《商务智能案例》由会员分享，可在线阅读，更多相关《商务智能案例（6页珍藏版）》请在金锄头文库上搜索。
1、商务智能应用案例商务智能应用案例本课程案例分析暂时采用视频教学方式。观看“Banking Recommendation Demo1-2“视频，讨论 IBM SPSS Decision management 解决方案如何帮助银行、保险公司提供在线客户服务推荐方案，思考辅助决策的信息、经 验以及模型如何获取？IBM SPSS Decision management 等工具如何提供这些决策需要的信 息和知识？案例案例 1 IBM SPSS Decision management 保险业业务和分析优化方案保险业业务和分析优化方案目的：如何利用 IBM SPSS Decision management
2、Tools 提供保险理赔管理解决方 案，实时处理客户的保险理赔申请，给不同的保险理赔提供一个最佳方案 工具：IBM SPSS Decision Management Tools保险行业的重要挑战是什么？减少虚假理赔（骗保）申请损失和减少每个理赔申 请的处理时间 IBM SPSS Decision Management Tools 的特点：可配置、解决预测性应用，可应用 很多行业（电信、银行和零售等） ，与其他 SPSS 其他分析工具，例如 IBM SPSS Modeler & Collaboration & Deployment Services 进行无缝集成 主要步骤：定义数据源设置全局规则
3、定义市场活动规则模拟、优化部署 （Banking Recommendation Demo1） ，每个步骤都可配置 基于预测模型（predictive models）和商业规则（business rules）评价保单申请是 否欺诈：快速处理通道（欺诈可能性小） ，标准处理通道还是特别的处理通道 （欺诈可能性大的保单申请）？如何辅助保险公司 Call center 工作人员处理理赔申请（claim management）？申请 的虚假性以及实时处理方案 保险理赔处理的数据源： ID、年龄、事故原因、理赔申请类型等 全局过滤规则：事故原因（保险公司免赔规则，例如自然现象，理赔申请不需要 处理） 汽车
4、理赔申请处理过程部署点（客户交互点）：call center 或其他 Web 应用 理赔申请适用对象（汽车保险、家庭保险等）过滤规则 各种理赔类型理赔规则如何确定？例如人身伤害、车损理赔，考虑年龄（小于 30 岁的风险点数大一些） 、事故原因（司机粗心）等理赔申请行动方案的推荐 利用预测模型预测保险理赔风险 风险预测模型如何构建？应用 IBM SPSS Modeler 事先建立（数据挖掘专业利用保险公司历史数据分析）或在 IBM SPSS Decision management Tools 现场调用 IBM SPSS Modeler 建立 方案模拟，利用测试数据比较分别应用预测模型和商业规则得
5、到的最佳行动方案 如何解决预测模型和商业规则得到的最佳行动方案不一致？combine！保险理赔师 根据经验综合确定 已经构造好的解决方案如何部署（deploy）？测试环境、试运行环境或者实际应 用环境 理赔解决方案在 call center 的应用：车赔领域司机性别、年龄、事故原因、车 保等参数确定，即可确定理赔建议结果案例案例 2 IBM SPSS Decision management 银行业业务和分析优化方案银行业业务和分析优化方案目的：构建网上银行客服推荐服务方案 工具：IBM SPSS Decision management Tools 等 主要步骤：定义数据源设置全局规则定义市场活
6、动规则模拟、优化部署 （Banking Recommendation Demo1） 解决方案的基础客户相关数据和信息包括哪些？ 如何预测新客户对促销响应的概率？ 举例说明促销活动排除的客户规则 客户如何挽留？例如优惠、送票 对哪些客户进行挽留？高价值客户（如何定义高价值客户？） 如何挽留高价值客户？送赛马、赛车门票（男性） 、电影票、剧院门票（女性、其 他性别不知客户）如何交叉销售？offer 种类以及交叉销售提供对象：credit card（其他客户） 、 personal loan（贷款比较少的客户） 、home Equity loan（ 对有住房的客户） 交叉销售规则：客户响应模型（re
7、sponse model） ，应用 IBM SPSS Modeler 单独建 立或在 IBM SPSS Decision management Tools 调用 IBM SPSS Modeler 事先建立， 预测客户是否响应以及响应概率 什么是高响应的客户？例如响应概率大于 30%的客户 交叉销售的模拟 对哪些顾客进行交叉销售？对 offer 响应大的客户 调整相关参数（每个响应客户带来的例如、成本、响应概率等） ，对响应的客户成 本-收益进行 what-if 分析，找出产生收入比较高的参数以赛马票、电影票赠送进行市场推广为例，分析客户响应的成本-收益分析 如何把优化的结果部署（deploy）？根据客户具体情况（性别、债务、有无房产） 推荐合适的 offer SD Bank 网络银行客户推荐服务演示（Banking Recommendation Demo2）
