找回密码
 立即注册

QQ登录

只需一步,快速开始

7*24h

智能客服

电话咨询

售前咨询电话

400-811-8890转1

在线技术支持电话

400-811-8890转2

总裁办24H投诉

173-127-81526

【2022BI数据分析大赛】A银行理财产品购买预测

我是社区第837021位番薯,欢迎点我头像关注我哦~

 

作品概况

本作品以“某银行理财产品购买预测”为分析诉求,从A银行的 “销售渠道、客户构成、成品构成、购买分析、模型输出”进行分析,选取厦门某企业的脱敏数据进行脱敏分析,引入“RFM、帕累托、K-MEANS”相关模型,提供“把合适的商品推荐给潜在购买用户”的决策建议。

一、选手简介

1、选手介绍
  • 团队名称:北辰客
  • 选手介绍:
  • 林洪,毕业于厦门大学管理学院,就职于福建某公司。主要从事数据分析工作,个人感兴趣的方向和领域——可视化和建模(赚钱)。
  • 洪柯南,毕业于厦门大学人文学院,主要负责作品美化及板块布局。

 

2、参赛初衷
  • 希望通过比赛实践提升BI工具的使用方法和技巧
  • 公司准备在部门内推广BI工具,学习了解一下
  • 大赛奖励很诱人

 

二、作品介绍

1、业务背景/需求痛点

业务背景:随着科技发展,厦门某A银行陆续打造了线上线下、丰富多样的客户触点,来满足客户日常业务办理、渠道交易等需求。面对着大量的客户,A银行需要更全面、准确地洞察客户理财需求。

需求痛点:在实际理财产品业务开展过程中,A银行需要挖掘不同理财产品对客群的吸引力,从而找到目标客群,进行针对性营销。

 

2、数据来源

表名

描述

数据来源

公司对比行业获客渠道

记录A银行和行业在不同渠道的获客占比

银监会公布相关报告

交易流水表

记录每个用户近两年的交易情况

天池大数据竞赛企业提供数据

APP行为表

记录每个用户在APP的点击次数

天池大数据竞赛企业提供数据

银行概况

记录各城市各月份的进出港人数

该企业公布年报

银行网点分布

记录A银行在各城市的网点

该企业公布年报

附录1:FINEBI数据连接

C:\Users\ADMINI~1\AppData\Local\Temp\WeChat Files\fe2a149ac7c1582e0b9abc399258f07.pngC:\Users\ADMINI~1\AppData\Local\Temp\WeChat Files\c46306a81b4f0bbbb079bdccc09fda7.png

 

3、分析思路

作品按照“银行概况”、“客户分析”、“产品分析”、“购买分析”、“模型输出”总共分为五大模块。

3.1银行概况

3.1.1待解决问题

俗话说“知己知彼方能百战不殆”。在开始正式的分析之前,所以需要了解银行的主要战略重心,以及在渠道拓展的不足之处,提出渠道拓展建议。

3.1.2分析思路

先通过《资产情况》、《用户分布》了解A银行的经营概况和战略重心。通过《获客渠道》了解A银行的渠道构成。

3.1.2结论及建议

①建议A银行构建起“以内地为主体、以港澳为两翼”的“一轴两翼”战略布局。

②建议A银行提升其线上运营能力,打造年轻人喜欢的爆款产品,例如与“知乎、网易云、斗鱼”推出联名卡。

 

3.2客户分析

3.2.1待解决问题

了解A银行的用户变化情况,对用户进行分类,预警出“最有可能购买”“最有可能流失”的用户。

3.2.2分析思路

采用的是“RFM模型”来对客户价值的影响因素进行全面分析。通过分析客户特征,评估客户价值,从而为客户制订相应的营销策略与资源配置计划。

最近一次消费时间(R)/ 最近一段时间内消费频次(F)/最近一段时间内消费金额(M)

3.2.3结论及建议

①A银行的月流失客户数也相对较高,导致净增量不足,建议A银行要重点关注客户流失问题。

②部分客户购买金额虽然大,但是其复购率不高,是需要重点挽留的对象。

 

3.3产品分析

3.3.1待解决问题

了解A银行的产品欢迎度情况,了解用户最喜欢购买的产品特征。

3.3.2分析思路

1)计算不同品类商品累计销售额及其占比,2)按照累计销售占比将品类分成几类,示例将品类按照累计销售额占比

3.3.3结论及建议

①建议在官网及APP的首页增加热门畅销产品的宣传界面。

②2.建议A银行加大对“避险类”产品的研发力度。

③建议A银行推出了具有“防疫”主体的特色产品。

 

3.4购买分析

3.4.1待解决问题

了解用户在下单过程中的痛点,打通下单的“最后一公里”。

3.4.2分析思路

通过“漏斗分析模型”,反映用户行为状态以及从起点到终点各阶段用户转化率情况。用户从首页进入最终完成支付的行为,大多需要经过几个环节,从理财产品浏览——查看产品详情——加入购物车——生成订单——风险等级评估——完成支付。这其中的每个环节都有一定的转化率,该模型通过监控用户在流程上各个层次的行为路径,寻找每个层级的可优化点,提高用户在每个层级之间的转化率,最终来提高总成交金额。

3.4.3结论及建议

①考虑到当下全球疫情的持续蔓延,A银行也迫切的需要进行“线下转线上”的策略转换。

②建议一是对境内客户多科普理财风险知识,二是针对境外客户丰富支付方式。

③建议A银行迎合后疫情时代客户的消费习惯,主攻后疫情时代的线上平台。

 

3.5模型输出

3.4.1待解决问题

了解用户在下单过程中的痛点,打通下单的“最后一公里”。提供一个给定用户,通过分析其行为与已经用户的匹配度,预测该用户是否会成功下单。

3.4.2分析思路

模型①:购物篮分析
通过购物篮分析找出什么样的理财产品应该放在一起。通过顾客的购买行为来了解是什么样的顾客以及这些顾客为什么买这些产品,找出相关的联想规则,并通过这些规则的挖掘获得利益与建立竞争优势。
模型②:K-MEANS聚类分析
K-Means(K均值)是聚类最常用的方法之一,基于点与点距离的相似度来计算最佳类别归属。针对每个点,计算这个点距离所有中心点最近的那个中心点,然后将这个点归为这个中心点代表的簇,不断迭代,直到前后两次迭代的簇类没有变化。

3.4.3结论及建议

①根据支持度、执行度、提升度的值来制定每一种产品的推荐方案。

②通过K-MEANS聚类分析具体每一个用户购买的概率,并对购买概率高的用户投入更多的营销资源。

 

4、数据处理

数据处理

作用

应用场景

脱敏

数据脱敏之后,依然要保持一致性和关联性

企业数据脱敏

网络爬虫

通过Python爬取“百度疫情”每日更新的新增确诊人数、中高风险地区数。(详见附录)

用来判断某城市疫情发生后,退座是否突增;研判城市清零时间(连续14天无社区传播)

月份淡旺指数

某城市的单月流量/该城市的该年的月均流量

结果>1则为该城市的旺季,反之为该城市淡季

销售异动指数

本期销售额/同周期销售额,预警销售的突增和突减

订座、退座是否发生突增(关联疫情市场)

 

5、可视化报告

5.1作品介绍:

下图为整体仪表盘展示的图表。在正式进入FINEBI开发之前,先按照“脑图——线框图——正式开发(FINEBI)”,提高开发效率。

C:\Users\ADMINI~1\AppData\Local\Temp\企业微信截图_16505233958937.png

5.1.1银行概况

先构思需要展示的图:

绘制线框图:

通过FINEBI实现效果图:

5.1.2客户分析

先构思需要展示的图:

绘制线框图:

通过FINEBI实现效果图:

5.1.3产品分析

先构思需要展示的图:

绘制线框图:

通过FINEBI实现效果图:

5.1.4购买分析

先构思需要展示的图:

绘制线框图:

通过FINEBI实现效果图:

5.1.5模型输出

先构思需要展示的图:

绘制线框图:

通过FINEBI实现效果图:

 

5.2图表排版布局

①配色设置:以浅色系为主色调。

②图表设置:图表的背景网格线都去掉了。

③文字设置:突出的重点用橙色的文字表示,通过分析得出的结果用红色文字表示。

③布局设置:以流行地图、区域地图作为主要元素。

④文本说明:通过文本框展示“分析思路”“结论建议”,一般在模块的最开始和结尾位置。

 

5.3最终结果呈现的页面布局

C:\Users\Administrator\Desktop\finebi对外比赛\航空公司\A银行理财产品购买预测(1)\A银行理财产品购买预测_00.png

三、参赛总结

1、FineBI工具
  • BI工具优点多多,比如“帮助文档非常详尽、课程学习非常丰富、数据连接非常顺畅”。
  • 建议BI工具新增数据分析建模的功能,建议一个数据预处理平台。比如类似于“KNIME”这类轻应用,可以直接调用一些数据处理的算法(KNN\K-MEANS\PCA)等等。目前我在处理数据的时候,基本上都是先通过Python处理完再导入数据库,在通过FINEBI直接数据库,感觉步骤相对繁琐一些。

 

2、参赛总结

通过可视化可以讲原本繁琐枯燥海量的数据,以一种“生动形象直观”的样式展示出来。但数据可视化不是单纯为了将数据图做得多美观,而是要让数据蕴含的规律直观地体现出来,有利于后续的分析决策。

参与人数 +4 F豆 +110 贡献 +5000 F币 +5000 理由
yzm8ZFpT7916285 + 10
兔子酱 + 5000 恭喜荣获2022数据分析大赛最佳行业应用奖
帆软苏茜 + 5000 恭喜荣获2022数据分析大赛最佳行业应用奖
lbstjw + 100 太棒了,给你32个赞,么么哒

查看全部评分

发表于 2022-4-27 11:27:42

案例打卡:我喜欢这个作品,分析思路、模型应用都相当的清晰,也具有一些参考价值

参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

使用道具 举报

发表于 2022-4-27 14:17:46

使用道具 举报

发表于 2022-5-10 19:47:58
案例打卡:
1.视频的背景音乐很好听,普通话也很标准,最后的比心很棒。
2.数据来源是企业数据,非常棒。
3.几个模块非常清楚明了,银行概况、客户分析、产品分析、购买分析。
4.分析有深度,用到了rfm,漏斗,购物篮,kmeans聚类模型。
5.整体布局流畅,色彩上比较丰富,颜色挺多的,呵呵。
6.一幅分析全面金融作品,分析结果和建议都有独到之处,学习了。
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

使用道具 举报

发表于 2022-5-10 22:15:02
案例打卡:从分析架构到指标体系,从指标体系到分析模型,从模型到算法,从算法到结果应用,简约不失完整性,且切合企业业务需求,对FineBI各组件的应用层次也比较高,推荐大家都学习下!
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

使用道具 举报

发表于 2022-5-11 16:21:30
案例打卡:报告内容丰富,思路清晰,灵活恰当地利用RFM分析、ABC分析、漏斗分析进行用户、产品、购买三个方面的分析,另外,作者利用k-means模型算法对用户是否下单进行了预测分析,是一大亮点。学习了~
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

使用道具 举报

发表于 2022-5-14 11:29:02
学习了!作者对业务了解深入,整体报告思路清晰,最值得学习的是在每个部分的分析中将“背景、模型、结论”写的很清楚,有利于读者阅读!非常赞!
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

使用道具 举报

发表于 2022-5-17 18:21:48
作品太棒了!开课开课!
(听说喊出这句口号的有机会被推荐成为开课嘉宾?)
整个作品看下来,内容很全,两位帖主实力都太强了,专业度和美化排版能力都爆表。光是从文字的介绍上,就能感受到数据分析的功底非常深厚,应该是有至少十年以上的经验来加成,才能有这么棒的作品吧!
而且还配了视频,这是个不错的点子,有点自媒体的味道在里面。虽然不是真人配音,但是也没有丝毫的违和感。展板的风格倒不是特别花俏,非常朴实的风格,乍一看还以为是excel的风格。大部分的作品都走的是科技风,配色也是单一的色系为主。白色做底板的话,颜色的选择就会特别多。相反,灰色底和纯黑底要少用。
一般作品的思路都是围绕客户分析或产品分析来展开,最多加一个背景和总结。这个作品写的特别到位,背景写的很详细,总结也比较到位。然后,数据分析模型是这个作品的亮点(我认为),除了对各项指标进行了描述性分析以外,还能对指标进行预测,可以说实用性非常强了。
另外,如果是需要做3页以上的报告或者展板,是一个非常巨大的工程量。所以,提前做好构图是非常重要的一个环节。就像写文章前要构思提纲一样,做画板前,我也会自己在白纸上大概画一个草图,图上大概将自己要展示的图表区域划分为ABCDE几个板块,每个板块又怎么放,等等等。这里把草图也放上来了,也是一个非常好的亮点了。
所以说,在作品中确实能学到很多的知识。
感谢帖主的分享,希望能拿到一个好名次!
参与人数 +1 F币 +6 理由
帆软苏茜 + 6 有效打卡奖励

查看全部评分

使用道具 举报

发表于 2022-5-17 18:33:43 发布于APP客户端
打卡:数据分析思路很清晰,工作方法SOP很严谨,整体报告框架输出也深入浅出易于理解,打call
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

使用道具 举报

发表于 2022-5-18 16:55:44
案例打卡:太牛了!全方面分析,RFM, 帕累托,漏斗,实在是太厉害了。非常喜欢的一个作品。
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

使用道具 举报

发表于 2022-5-24 09:54:53
案例打卡:厦大的同学果然不一样呀,666!这部作品值得学习,内容丰富,思路清晰,图表多样化并且很适宜要表达的信息。希望作者可以贴个公共链接,图片打开其实有点糊~
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

使用道具 举报

发表于 2022-5-24 14:34:56
案例打卡:优秀的作品,从销售渠道、客户构成、成品构成、购买分析、模型输出五个维度展开分析,每一个维度对应不同的仪表板主题,引入相关的RFM、帕累托、K-MEANS分析模型,最终在分析结论上也将重点用配色展示出来,突出重点。
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

使用道具 举报

发表于 2022-5-26 18:42:41
案例打卡:模型用了好多,基本上帆软介绍的,都用上了,配色上也整的挺不错,挺好
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

使用道具 举报

发表于 2022-5-30 18:02:50
案例打卡:金融和商业化分析的结合,运用了主要的商业分析模型,结合了机器学习兼具创新性,思路清晰,也非常附议在FineBI系统中结合一些简单机器学习功能
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

使用道具 举报

发表于 2022-8-17 15:40:32
太优秀,学习了

使用道具 举报

发表于 2022-9-7 17:16:45
楼主能提供一份源数据吗

使用道具 举报

发表于 2022-11-18 12:56:58
楼主可以提供一份源数据吗,天池上没有找到

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

16回帖数 9关注人数 5987浏览人数
最后回复于:2022-11-18 12:56

Array ( [id] => 16 [code] => 4302 [product] => FineBI [title] => 帖子详情页右侧banner [demand] => 334px * 410px [img_url] => /uploads/20221202/6cec72e9dc9e21e38134638e583c1873.jpg [click_url] => https://bbs.fanruan.com/thread-141966-1-1.html [status] => 0 [end_time] => 1672367875 [username] => Joy.Wei [edit_time] => 1669948677 )

FineBI 6.0 强大好用,人人可用

联系社区管理员|联系帆软|《帆软社区协议》|手机版|帆软社区|Copyright © 帆软软件有限公司 ( 苏ICP备18065767号-7 )

GMT+8, 2022-12-7 01:22 , Processed in 0.154323 second(s), 79 queries , Gzip On.

返回顶部 返回列表