掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
銀行數字化轉型 數據思維與分析之道 版權信息
- ISBN：9787111771289
- 條形碼：9787111771289 ; 978-7-111-77128-9
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
銀行數字化轉型 數據思維與分析之道 本書特色
構筑數字化思維方式、提升數據分析能力；引領銀行數字化轉型，揭秘數據思維分析之道。本書理論基礎扎實，案例場景豐富，極具實操性，對于廣大銀行從業者來說，是一本不可多得的佳作。
銀行數字化轉型 數據思維與分析之道 內容簡介
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，并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、基于數據進行科學決策、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、業務骨干及數據分析人員閱讀。
銀行數字化轉型 數據思維與分析之道銀行數字化轉型 數據思維與分析之道 前言
前言
數字化轉型已成為當今銀行業必須跨越的重要關口。在傳統業務模式和經營理念遭到前所未有的沖擊之際,銀行唯有緊抓數字化轉型這一發展機遇,才能在未來的競爭中立于不敗之地。
數據正是推動銀行數字化轉型的核心驅動力。只有建立數據思維,將數據資源高效整合,并融入業務決策與運營的各個環節,銀行才能真正實現高質量的數字化轉型。
鑒于此,我們組織編寫了這本《銀行數字化轉型:數據思維與分析之道》,希望給銀行同人的數字化轉型帶來啟迪和借鑒。
本書立足于實戰,系統闡述了數據思維在銀行數字化轉型中的重要性和具體運用，內容涵蓋了銀行業務數據化的方方面面,既有宏觀層面的數字化轉型思路,也有微觀層面的專題分析與案例解讀。我們努力通過淺顯的語言、清晰的邏輯和生動的案例,將數據分析的理論知識和實戰經驗娓娓道來。
銀行數字化轉型 數據思維與分析之道 目錄
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么/
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為什么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養成基于數據下結論的習慣/
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相關性分析與相關系數/
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/
3.4.2PSM/
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基于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 基于數據進行科學決策/
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基于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 基于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/
5.1.1什么是數據挖掘/
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分類任務典型算法之決策樹/
5.2.4分類任務典型算法之神經網絡/
5.2.5分類任務典型算法之集成學習/
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回歸分析經典算法之線性回歸/
5.3.4回歸分析經典算法之非線性回歸/
5.3.5回歸分析經典算法之時間序列/
5.3.6回歸分析經典算法之邏輯回歸/
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算法之聚類/
5.5.4數據模式挖掘任務典型算法之關聯分析/
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客戶關系管理/
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基于聚類算法的客群劃分方法/
6.2.4基于屬性標簽的客群劃分方法/
6.2.5基于客戶畫像進行標簽化/
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基于數據指標監控營銷業務流程/
6.3.4基于因果分析方法分析活動原因/
6.3.5基于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銀行客戶流失挽回流程/
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基于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基于運籌優化算法優化客服排班流程/
6.5.4基于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臺/
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：基于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：基于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：基于數據建模貸后管理/
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基于機器學習預測企業的風險/
8.1.3基于機器學習預測制造業上市公司財務造假/
8.2對公業務中的企業關聯關系分析 /
8.2.1企業關聯關系分析的定義 /
8.2.2企業關聯關系分析的應用場景/
8.2.3基于知識圖譜完成企業關聯關系分析/
8.2.4上市公司關聯關系分析 /
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基于文本分類定義輿情信息的類別 /
8.3.4基于關鍵詞提取方法分析輿情的關鍵信息/
8.3.5基于算法合并輿情信息/
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/
展開全部
銀行數字化轉型 數據思維與分析之道 作者簡介
錢興會，Fintech Career社區主理人、北京市人工智能行業協會專家、清華大數據產業聯盟專家委員會專家、廣東大數據產業聯盟專家委員、擁有超過十年銀行數據分析項目經驗的資深專業人士，服務了數十家大型銀行。在金融領域的多個數據驅動項目中發揮了關鍵作用，擅長通過數據挖掘與分析提升業務效率與決策質量。專業背景涵蓋了風險管理、客戶行為分析以及產品優化等多個領域。通過構建高效的數據模型，幫助銀行實現了信貸審批流程的優化和客戶關系的精細化管理。除了技術能力，還具備出色的項目管理和團隊協作能力，曾帶領團隊成功完成多個大型數據分析項目。
相雪，澳大利亞莫納什大學銀行和金融專業碩士、曾任富達國際數據分析師。在數據分析、風險管理和市場營銷領域積累了大量專業知識，尤其擅長利用大數據技術優化信貸決策和客戶關系管理。曾領導多個項目成功落地，通過精準的數據模型和深入的市場洞察，幫助金融機構提升風險控制能力和營銷效果。對行業趨勢有敏銳的洞察力，善于運用先進的分析工具，將復雜的數據轉化為可行的商業策略。此外，熱衷于分享知識，積極參與行業研討會和培訓課程，致力于推動金融行業的數字化轉型與創新發展。
錢興會，Fintech Career社區主理人、北京市人工智能行業協會專家、清華大數據產業聯盟專家委員會專家、廣東大數據產業聯盟專家委員、擁有超過十年銀行數據分析項目經驗的資深專業人士，服務了數十家大型銀行。在金融領域的多個數據驅動項目中發揮了關鍵作用，擅長通過數據挖掘與分析提升業務效率與決策質量。專業背景涵蓋了風險管理、客戶行為分析以及產品優化等多個領域。通過構建高效的數據模型，幫助銀行實現了信貸審批流程的優化和客戶關系的精細化管理。除了技術能力，還具備出色的項目管理和團隊協作能力，曾帶領團隊成功完成多個大型數據分析項目。
相雪，澳大利亞莫納什大學銀行和金融專業碩士、曾任富達國際數據分析師。在數據分析、風險管理和市場營銷領域積累了大量專業知識，尤其擅長利用大數據技術優化信貸決策和客戶關系管理。曾領導多個項目成功落地，通過精準的數據模型和深入的市場洞察，幫助金融機構提升風險控制能力和營銷效果。對行業趨勢有敏銳的洞察力，善于運用先進的分析工具，將復雜的數據轉化為可行的商業策略。此外，熱衷于分享知識，積極參與行業研討會和培訓課程，致力于推動金融行業的數字化轉型與創新發展。
鄧梁，銀行資深的大數據專家，擁有超過十年的行業經驗。在數據分析、機器學習和數據驅動決策方面具備深厚的專業知識，成功主導多個大型數據項目，推動了銀行業務的數字化轉型。擅長通過大數據技術優化風險管理和客戶服務，提升了業務效率和客戶滿意度。還積極參與行業內的技術交流與合作，致力于推動大數據在金融領域的應用創新。憑借扎實的技術背景和豐富的項目經驗，為銀行的可持續發展貢獻了重要力量。
書友推薦
- >
龍榆生：詞曲概論/大家小書
- >
小考拉的故事-套裝共3冊
- >
莉莉和章魚
- >
山海經
- >
月亮虎
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
伯納黛特,你要去哪(2021新版)
- >
月亮與六便士
本類暢銷
