幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

銀行數字化轉型(數據思維與分析之道)/數字經濟創新驅動與技術賦能叢書

  • 作者：錢興會//相雪//鄧梁|責編:李曉波//趙曉峰
  • 出版社：機械工業
  • ISBN：9787111771289
  • 出版日期：2025/01/01
  • 裝幀：平裝
  • 頁數：288
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    在數據時代，數據思維至關重要。本書為銀行數字化轉型提供了一條清晰的數據思維之路。
    全書內容貫穿著數據在銀行各領域的應用實踐，從整體上引導讀者建立數據思維、洞悉業務本質，並通過數據分析解決實際問題。重點內容包括：通過數據指標洞悉業務運行狀態、基於數據進行科學決策、客戶經營中的數據分析、商業銀行零售業務風控管理中的數據分析、對公業務中的數據分析、經營管理與決策中的數據分析等。
    本書案例豐富、視角獨到、可讀性強，是銀行從業人員學習數據思維和數據應用的佳作，適合銀行高管、業務骨幹及數據分析人員閱讀。
作者介紹
錢興會//相雪//鄧梁|責編:李曉波//趙曉峰
目錄
前言
第1章  數據思維與商業銀行數字化轉型
  1.1  數據思維及其重要性
    1.1.1  大家都在說的數據思維是什麼
    1.1.2  數據思維對企業精細化經營、創新、流程優化的作用
  1.2  數據思維的表現形式
    1.2.1  構建有效的監控體系和客觀的評價標準
    1.2.2  用合理的分析方法探究原因以及評價效果
    1.2.3  綜合運用統計學知識對業務經營效果進行預測
  1.3  為什麼商業銀行數字化轉型需要建立數據思維
    1.3.1  商業銀行數字化轉型需要建立數據思維
    1.3.2  大量銀行正在應用數據思維改造自己的業務
  1.4  如何建立數據思維
    1.4.1  樹立目標意識
    1.4.2  養成基於數據下結論的習慣
    1.4.3  熟悉銀行常用的數據分析方法與場景
    1.4.4  通過數據思維持續改善業務
    1.4.5  掌握統計學思維
    1.4.6  培養數據分析工作的熱情與信心
    1.4.7  掌握常見的數據分析工具
  1.5  本章小結
第2章  通過數據指標洞悉業務運行狀態
  2.1  數據指標體系的定義、價值
    2.1.1  數據指標體系的定義
    2.1.2  數據指標體系的價值
    2.1.3  數據指標的類型
    2.1.4  銀行業務中數據指標體系的應用價值
  2.2  數據指標的設計方法
    2.2.1  指標設計的過程與分類
    2.2.2  指標的尺度特性
    2.2.3  指標的時間特性
    2.2.4  指標評價
    2.2.5  銀行業務中常見的數據指標
  2.3  數據指標體系的構建
    2.3.1  搭建數據指標體系
    2.3.2  數據指標體系的評價
    2.3.3  銀行業務中常見的數據指標體系
  2.4  數據指標構建相關工具
    2.4.1  數據操作工具
    2.4.2  數據倉庫工具
    2.4.3  商業智能工具
    2.4.4  數據可視化工具
  2.5  利用數據看板和管理經營駕駛艙了解業務的運行情況
    2.5.1  數據看板
    2.5.2  管理經營駕駛艙
  2.6  本章小結
第3章  運用數據手段解決業務經營中的專項問題
  3.1  運用指標體系發現業務中存在的異常
    3.1.1  數據異動分析方法
    3.1.2  通過業務規則發現數據中的異常

    3.1.3  通過統計方法發現數據中的異常
    3.1.4  通過機器學習方法發現數據中的異常
    3.1.5  通過專家經驗庫發現數據中的異常
  3.2  運用對比分析了解業務現狀
    3.2.1  對比分析法
    3.2.2  平均分析法
    3.2.3  綜合評價分析法
    3.2.4  同比熱力圖分析法
  3.3  利用相關性分析業務現狀
    3.3.1  原因分析的方法框架
    3.3.2  原因分析中的統計學知識
    3.3.3  相關性分析與相關係數
    3.3.4  圖表相關分析（折線圖及散點圖）
    3.3.5  協方差及協方差矩陣
  3.4  利用因果分析與推斷分析業務現狀
    3.4.1  隨機實驗
    3.4.2  PSM
    3.4.3  DID
    3.4.4  Uplift
    3.4.5  魚骨圖
    3.4.65  W2H
    3.4.7  雙重機器學習
    3.4.8  因果樹
    3.4.9  因果推斷工具
  3.5  利用歸因分析分析業務現狀
    3.5.1  首次互動模型
    3.5.2  末次互動模型
    3.5.3  時間衰減歸因模型
    3.5.4  線性歸因模型
    3.5.5  末次非直接點擊互動模型
  3.6  基於數據分析報告總結業務原因
    3.6.1  數據分析報告的結構
    3.6.2  數據分析報告寫作的核心方法
    3.6.3  數據分析報告中可視化方法的運用
  3.7  本章小結
第4章  基於數據進行科學決策
  4.1  科學決策的概念與理論
    4.1.1  科學決策的概念與流程
    4.1.2  基於經驗進行決策的缺陷
    4.1.3  決策科學與數據科學
  4.2  進行科學決策的步驟
    4.2.1  明確應用場景，理解管理者思維邏輯
    4.2.2  構建指標體系，明確運營狀況的衡量尺度
    4.2.3  明確各類業務分析模型
    4.2.4  友好的功能設計，為決策者提供門戶
    4.2.5  注重對外展示，整體規劃展示大屏
  4.3  本章小結
第5章  基於數據挖掘方法實現數智化運營
  5.1  數據挖掘的概念與應用
    5.1.1  什麼是數據挖掘

    5.1.2  數據挖掘相關術語
    5.1.3  數據挖掘過程概述
    5.1.4  數據挖掘的核心方法——機器學習
    5.1.5  數據挖掘在銀行經營中的應用場景
  5.2  數據挖掘典型任務之數據分類
    5.2.1  數據分類任務的概念與典型應用場景
    5.2.2  分類任務的整體實施流程
    5.2.3  分類任務典型演算法之決策樹
    5.2.4  分類任務典型演算法之神經網路
    5.2.5  分類任務典型演算法之集成學習
    5.2.6  分類任務在銀行經營中的應用場景
  5.3  數據挖掘典型任務之數值預測
    5.3.1  數值預測任務的概念與典型應用場景
    5.3.2  數值預測任務的整體實施流程
    5.3.3  回歸分析經典演算法之線性回歸
    5.3.4  回歸分析經典演算法之非線性回歸
    5.3.5  回歸分析經典演算法之時間序列
    5.3.6  回歸分析經典演算法之邏輯回歸
    5.3.7  數值預測任務在銀行經營中的應用場景
  5.4  數據挖掘典型任務之資源分配
    5.4.1  資源分配任務的概念與典型應用場景
    5.4.2  資源分配任務的整體實施流程
    5.4.3  資源分配任務在運籌優化方面的經典演算法
    5.4.4  運籌優化典型場景之營銷組合優化
    5.4.5  運籌優化典型場景之排班優化
    5.4.6  運籌優化典型場景之投資組合優化
    5.4.7  資源分配任務在銀行經營中的應用場景
  5.5  數據挖掘典型任務之數據模式挖掘
    5.5.1  數據模式挖掘任務的概念與典型應用場景
    5.5.2  數據模式挖掘任務的整體實施流程
    5.5.3  數據模式挖掘任務典型演算法之聚類
    5.5.4  數據模式挖掘任務典型演算法之關聯分析
    5.5.5  數據模式挖掘任務在銀行經營中的應用場景
  5.6  數據挖掘典型任務之非結構化數據挖掘
    5.6.1  非結構化數據挖掘類型與整體實施流程
    5.6.2  文本數據挖掘方法與應用場景
    5.6.3  圖像視頻數據挖掘方法與應用場景
    5.6.4  語音數據挖掘方法與應用場景
    5.6.5  非結構化數據挖掘在銀行經營中的應用場景
  5.7  本章小結
第6章  客戶經營中的數據分析
  6.1  客戶經營的理論基礎
    6.1.1  客戶關係管理
    6.1.2  消費者心理學
    6.1.3  客戶生命周期運營
    6.1.4  銷售漏斗理論
    6.1.5  客戶畫像理論與應用
  6.2  客戶分群經營
    6.2.1  客群劃分的維度與意義
    6.2.2  客戶分群經營的業務流程

    6.2.3  基於聚類演算法的客群劃分方法
    6.2.4  基於屬性標籤的客群劃分方法
    6.2.5  基於客戶畫像進行標籤化
    6.2.6  案例：零售銀行職業女性客群經營
  6.3  數據分析驅動商業銀行客戶營銷
    6.3.1  銀行客戶營銷與拉新的定義
    6.3.2  客戶營銷業務流程
    6.3.3  基於數據指標監控營銷業務流程
    6.3.4  基於因果分析方法分析活動原因
    6.3.5  基於數據建模方法預測客戶偏好
    6.3.6  案例：商業銀行財富客戶營銷活動
  6.4  客戶流失挽回
    6.4.1  銀行客戶流失的定義
    6.4.2  銀行客戶流失挽迴流程
    6.4.3  銀行客戶流失實時報表監控體系
    6.4.4  銀行客戶流失原因分析
    6.4.5  基於機器學習的流失建模與歸因方案
    6.4.6  案例：銀行公積金貸款客戶流失預警與挽回
  6.5  在線客戶支持與服務
    6.5.1  銀行在線客戶支持與服務的定義
    6.5.2  銀行在線客戶支持與服務業務流程
    6.5.3  基於運籌優化演算法優化客服排班流程
    6.5.4  基於非結構化數據挖掘構建智能問答服務
    6.5.5  案例：商業銀行智能客服
  6.6  本章小結
第7章  商業銀行零售業務風控管理中的數據分析
  7.1  商業銀行數智化風險管理基礎理論
    7.1.1  商業銀行數智化風控發展背景
    7.1.2  商業銀行數智化風控總體架構
    7.1.3  商業銀行數智化風控中的核心數據技術
    7.1.4  數智化風控對人才技能的要求
  7.2  商業銀行零售業務數智化風控體系建設
    7.2.1  商業銀行零售業務風控面臨的挑戰
    7.2.2  零售風控大數據平台
    7.2.3  個人客戶畫像信用體系
    7.2.4  借款人全流程管控
  7.3  商業銀行零售業務數智化風控之貸前
    7.3.1  貸前客戶畫像體系
    7.3.2  貸前客戶數據的監控與補充
    7.3.3  貸前客戶個人建模與風險預測
    7.3.4  案例：基於數據建模貸前客戶風險預警
  7.4  商業銀行零售業務數智化風控之貸中
    7.4.1  貸中信用評分模型應用
    7.4.2  貸中實時反欺詐應用
    7.4.3  貸中風險客群管理
    7.4.4  案例：基於數據建模貸中風險實時管理
  7.5  商業銀行零售業務數智化風控之貸后
    7.5.1  貸后數智化風控體系
    7.5.2  貸后預警監控系統
    7.5.3  貸后催收智能化

    7.5.4  案例：基於數據建模貸后管理
  7.6  本章小結
第8章  對公業務中的數據分析
  8.1  對公業務風險管理中的數據分析
    8.1.1  對公業務風險管理中的常見業務場景
    8.1.2  基於機器學習預測企業的風險
    8.1.3  基於機器學習預測製造業上市公司財務造假
  8.2  對公業務中的企業關聯關係分析
    8.2.1  企業關聯關係分析的定義
    8.2.2  企業關聯關係分析的應用場景
    8.2.3  基於知識圖譜完成企業關聯關係分析
    8.2.4  上市公司關聯關係分析
  8.3  對公業務中的企業輿情分析
    8.3.1  輿情數據的價值與類型
    8.3.2  對公業務的常見業務場景
    8.3.3  基於文本分類定義輿情信息的類別
    8.3.4  基於關鍵詞提取方法分析輿情的關鍵信息
    8.3.5  基於演算法合併輿情信息
    8.3.6  上市公司輿情風險分析
  8.4  本章小結
第9章  經營管理與決策中的數據分析
  9.1  銀行日常經營管理概論
    9.1.1  銀行日常經營中的常見業務場景
    9.1.2  銀行經營管理中常用的數據分析方法
    9.1.3  數據如何改善經營管理與決策
  9.2  銀行網點選址案例
    9.2.1  案例背景
    9.2.2  網點選址中的數據類型
    9.2.3  網點效能評估模型
    9.2.4  網點營銷潛力模型
    9.2.5  網點選址模型
    9.2.6  選址分析結果
  9.3  銀行智慧網點運營案例
    9.3.1  銀行智慧網點運營背景
    9.3.2  銀行智慧網點運營中的數據類型
    9.3.3  銀行網點智能客流分析
    9.3.4  銀行網點智能VIP用戶分析
    9.3.5  銀行網點智能用戶行為檢測
  9.4  本章小結

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032