數據庫安全性控制（數據推理與數據營銷）《大數據安全與隱私保護》1.

數據安全訪問控制1.1基于視圖的訪問控制1.2數據推理與數據營銷1.3創建視圖1.4管理視圖1.5利用視圖管理數據★數據庫安全性控制1.2數據推理與數據營銷

以某國銀行系統消費數據為例，有一天，一個用戶接到銀行客服的電話，直接開門見山，向用戶推出本月信用卡額度臨時調整業務，可以調整到1萬的額度，有效期限本月，并提供很低的利息進行下個月的分期還款，問是否選擇調整。該用戶目前的信用額度為5000元，月初時已經用了4000元的額度，本月還剩20多天，而日常大部分的生活消費都是用信用卡支付的，并且往往都是月底進行大部分生活支出，而該用戶的工資水平并不高，如果不提供分期還款的話，提高額度也同樣會帶來下個月全額還款的壓力。很顯然該用戶調整額度和分期付款的需求是非常迫切的。那么為什么是調整到1萬的額度而且有效期限本月，并提供很低的利息進行下個月的分期還款呢？這背后的推理邏輯和營銷策略，為何會如此精準呢？【數據推理與數據營銷】1.2案例解析生活中的推理現象：當看到天空烏云密布、燕子低飛、螞蟻搬家等現象時，我們會得到一個推理判斷：天要下雨了。數據庫推理與營銷1從用戶第一天辦理信用卡開始，用戶的數據就進入銀行數據庫，其中的數據大致包含了：姓名、所在城市、區域、年齡、性別、身份證號、電話號、公司、工齡、年薪、信用額度、銀行卡號，消費記錄、接待客服等大量的數據。解析1：用戶數據積累【

數據庫數據推理與數據營銷】1.2數據庫推理與營銷1“物以類聚，人以群分”解析2：用戶數據挖掘與模型建立以本案例的用戶為例，特征是：青年人，剛剛參加工作，工資偏低、日常生活消費為主等，同時講究生活品質，定期購買高端商品，信用額度經常不夠用。于是這樣的用戶就極有可能成為信用額度提升、推廣分期付款的營銷對象。【

數據庫數據推理與數據營銷】1.2案例解析數據庫推理與營銷1RFM模型解析3：制訂營銷方案（1）最近一次消費(Recency)：最近消費，如果面對用戶一個月的消費，那么一周作為一個分段，分為4段。（2）消費頻率(Frenquency)：消費頻率從1次到10次，那么每2次作為一個分段，分為5段。（3）消費金額(Monetary)：消費金額從1元到5000元，那么1000元就是一個等級點。分為5段。按照上面的3個維度，可以把顧客分成4*5*5=100類，對其進行數據分析，然后制定出營銷策略。對于那些近期消費用戶，頻率較高且金額較大的，一定是高端的優質用戶，區分出用戶后，排好優先級進行營銷。【

數據庫數據推理與數據營銷】1.2案例解析數據庫推理與營銷1解析4：營銷執行案例解析細分出精準用戶，量身打造的產品，接著就是按照用戶名單的優先級別進行多種方式的營銷執行。比如對于RFM模型中高端用戶，采用電話營銷，提高轉化率。各種不同的信用卡產品，究竟是否會被持續使用？有無可能提供更貼近用戶習慣，又能充分利用資源的產品？現有的聚類方式是否合理？RFM模型分段是否合理？都需要進行用戶行為的后期數據跟蹤進行判斷優化。解析5：效果評估與模型優化根據不同渠道影響的用戶消費數據，判斷各種營銷手段的有效性，譬如RFM模型的高端用戶，采用A/B測試方式，是發短信的效率高，還是電話營銷的效率高？【

數據庫數據推理與數據營銷】1.2數據導入★★數據去重與異常數據處理數據預處理1實現數據準備--Frenquency★★數據可視化--分布直方圖數據分析2實現RecencyFrenquencyMonetary模型定義--RFM★★R、F、M的均值R、F、M模型3計算用于劃分客戶的闕值，R、F、M的均值（*通過分布直方圖可以發現該份數據不適合用中位數來分層，因此這里用均值做分層）不同類型的客戶消費份額實現利用最近交易間