TERADATA金融高级分析团队黄河博士来我中心交流并发表讲座

2014-02-23 中心编辑

2月20日晚七点经济学院新楼207室,为加强理论与实际的结合与应用,厦门大学数据挖掘中心邀请了TERADATA金融高级分析团队黄河博士出席中心的研讨班,发表了题为“信用卡的信用评分”的讲座,就数据挖掘、信用卡的评分模型、信用卡评分模型建模流程三部分内容,与同学们交流了大数据在银行业信用卡的应用。

在第一部分数据挖掘的探讨中,黄河博士介绍了数据挖掘模型的类别,包括预测性和描述性两大类,并就客户流失决策树和客户细分为例初步向同学们展示了数据挖掘在信用卡中的应用。紧接着在第二部分信用卡的评分模型中,黄博士深入浅出地阐明了多方面内容,包括评分模型产生的原因及其优势所在、与信用卡业务问题各环节相关联的数据挖掘模型、评分卡的开发申请与发放、行为评分的流程以及调额策略等。在说明模型优势时,黄河博士将评分模型的计量效果与专家人工测评进行了比较,指出数据驱动而产生的模型方式远远比专家经验来得更为有效,具体体现在其更为客观、准确、公平、合规和稳健。为了让同学对数据的实际应用有更深层次的认识,黄博士细致地划分了与信用卡业务各个环节相关的数据模型,如与“申请-审核-发卡”相关的申请评分模型,与“出账-还款-催收”相关的违约概率模型、收益分析模型和催收评分模型等等。另外黄博士还强调了数据挖掘应用的局限性,如不能排除所有的坏账户、随着时间的推移精确度变差、需要资源进行开发和维护等,提醒同学在日后实际应用中应注意将策略与评分相结合。最后在信用卡评分模型的建模流程有关内容中,黄博士首先为大家解释了信用卡中心的数据架构,在此基础上进一步展示了数据挖掘的整个流程,包括业务理解、数据理解、数据准备、建模、评估与报告、应用和监测七个环节,环环相扣,每个环节的重要性都不可忽视。其中,黄博士就数据准备、数据缺失值处理、变量选择和建模等同学们熟悉的理论知识板块与实际应用进行了结合,再次强调了对学生而言,对数据的操作和对行业业务的理解需要在工作中注意加强,并与许永洪老师、方匡南老师进行了相关的讨论,在讨论中进一步充实了讲座内容。

讲座接近尾声,在场的同学就讲座相关内容踊跃地进行了提问,黄博士也一一给予了耐心细致的回答,同学们满载收获而归,研讨班也在一片融洽的氛围中结束了。