本书以如何更好地“了解你的用户”（KYC）为主轴，按照金融机构和用户形成关系的发展顺序及用户生命周期的时间顺序，详细解析了消费信贷业务在用户经营管理上想要取得成功的秘诀。本书详细阐述了数据驱动在了解用户、制定策略过程中的价值和应用，介绍了在信贷用户经营过程中用到的各类大数据分析方法、常用的机器学习算法、预测模型的开发及管理流程，还着重介绍了经营过程中各个阶段所涉及的策略开发及其背后的逻辑思维，包括潜在用户挖掘、用户开发策略、授信准入、风险定价、风险管理、反欺诈、额度管理、授权交易管理、用户促活、用户留存、用户交互、贷后催收、合规管理、反洗钱以及用户服务等。本书贴近真实场景，兼具非常不错性与前瞻性，是广泛适用的普及读物，适合对大数据驱动业务感兴趣的企业高管、决策者、创业者、数据分析师、风险管理者、产品经理以及相关专业的学生等，还可以为中国日益兴起的互联网金融及直销银行的数据化运营提供借鉴。

雷健雄，现任京东数字科技集团总监，智能营销和数据化运营产品及解决方案部门负责人。毕业于美国芝加哥大学，拥有中国及美国大型金融机构10余年消费金融风险管理经验和存量用户运营经验，精通各类信用风险和战略营销模型，对于用户生命周期管理有着深刻的理解。他曾任职于美国发现银行（金融服务公司），主要职责包括新用户获取及存量用户价值提升的策略设计和落地；企业风险管理及反洗钱合规部门的大数据分析中心的搭建。在此之前，供职于美国53银行（美国优选的区域零售银行之一）的消费信贷部门，负责审核涉及千亿美元的个人住房抵押贷款、汽车贷款和信用卡贷款的风险政策，风险评估与定价，压力测试等。回国后，加盟京东数科，先后负责京东小白信用分的构建和维护、C端用户数据化运营体系的搭建以及金融科技对传统银行数字化转型的赋能。他是北京市海外高层次人才及政府特聘专家，兼任中央民族大学和上海师范大学硕士生导师。
王黎理，现任招商银行直销银行筹备组核心成员，大数据中台负责人。毕业于英国杜伦大学和美国辛辛那提大学，拥有10余年海外商业银行零售信贷风险管理经验，对于数据驱动零售金融业务有着深刻的理解，是零售金融数据化转型的实践家。她曾任职于美国发现金融服务公司，交易授权风险管理部不错经理，负责处理日均1000多万笔（约3亿美元交易额）信用卡的实时交易授权策略，包括账户审核、反欺诈审核、逾期账户的临时提升额度策略以及大额交易策略等。回国后，先后在多家金融科技公司任职，落地了多个从0到1的公司内部创业项目。目前，作为招商银行直销银行筹备组核心成员，深度参与中国第二家独立法人的直销银行的筹建工作，主要职责包括银行章程的制定、批筹材料的准备、业务战略规划及数据中台的建设和管理。

赞誉
推荐序
序言一
序言二
致谢
章消费信贷行业的创新与数据驱动/1
1.1消费信贷行业简述/1
1.2大数据背景下消费信贷行业的创新/3
1.3消费信贷业务要以用户经营为中心/6
1.4KYC的重要性/9
1.5大数据思维的本质/11
1.6讨论：数据驱动文化的建立和组织架构设计/19
第2章新用户获取及用户分群的策略设计/24
2.1潜在用户挖掘：内部名单和外部名单/25
2.2用户分群以及激活响应排序/26
2.3新用户获取策略的设计和效果监控/36
2.4新手礼包的设计与效果监控/40
2.5用户分群的定性分析思路探讨/41
2.6RFM用户分群分析方法/44
2.7案例1：年轻持卡用户分群策略及效果分析/46
2.8案例2：数据驱动App获取用户的新思路/49
第3章用户准入和授信/53
3.1授信数据来源/54
3.2授信风险评估：申请评分卡/59
3.3申请欺诈的识别/65
3.4信用额度优化：授信及初始额度策略/67
3.5差异化风险定价/68
3.6观察期、表现期基本流程/69
3.7FICO信用分介绍/71
3.8案例：Python环境下的评分卡构建过程/73
第4章存量用户的经营策略/82
4.1存量用户生命周期管理的方法及划分依据/82
4.2新用户成长期策略思路/86
4.3成熟期用户的经营策略思路/88
4.4衰退期用户的监控及对策/91
4.5流失期用户的二次召回/93
4.6存量用户的价值提升策略/95
4.7存量用户的额度管理和定价策略/98
4.8存量用户经营效果的监控/100
4.9用户画像的构建及验证方法探讨/101
4.10案例1：“母婴用户”标签预测模型的探索/105
4.11案例2：账单分期用户的经营思路探究/111
第5章用户生命价值的计量/118
5.1用户生命价值体系框架概述/119
5.2衡量用户当前价值/121
5.3衡量用户潜在价值/137
5.4结论/138
5.5案例：信用卡用户生命价值的评估/139
第6章贷中授权交易策略详解/141
6.1授权交易的定义和决策范围/142
6.2授权交易的具体策略/143
6.3授权交易的额度设定/146
6.4授权交易策略的验证/147
6.5授权交易策略的部署/147
6.6授权交易补充策略/147
6.7案例：授权交易策略的冠军挑战赛/148
第7章贷后催收的新思维/150
7.1突破传统催收策略的逻辑思维/150
7.2利用大数据分析让催收成为一种竞争优势/155
7.3催收分析能力转型的要点及方向/156
7.4案例：机器学习提升催收效率/157
第8章数据挖掘与用户服务/161
8.1大数据正在改变用户服务的不同方面/162
8.2大数据技术的具体应用/163
8.3案例：利用文本挖掘发现用户的真实需求和用户的态度/165
第9章大数据提升反洗钱效率/169
9.1反洗钱合规面临的问题/169
9.2大数据，大挑战/170
9.3大数据技术驱动变革/171
9.4金融机构的实践/172
9.5案例：用机器学习模型判断用户风险等级并解决样本数据不平衡问题/176
0章数据驱动的工具箱：数据挖掘和常用建模方法概述/182
10.1数据分析能力的进阶/183
10.2模型开发的基本流程/184
10.3数据收集和假设检验/189
10.4因子分析/主成分分析/196
10.5决策树/205
10.6随机森林算法/210
10.7梯度提升决策树/215
10.8贝叶斯分类/223
10.9支持向量机/227
10.10聚类分析/230
10.11线性回归和逻辑回归/235
10.12推荐算法/243
10.13神经网络/248
10.14社交网络分析/256
10.15文本挖掘/259
10.16讨论：模型的解释性VS.模型的准确性/268
1章模型的评审、验证和生命周期管理/276
11.1模型管理的全流程/276
11.2模型管理系统/277
11.3模型风险等级/278
11.4模型检查的时间点/279
11.5模型验证数据库/279
11.6模型文档/280
11.7模型生命周期管理/281
11.8讨论：模型验证团队的架构设计/282
2章大数据：用户忠诚度计划背后的秘密武器/283
12.1引言/283
12.2构建用户激励体系，陪伴用户成长/284
12.3用户忠诚度的衡量方法及评价标准/289
12.4案例：世界十大零售银行用户忠诚度计划简介/292
参考文献/300