銀行數字化轉型 數據思維與分析之道

前言
第1章 數據思維與商業銀行數碼轉型
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建構有效的監控系統和客觀的評估標準
1.2.2用合理的分析方法探究原因以及評估效果
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為什麼商業銀行數碼轉型需要建立數據思維
1.3.1商業銀行數碼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透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掌握常見的資料分析工具
1.5本章小結
第2章 透過資料指標洞悉業務運作狀態
2.1資料指標體系的定義、價值
2.1.1資料指標體系的定義
2.1.2資料指標體系的價值
2.1.3數據指標的類型
2.1.4銀行業務中資料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建構資料指標體系
2.3.2數據指標體系的評價
2.3.3銀行業務中常見的資料指標體系
2.4數據指標建構相關工具
2.4.1資料操作工具
2.4.2資料倉儲工具
2.4.3商業智慧工具
2.4.4資料視覺化工具
2.5利用數據看板和管理經營駕駛艙瞭解業務的運作狀況
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上的專案問題
3.1運用指標體系發現業務中存在的異常
3.1.1資料異動分析方法
3.1.2透過業務規則發現資料中的異常
3.1.3透過統計方法發現資料中的異常
3.1.4透過機器學習方法發現資料中的異常
3.1.5透過專家經驗庫發現資料中的異常
3.2運用對比分析瞭解業務現狀
3.2.1比較分析法
3.2.2平均分析法
3.2.3綜合評估分析法
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（折線圖及散佈圖）
3.3.5協方差及協方差矩陣
3.4利用因果分析與推論分析業務現狀
3.4.1隨機實驗
3.4.2PSM
3.4.3DID
3.4.4Uplift
3.4.5魚骨圖
3.4.65W2H
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資料分析報告的結構
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，瞭解管理者思維邏輯
4.2.2建構指標體系，明確營運狀況的衡量尺度
4.2.3明確各類業務分析模型
4.2.4友善的功能設計，為決策者提供門戶
4.2.5註重對外展示，整體規劃展示大螢幕
4.3本章小結
第5章 基於資料探勘方法實現數智化運營
5.1資料探勘的概念與應用
5.1.1什麼是資料探勘
5.1.2資料探勘相關術語
5.1.3資料探勘過程概述
5.1.4資料探勘的核心方法－機器學習
5.1.5資料探勘在銀行經營的應用場景
5.2資料探勘典型任務之資料分類
5.2.1資料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決策樹
5.2.4分類任務典型演算法之神經網絡
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的應用場景
5.3資料探勘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迴歸分析經典演算法之線性迴歸
5.3.4迴歸分析經典演算法之非線性迴歸
5.3.5迴歸分析經典演算法之時間序列
5.3.6迴歸分析經典演算法之邏輯迴歸
5.3.7數值預測任務在銀行經營的應用場景
5.4資料探勘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最佳化方面的經典演算法
5.4.4運籌優化典型場景之行銷組合優化
5.4.5運籌優化典型場景排班優化
5.4.6運籌優化典型場景之投資組合最佳化
5.4.7資源分配任務在銀行經營的應用場景
5.5資料探勘典型任務之資料模式挖掘
5.5.1資料模式挖掘任務的概念與典型應用場景
5.5.2資料模式挖掘任務的整體實施流程
5.5.3資料模式探勘任務典型演算法之聚類
5.5.4資料模式探勘任務典型演算法之關聯分析
5.5.5資料模式挖掘任務在銀行經營的應用場景
5.6資料探勘典型任務之非結構化資料探勘
5.6.1非結構化資料探勘類型與整體實施流程
5.6.2文本資料探勘方法與應用場景
5.6.3影像影片資料探勘方法與應用場景
5.6.4語音資料探勘方法與應用場景
5.6.5非結構化資料探勘在銀行經營的應用場景
5.7本章小結
第6章 顧客經營中的數據分析
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客戶生命週期運營
6.1.4銷售漏鬥理論
6.1.5顧客畫像理論與應用
6.2客戶分組經營
6.2.1客群劃分的維度與意義
6.2.2客戶分組經營的業務流程
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行銷
6.3.1銀行客戶行銷與拉新的定義
6.3.2客戶行銷業務流程
6.3.3基於數據指標監控行銷業務流程
6.3.4基於因果分析方法分析活動原因
6.3.5基於資料建模方法預測客戶偏好
6.3.6案例：商業銀行財富客戶行銷活動
6.4客戶流失輓回
6.4.1銀行客戶流失的定義
6.4.2銀行客戶流失輓迴流程
6.4.3銀行客戶流失即時報表監控體系

……