构建分析性问题
Konstantinos Kattidis
Data Analytics Lead
预测性分析关注：
业务问题：
为满足需求并最小化库存成本，应订购多少？
分析问题：
基于多种因素，产品x的预测需求是多少？
技术：
如何识别欺诈理赔并降低欺诈赔付风险？
基于历史理赔数据中的各变量，理赔为欺诈的可能性是多少？
如何识别高风险患者以改善治疗结果？
能否基于相关变量预测哪些患者有患某些疾病的风险？
如何识别最可能违约的贷款申请？
描述性分析： 过去哪些贷款申请发生了违约？
诊断性分析： 为什么某些贷款申请更易违约？
预测性分析： 能否基于申请中的各变量预测违约概率？
分类预测算法，如逻辑回归
将模型应用于新贷款申请以预测违约概率
有助于降低违约风险并提升整体资产组合表现
Preparing Video For Download...
