商务智能案例.doc

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1 IBM SPSS Decision management保险业业务和分析优化方案l 目的：如何利用IBM SPSS Decision management 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l 工具：IBM SPSS Decision Management Toolsl 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l 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l 主要步骤：定义数据源设置全局规则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l 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）？l 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l 保险理赔处理的数据源： ID、年龄、事故原因、理赔申请类型等l 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）l 汽车理赔申请处理过程l 部署点（客户交互点）：call center或其他Web应用l 理赔申请适用对象（汽车保险、家庭保险等）过滤规则l 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l 理赔申请行动方案的推荐l 利用预测模型预测保险理赔风险l 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l 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到的最佳行动方案l 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l 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l 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2 IBM SPSS Decision management银行业业务和分析优化方案l 目的：构建网上银行客服推荐服务方案l 工具：IBM SPSS Decision management Tools等l 主要步骤：定义数据源设置全局规则定义市场活动规则模拟、优化部署（Banking Recommendation Demo1）l 解决方案的基础客户相关数据和信息包括哪些？l 如何预测新客户对促销响应的概率？l 举例说明促销活动排除的客户规则l 客户如何挽留？例如优惠、送票l 对哪些客户进行挽留？高价值客户（如何定义高价值客户？）l 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）l 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）l 交叉销售规则：客户响应模型（response 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l 什么是高响应的客户？例如响应概率大于30%的客户l 交叉销售的模拟l 对哪些顾客进行交叉销售？对offer响应大的客户l 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l 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-