分享一个不错的数据分析实战案例【全程附图】EXCEL |
您所在的位置:网站首页 › excel在物理实验中的应用实例分析 › 分享一个不错的数据分析实战案例【全程附图】EXCEL |
大家早上好,本人姓吴,如果觉得文章写得还行的话也可以叫我吴老师。欢迎大家跟我一起走进数据分析的世界,一起学习! 感兴趣的朋友可以关注我或者我的数据分析专栏,里面有许多优质的文章跟大家分享哦。 完整数据及操作记录数据的下载链接放在文末。 目录 项目简介1 数据理解2 数据清洗3 确定思路4 分析过程4.1 年龄4.2 失信状况default4.3 个人资产balance4.4 housing&loan4.5 上次营销结果poutcome 5 总结 项目简介利用最近一次的营销活动的信息,分析什么对推销结果的影响最大,如何确定银行定期产品推销中最具价值的客户。 PS: 这是最初上传到UCI机器学习库的经典营销银行数据集,该数据集提供了有关金融机构营销活动的信息,但在本篇博客当中我们仅会用到EXCEL进行数据分析,使用机器学习进行分析我们留到之后再介绍。 1 数据理解 字段名理解age年龄(数值)job职业(分类:admin, bluecollar, entrepreneur, housemaid, management, retired, self-employed, services,student, technician, unemployed, unknown)marital婚姻状况(分类:divorced, married, single, unknown)education学历(分类:primary, secondary, tertiary and unknown)default失信状况(分类:yes, no)balance资产余额(数值)housing房屋贷款(分类:yes, no, unknown)loan个人贷款(分类:yes, no, unknown)contact联系方式(分类:cellular, telephone)day最后一次电话营销的日期(数值:月份中的哪一天)month最后一次电话营销的月份(分类:jan, feb, mar, apr,…,nov, dev)duration通话时长(数值:以秒为单位,0的话最终输出结果必然是0)campaign联系次数(数值:此活动中联系该客户的次数)pdays距上次联系完客户后的天数(数值:999代表未联系过该客户)previous这次活动前与这位客户联系的次数(数值)poutcome上次营销的结果(分类:yes, no, unknown)deposit定期存款(分类:yes, no)客户是否已购买定期存款 2 数据清洗此次数据除了部分未知数据(unknown),其它暂不需要清洗。 3 确定思路首先这个balance,我不太确定具体指什么,目前推测应该是客户存放在银行的资金(负数应该代表欠了银行钱吧哈哈),总不可能是代表这个人的个人全部资产吧(银行得不到这方面的信息),所以暂时留着。 然后这个day和month,如果说有年份的话还能将其分为周一周二等,但是没有,数据集出处也没有明确标注是哪一年,所以如果用来分析的话可能也只能按月来分析,但按以往的经验和数据量的大小来看,应该用处不大。 至于duration的话,因为当duration为0时结果必然是失败的,说明这个数据的记录应该是银行人员在营销完记录下的,而现实中你无法在营销前就得到该数据,所以这个数据没有用。 那么接下来我们如何下手呢? 首先我们可以将数据分为两种类型: 1、客户的个人信息 2、营销人员与客户的联系信息 那么接下来我们可以按照这两种数据提出几个问题: 1、用户的个人信息是否对结果有着明显的影响(哪些属性影响大)? 2、营销人员的行为是否对结果有着明显的影响(哪些属性影响大)? 4 分析过程 4.1 年龄此时我们探究年龄与结果是否有明显的影响。 首先我们可以查看以下数据集中的年龄统计分布情况:
分组的话主要是用到了VLOOKUP函数进行分组。
同年龄一样,balance是数值型,因而最好先将其分组。
按下图进行分组:
接下来的房屋贷款和个人贷款,这个我打算放在一起进行分析。 具体如下:
同理,生成透视图查看一下:
从图中我们可以明显发现,上次营销成功的客户这次购买的可能性也极大。 5 总结结论:从上述结果我们可以发现,老年人且上次营销成功的群体最有可能购买产品,而有贷款且低资产的用户购买的可能性会很小。 PS: 这次没有其他过多的因素考量,如产品实际的业务情况、数据具体来源等,而我主要也是利用自己以往的经验来选取数据进行分析,没有做过多的分析比较。 代码下载链接,有需要的请自行提取,不想hua前的朋友,可评论同我说,我会回复你,但可能会比较慢。祝好! https://download.csdn.net/download/qq_44186838/86799994 推荐关注的专栏 👨👩👦👦 机器学习:分享机器学习实战项目和常用模型讲解 👨👩👦👦 数据分析:分享数据分析实战项目和常用技能整理 关注我,了解更多相关知识! CSDN@报告,今天也有好好学习 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |