包邮银行数字化转型数据思维与分析之道

作者：钱兴会,相雪,邓梁著

出版社：机械工业出版社出版时间：2025-01-01

开本： 16开 页数： 296

本类榜单：计算机/网络销量榜

中图价:¥79.2(8.0折) 定价 ~~¥99.0~~ 登录后可看到会员价

加入购物车收藏

开年大促， 全场包邮

?新疆、西藏除外

本类五星书更多>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥79.2 加入购物车

版权信息
本书特色
内容简介
前言
目录
作者简介

银行数字化转型数据思维与分析之道版权信息

ISBN：9787111771289
条形码：9787111771289 ; 978-7-111-77128-9
装帧：平装-胶订
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
网络与数据通信
>
网络配置与管理

银行数字化转型数据思维与分析之道本书特色

构筑数字化思维方式、提升数据分析能力；引领银行数字化转型，揭秘数据思维分析之道。本书理论基础扎实，案例场景丰富，极具实操性，对于广大银行从业者来说，是一本不可多得的佳作。

银行数字化转型数据思维与分析之道内容简介

在数据时代，数据思维至关重要。本书为银行数字化转型提供了一条清晰的数据思维之路。
全书内容贯穿着数据在银行各领域的应用实践，从整体上引导读者建立数据思维、洞悉业务本质，并通过数据分析解决实际问题。重点内容包括：通过数据指标洞悉业务运行状态、基于数据进行科学决策、客户经营中的数据分析、商业银行零售业务风控管理中的数据分析、对公业务中的数据分析、经营管理与决策中的数据分析等。
本书案例丰富、视角独到、可读性强，是银行从业人员学习数据思维和数据应用的佳作，适合银行高管、业务骨干及数据分析人员阅读。

银行数字化转型数据思维与分析之道银行数字化转型数据思维与分析之道前言

前言

数字化转型已成为当今银行业必须跨越的重要关口。在传统业务模式和经营理念遭到前所未有的冲击之际,银行唯有紧抓数字化转型这一发展机遇,才能在未来的竞争中立于不败之地。
数据正是推动银行数字化转型的核心驱动力。只有建立数据思维,将数据资源高效整合,并融入业务决策与运营的各个环节,银行才能真正实现高质量的数字化转型。
鉴于此,我们组织编写了这本《银行数字化转型:数据思维与分析之道》,希望给银行同人的数字化转型带来启迪和借鉴。
本书立足于实战,系统阐述了数据思维在银行数字化转型中的重要性和具体运用，内容涵盖了银行业务数据化的方方面面,既有宏观层面的数字化转型思路,也有微观层面的专题分析与案例解读。我们努力通过浅显的语言、清晰的逻辑和生动的案例,将数据分析的理论知识和实战经验娓娓道来。前言 数字化转型已成为当今银行业必须跨越的重要关口。在传统业务模式和经营理念遭到前所未有的冲击之际,银行唯有紧抓数字化转型这一发展机遇,才能在未来的竞争中立于不败之地。 数据正是推动银行数字化转型的核心驱动力。只有建立数据思维,将数据资源高效整合,并融入业务决策与运营的各个环节,银行才能真正实现高质量的数字化转型。 鉴于此,我们组织编写了这本《银行数字化转型:数据思维与分析之道》,希望给银行同人的数字化转型带来启迪和借鉴。 本书立足于实战,系统阐述了数据思维在银行数字化转型中的重要性和具体运用，内容涵盖了银行业务数据化的方方面面,既有宏观层面的数字化转型思路,也有微观层面的专题分析与案例解读。我们努力通过浅显的语言、清晰的逻辑和生动的案例,将数据分析的理论知识和实战经验娓娓道来。 本书由资深银行从业人员及数据分析专家联袂执笔,结合了实战经验和理论研究的双重视角。我们秉持客观务实的态度,直面银行数字化转型中遇到的种种困难和挑战,试图为读者提供可借鉴的*佳实践和有价值的思路。其中，钱兴会作为本书的主要设计人撰写了第1到第4章，相雪撰写了第5到第8章，邓梁撰写了第9章。 我们期望本书能够成为银行从业人员学习和贯彻数据思维的入门读物,也希望能为其他行业的数字化转型实践者提供有益参考。同时,本书适合数据分析爱好者、相关专业的师生作为案例学习读物阅读。 *后,我们诚挚感谢所有为本书创作和出版提供过意见和帮助的同人,正是有了他们的鼎力相助,本书才得以如期付梓。在未来,我们将一如既往地为银行的数字化转型贡献自己的力量。

显示全部信息

银行数字化转型数据思维与分析之道目录

目录
前言
第1章数据思维与商业银行数字化转型/
1.1数据思维及其重要性/
1.1.1大家都在说的数据思维是什么/
1.1.2数据思维对企业精细化经营、创新、流程优化的作用/
1.2数据思维的表现形式/
1.2.1构建有效的监控体系和客观的评价标准/
1.2.2用合理的分析方法探究原因以及评价效果/
1.2.3综合运用统计学知识对业务经营效果进行预测/
1.3为什么商业银行数字化转型需要建立数据思维/
1.3.1商业银行数字化转型需要建立数据思维/
1.3.2大量银行正在应用数据思维改造自己的业务/
1.4如何建立数据思维/
1.4.1树立目标意识/
1.4.2养成基于数据下结论的习惯/
1.4.3熟悉银行常用的数据分析方法与场景/
1.4.4通过数据思维持续改善业务/
1.4.5掌握统计学思维/
1.4.6培养数据分析工作的热情与信心/
1.4.7掌握常见的数据分析工具/
1.5本章小结/
第2章通过数据指标洞悉业务运行状态/
2.1数据指标体系的定义、价值/
2.1.1数据指标体系的定义/
2.1.2数据指标体系的价值/
2.1.3数据指标的类型/
2.1.4银行业务中数据指标体系的应用价值/
2.2数据指标的设计方法/
2.2.1指标设计的过程与分类/
2.2.2指标的尺度特性/
2.2.3指标的时间特性/
2.2.4指标评价/
2.2.5银行业务中常见的数据指标/
2.3数据指标体系的构建/
2.3.1搭建数据指标体系/
2.3.2数据指标体系的评价/
2.3.3银行业务中常见的数据指标体系/
2.4数据指标构建相关工具/
2.4.1数据操作工具/
2.4.2数据仓库工具/
2.4.3商业智能工具/
2.4.4数据可视化工具/
2.5利用数据看板和管理经营驾驶舱了解业务的运行情况/
2.5.1数据看板/
2.5.2管理经营驾驶舱 /
2.6本章小结/
第3章运用数据手段解决业务经营中的专项问题/
3.1运用指标体系发现业务中存在的异常/
3.1.1数据异动分析方法/
3.1.2通过业务规则发现数据中的异常/
3.1.3通过统计方法发现数据中的异常/
3.1.4通过机器学习方法发现数据中的异常/
3.1.5通过专家经验库发现数据中的异常/
3.2运用对比分析了解业务现状/
3.2.1对比分析法/
3.2.2平均分析法/
3.2.3综合评价分析法/
3.2.4同比热力图分析法/
3.3利用相关性分析业务现状/
3.3.1原因分析的方法框架/
3.3.2原因分析中的统计学知识/
3.3.3相关性分析与相关系数/
3.3.4图表相关分析（折线图及散点图）/
3.3.5协方差及协方差矩阵/
3.4利用因果分析与推断分析业务现状/
3.4.1随机实验/
3.4.2PSM/
3.4.3DID/
3.4.4Uplift/
3.4.5鱼骨图/
3.4.65W2H/
3.4.7双重机器学习/
3.4.8因果树/
3.4.9因果推断工具/
3.5利用归因分析分析业务现状/
3.5.1首次互动模型/
3.5.2末次互动模型 /
3.5.3时间衰减归因模型/
3.5.4线性归因模型/
3.5.5末次非直接点击互动模型/
3.6基于数据分析报告总结业务原因/
3.6.1数据分析报告的结构/
3.6.2数据分析报告写作的核心方法/
3.6.3数据分析报告中可视化方法的运用/
3.7本章小结/
第4章基于数据进行科学决策/
4.1科学决策的概念与理论/
4.1.1科学决策的概念与流程/
4.1.2基于经验进行决策的缺陷/
4.1.3决策科学与数据科学/
4.2进行科学决策的步骤/
4.2.1明确应用场景，理解管理者思维逻辑/
4.2.2构建指标体系，明确运营状况的衡量尺度/
4.2.3明确各类业务分析模型/
4.2.4友好的功能设计，为决策者提供门户/
4.2.5注重对外展示，整体规划展示大屏/
4.3本章小结/
第5章基于数据挖掘方法实现数智化运营/
5.1数据挖掘的概念与应用/
5.1.1什么是数据挖掘/
5.1.2数据挖掘相关术语/
5.1.3数据挖掘过程概述/
5.1.4数据挖掘的核心方法——机器学习/
5.1.5数据挖掘在银行经营中的应用场景/
5.2数据挖掘典型任务之数据分类/
5.2.1数据分类任务的概念与典型应用场景/
5.2.2分类任务的整体实施流程/
5.2.3分类任务典型算法之决策树/
5.2.4分类任务典型算法之神经网络/
5.2.5分类任务典型算法之集成学习/
5.2.6分类任务在银行经营中的应用场景/
5.3数据挖掘典型任务之数值预测/
5.3.1数值预测任务的概念与典型应用场景/
5.3.2数值预测任务的整体实施流程/
5.3.3回归分析经典算法之线性回归/
5.3.4回归分析经典算法之非线性回归/
5.3.5回归分析经典算法之时间序列/
5.3.6回归分析经典算法之逻辑回归/
5.3.7数值预测任务在银行经营中的应用场景/
5.4数据挖掘典型任务之资源分配/
5.4.1资源分配任务的概念与典型应用场景/
5.4.2资源分配任务的整体实施流程/
5.4.3资源分配任务在运筹优化方面的经典算法/
5.4.4运筹优化典型场景之营销组合优化/
5.4.5运筹优化典型场景之排班优化/
5.4.6运筹优化典型场景之投资组合优化/
5.4.7资源分配任务在银行经营中的应用场景/
5.5数据挖掘典型任务之数据模式挖掘/
5.5.1数据模式挖掘任务的概念与典型应用场景/
5.5.2数据模式挖掘任务的整体实施流程/
5.5.3数据模式挖掘任务典型算法之聚类/
5.5.4数据模式挖掘任务典型算法之关联分析/
5.5.5数据模式挖掘任务在银行经营中的应用场景/
5.6数据挖掘典型任务之非结构化数据挖掘/
5.6.1非结构化数据挖掘类型与整体实施流程/
5.6.2文本数据挖掘方法与应用场景/
5.6.3图像视频数据挖掘方法与应用场景/
5.6.4语音数据挖掘方法与应用场景/
5.6.5非结构化数据挖掘在银行经营中的应用场景/
5.7本章小结/
第6章客户经营中的数据分析/
6.1客户经营的理论基础/
6.1.1客户关系管理/
6.1.2消费者心理学/
6.1.3客户生命周期运营/
6.1.4销售漏斗理论/
6.1.5客户画像理论与应用/
6.2客户分群经营/
6.2.1客群划分的维度与意义/
6.2.2客户分群经营的业务流程/
6.2.3基于聚类算法的客群划分方法/
6.2.4基于属性标签的客群划分方法/
6.2.5基于客户画像进行标签化/
6.2.6案例：零售银行职业女性客群经营/
6.3数据分析驱动商业银行客户营销/
6.3.1银行客户营销与拉新的定义/
6.3.2客户营销业务流程/
6.3.3基于数据指标监控营销业务流程/
6.3.4基于因果分析方法分析活动原因/
6.3.5基于数据建模方法预测客户偏好/
6.3.6案例：商业银行财富客户营销活动/
6.4客户流失挽回/
6.4.1银行客户流失的定义/
6.4.2银行客户流失挽回流程/
6.4.3银行客户流失实时报表监控体系/
6.4.4银行客户流失原因分析/
6.4.5基于机器学习的流失建模与归因方案/
6.4.6案例：银行公积金贷款客户流失预警与挽回/
6.5在线客户支持与服务/
6.5.1银行在线客户支持与服务的定义/
6.5.2银行在线客户支持与服务业务流程/
6.5.3基于运筹优化算法优化客服排班流程/
6.5.4基于非结构化数据挖掘构建智能问答服务 /
6.5.5案例：商业银行智能客服 /
6.6本章小结/
第7章商业银行零售业务风控管理中的数据分析/
7.1商业银行数智化风险管理基础理论/
7.1.1商业银行数智化风控发展背景/
7.1.2商业银行数智化风控总体架构/
7.1.3商业银行数智化风控中的核心数据技术/
7.1.4数智化风控对人才技能的要求/
7.2商业银行零售业务数智化风控体系建设/
7.2.1商业银行零售业务风控面临的挑战/
7.2.2零售风控大数据平台/
7.2.3个人客户画像信用体系/
7.2.4借款人全流程管控/
7.3商业银行零售业务数智化风控之贷前/
7.3.1贷前客户画像体系/
7.3.2贷前客户数据的监控与补充/
7.3.3贷前客户个人建模与风险预测 /
7.3.4案例：基于数据建模贷前客户风险预警/
7.4商业银行零售业务数智化风控之贷中/
7.4.1贷中信用评分模型应用/
7.4.2贷中实时反欺诈应用/
7.4.3贷中风险客群管理 /
7.4.4案例：基于数据建模贷中风险实时管理/
7.5商业银行零售业务数智化风控之贷后/
7.5.1贷后数智化风控体系/
7.5.2贷后预警监控系统/
7.5.3贷后催收智能化 /
7.5.4案例：基于数据建模贷后管理/
7.6本章小结/
第8章对公业务中的数据分析/
8.1对公业务风险管理中的数据分析/
8.1.1对公业务风险管理中的常见业务场景/
8.1.2基于机器学习预测企业的风险/
8.1.3基于机器学习预测制造业上市公司财务造假/
8.2对公业务中的企业关联关系分析 /
8.2.1企业关联关系分析的定义 /
8.2.2企业关联关系分析的应用场景/
8.2.3基于知识图谱完成企业关联关系分析/
8.2.4上市公司关联关系分析 /
8.3对公业务中的企业舆情分析/
8.3.1舆情数据的价值与类型/
8.3.2对公业务的常见业务场景/
8.3.3基于文本分类定义舆情信息的类别 /
8.3.4基于关键词提取方法分析舆情的关键信息/
8.3.5基于算法合并舆情信息/
8.3.6上市公司舆情风险分析/
8.4本章小结/
第9章经营管理与决策中的数据分析/
9.1银行日常经营管理概论/
9.1.1银行日常经营中的常见业务场景/
9.1.2银行经营管理中常用的数据分析方法/
9.1.3数据如何改善经营管理与决策 /
9.2银行网点选址案例/
9.2.1案例背景 /
9.2.2网点选址中的数据类型/
9.2.3网点效能评估模型/
9.2.4网点营销潜力模型/
9.2.5网点选址模型/
9.2.6选址分析结果/
9.3银行智慧网点运营案例/
9.3.1银行智慧网点运营背景/
9.3.2银行智慧网点运营中的数据类型/
9.3.3银行网点智能客流分析/
9.3.4银行网点智能VIP用户分析/
9.3.5银行网点智能用户行为检测/
9.4本章小结/

展开全部

银行数字化转型数据思维与分析之道作者简介

钱兴会，Fintech Career社区主理人、北京市人工智能行业协会专家、清华大数据产业联盟专家委员会专家、广东大数据产业联盟专家委员、拥有超过十年银行数据分析项目经验的资深专业人士，服务了数十家大型银行。在金融领域的多个数据驱动项目中发挥了关键作用，擅长通过数据挖掘与分析提升业务效率与决策质量。专业背景涵盖了风险管理、客户行为分析以及产品优化等多个领域。通过构建高效的数据模型，帮助银行实现了信贷审批流程的优化和客户关系的精细化管理。除了技术能力，还具备出色的项目管理和团队协作能力，曾带领团队成功完成多个大型数据分析项目。

相雪，澳大利亚莫纳什大学银行和金融专业硕士、曾任富达国际数据分析师。在数据分析、风险管理和市场营销领域积累了大量专业知识，尤其擅长利用大数据技术优化信贷决策和客户关系管理。曾领导多个项目成功落地，通过精准的数据模型和深入的市场洞察，帮助金融机构提升风险控制能力和营销效果。对行业趋势有敏锐的洞察力，善于运用先进的分析工具，将复杂的数据转化为可行的商业策略。此外，热衷于分享知识，积极参与行业研讨会和培训课程，致力于推动金融行业的数字化转型与创新发展。

钱兴会，Fintech Career社区主理人、北京市人工智能行业协会专家、清华大数据产业联盟专家委员会专家、广东大数据产业联盟专家委员、拥有超过十年银行数据分析项目经验的资深专业人士，服务了数十家大型银行。在金融领域的多个数据驱动项目中发挥了关键作用，擅长通过数据挖掘与分析提升业务效率与决策质量。专业背景涵盖了风险管理、客户行为分析以及产品优化等多个领域。通过构建高效的数据模型，帮助银行实现了信贷审批流程的优化和客户关系的精细化管理。除了技术能力，还具备出色的项目管理和团队协作能力，曾带领团队成功完成多个大型数据分析项目。

相雪，澳大利亚莫纳什大学银行和金融专业硕士、曾任富达国际数据分析师。在数据分析、风险管理和市场营销领域积累了大量专业知识，尤其擅长利用大数据技术优化信贷决策和客户关系管理。曾领导多个项目成功落地，通过精准的数据模型和深入的市场洞察，帮助金融机构提升风险控制能力和营销效果。对行业趋势有敏锐的洞察力，善于运用先进的分析工具，将复杂的数据转化为可行的商业策略。此外，热衷于分享知识，积极参与行业研讨会和培训课程，致力于推动金融行业的数字化转型与创新发展。

邓梁，银行资深的大数据专家，拥有超过十年的行业经验。在数据分析、机器学习和数据驱动决策方面具备深厚的专业知识，成功主导多个大型数据项目，推动了银行业务的数字化转型。擅长通过大数据技术优化风险管理和客户服务，提升了业务效率和客户满意度。还积极参与行业内的技术交流与合作，致力于推动大数据在金融领域的应用创新。凭借扎实的技术背景和丰富的项目经验，为银行的可持续发展贡献了重要力量。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐