAS公司官方出品，SAS大学授权编写，SAS全国高校数据分析大赛指定参考书
作者在银行等金融领域有近20年工作经验，是资深的数据挖掘与分析专家
本书以金融客户生命周期管理为主线，纯实战导向，通过5个经典案例详细讲解金融数据挖掘与建模的方法与技巧
这是一部从实战角度讲解如何利用SAS对金融数据进行挖掘与建模的专著，由SAS大学授权撰写，是SAS大学的指定参考书，也是“SAS大学技术丛书”的*一本书。
全书两条主线：
主线1：金融客户（信贷）的生命周期管理，通过5个具有代表性的案例，讲解了金融客户再获取、提升、成熟、衰退、挽留这5个阶段的关键数据的挖掘与建模方法；
主线2：数据挖掘项目的生命周期管理，把项目生命周期的各个阶段的关键技术和处理方法融入到案例中，串接起一个一个独立、完整的实战场景。
全书一共6章：
第1章介绍了数据挖掘和建模在信贷（信用卡）客户生命周期管理中的15个主要应用场景；
第2章通过信用卡客户反欺诈案例，讲解了如何应用随机森林算法构建欺诈评分模型；
第3章通过信用卡客户精准营销案例，讲解了营销响应模型的构建、评估与应用；
第4章通过信用卡客户细分讲解了完整的聚类过程，对聚类做了*完整的阐释；
第5章通过贷款违约预测案例，为零建模基础的读者提供了一个简化版的行为评分模型；
第6章结合信用卡客户流失预警与挽留案例，讲解了客户价值（数值）预测与流失倾向（事件）预测两类问题的组合建模与应用。
不拘泥于方法本身，彰显了以企业实际运用为导向的写作思路，让案例更具实用参考价值。五个案例之后，你会发现这些方法和模型在大部分业务场景中似曾相识，金融企业数据挖掘与建模将变得迎刃而解。
Contents 目 录
赞誉
序
前言
第1章 金融数据挖掘与建模应用场景 1
1.1 客户数据挖掘的价值 1
1.2 金融客户生命周期及数据应用场景 3
1.3 最具代表性的数据应用场景 7
第2章 客户获取：信用卡客户欺诈评分案例 8
2.1 案例背景 9
2.2 数据准备与预处理 10
2.2.1 数据源 10
2.2.2 变量设计 11
2.3 构建评分模型 13
2.3.1 算法选择 13
2.3.2 模型训练 14
2.3.3 模型评估 16
2.4 评分模型的应用 19
2.5 小结 20
第3章 客户提升：信用卡客户精准营销案例 21
3.1 案例背景 21
3.2 建模准备 21
3.2.1 准备数据 22
3.2.2 数据预处理 26
3.2.3 过度抽样 27
3.2.4 构造训练集及测试集 30
3.3 数据清洗及变量粗筛 32
3.3.1 连续变量与连续变量之间 33
3.3.2 分类变量和分类变量之间 39
3.3.3 分类变量和连续变量之间 43
3.3.4 数据的错误及缺失值 47
3.3.5 数据离群值 53
3.3.6 重编码 59
3.4 变量压缩与转换变量 61
3.4.1 分类变量的水平数压缩 61
3.4.2 连续变量聚类 65
3.4.3 连续变量的分箱 77
3.4.4 变量的转换 79
3.5 模型训练 80
3.5.1 关于Logistic回归 80
3.5.2 变量筛选方法 81
3.6 模型评估 88
3.6.1 模型估计 88
3.6.2 模型评估 89
3.6.3 调整过度抽样 98
3.6.4 收益矩阵 98
3.6.5 模型转换为打分卡 100
3.7 模型的部署及更新 100
3.7.1 模型的部署 100
3.7.2 模型的监测及更新 101
3.8 本章小结 103
第4章 客户成熟：银行零售客户渠道偏好细分案例 104
4.1 案例背景 104
4.2 聚类分析流程 105
4.3 数据标准化 107
4.3.1 标准化介绍 107
4.3.2 标准化实现 110
4.4 变量聚类 111
4.4.1 变量聚类介绍 111
4.4.2 变量聚类基本步骤 112
4.4.3 SAS实现变量聚类 113
4.5 变量降维与可视化 118
4.5.1 图形化探索 118
4.5.2 主成分分析法降维 120
4.6 ACECLUS预处理过程 123
4.6.1 ACECLUS介绍 123
4.6.2 ACECLUS过程 123
4.6.3 ACECLUS示例 123
4.7 系统聚类分析 128
4.7.1 系统聚类法 128
4.7.2 样本与样本之间的度量 129
4.7.3 距离定义与测量 129
4.7.4 相关系数 131
4.7.5 类与类之间的度量 131
4.7.6 系统聚类法 139
4.7.7 不同系统聚类法之间的比较 140
4.7.8 类个数的确定 158
4.8 快速聚类 159
4.8.1 快速聚类法 159
4.8.2 快速聚类法实现 160
4.8.3 快速聚类法优缺点 161
4.9 两步聚类法 161
4.9.1 两步聚类法 161
4.9.2 两步聚类法实现 161
4.10 本章小结 167
第5章 客户衰退：银行贷款违约预测案例 168
5.1 案例背景 169
5.2 维度分析 170
5.3 建模分析 177
5.4 业务应用 179
5.5 小结 179
第6章 客户挽留：信用卡客户流失管理案例 180
6.1 案例背景 181
6.2 数据准备 182
6.2.1 设定目标变量 182
6.2.2 设定时间窗 183
6.2.3 设计预测变量 184
6.2.4 准备数据宽表 185
6.3 流失倾向预警：用Logistic回归构建响应率模型 186
6.3.1 粗分类 187
6.3.2 计算分组变量的WOE值和IV值 191
6.3.3 共线性检验 194
6.3.4 模型训练：显著性检验 195
6.3.5 模型评估 196
6.4 潜在客户价值预测：两阶段建模法 201
6.4.1 阶段1概率预测 201
6.4.2 阶段2 数值预测 201
6.4.3 模型评估 203
6.5 细分：差异化营销服务的基础 204
6.6 小结 208
如何挖掘数据资产，并应用于业务实践，产生价值，需要一套系统的方法和工具，本书正好结合具体的案例，深入浅出地回答了这个问题，对从事大数据分析与挖掘的数据人有很好的参考价值。
——郑承满 厦门银行CIO
数字化是银行经营客户的趋势，数据分析和应用的变现能力是核心。本书归纳了客户数字化经营的主要场景，并选取代表性案例进了行剖析和介绍，对从业人员授之以渔，值得推荐。
——杨志敏 浦发银行零售业务管理部副总经理
把数据挖掘比作一场猎取宝藏的屠龙之旅，却有太多屠龙之术浓墨重彩于宝藏之瑰丽或神兵之锋利。而本书更像是作者把他们亲历的一次次真实冒险娓娓道来，把读者带入一个个真实的场景，与作者一起面临险境，审时度势，化险为夷。历经百转千回才得峰回路转，柳暗花明。一气读完，顿觉身上的行囊充实了许多，远处宝藏的光辉也真实了几分，便急不可耐的踏上了新的冒险旅程。
——王晓 太平洋人寿保险客户资源整合部高级经理
写法化繁为简，案例源自实践，很多分析方法和代码可以直接复用，对挖掘建模人员具有很强的导向性和启发性，无论使用SAS或开源工具，都能从分析思路中受益。
——钟飞 蚂蚁金服风控策略专家
这是一套涵盖SAS编程语言、SAS应用实操、SAS统计理论分析的工具书，内容专业精深，语言浅显易懂，案例贴近热点业务需求，真可谓一套心血之作、诚意之品、价值之典！
——万平 平安银行总行大数据决策管理部
数字化转型是银行业未来十年的发展趋势，大数据的分析与应用能力至关重要。本书系统归纳了数字化客户经营的主要场景，并选取*有代表性的案例介绍分析建模过程，写法通俗易懂，对技术和业务人员提升数字化客户经营能力都很有帮助。
——吴纯杰 上海财经大学统计与管理学院副院长
SAS是统计分析软件领域的标杆，以功能强大著称，已经有超过40年的历史。由SAS技术大学精英学院组织撰写的这套书，有SAS编程的主题，有SAS EG和SAS EM这样的重要工具，还有金融数据挖掘与建模这样的行业应用，内容系统、立体、丰富，强烈推荐！
——俞章盛 上海交通大学教授/博士生导师
SAS是全球分析领域的引*者，数十年来一直致力于应用分析解决*困难的业务问题，在统计分析、商业智能、客户智能、数据管理、风险管理、欺诈与安全智能等多个领域独树一帜。相信由SAS技术大学官方编写的系列参考书，一定能将SAS的技术精华和优秀实践总结、提炼出来，奉献给广大的SAS技术、产品的支持者和使用者们。
——宇传华 武汉大学教授/博士生导师
在开源软件大行其道的今天，作为商业软件，SAS不仅没有没落，反而正爆发出更强大的生命力，这与SAS公司与时具进的创新能力是分不开的。SAS的技术和产品在不断改进，SAS的教育工作也一直做得很好，每年一度的“高校SAS数据分析大赛”在教育界的影响力越来越大。他们出版的“SAS大学技术丛书”一定能再为他们的SAS教育工作添砖加瓦。
——杨启贵 华南理工大学教授/数学学院副院长/博士生导师