印度尼西亚银行信用贷款客户预测数据集2023-luisenriquesguerrero
数据来源：互联网公开数据
标签：银行,信用贷款,客户预测,机器学习,数据分析,市场营销,客户关系管理,金融数据
数据概述：
本数据集包含5000名客户的信息，用于预测客户是否会在银行的个人信用贷款推广活动中接受贷款。数据集涵盖了客户的地理位置信息（如年龄、收入、工作年限等）、与银行的关系（如房贷、账户保险等）以及客户对最近一次个人信用贷款推广活动的反应。在5000名客户中，仅有480名（9.6%）接受了贷款，表明这是一个典型的不平衡数据集。
数据集的目的是为了通过机器学习模型选择最优模型，预测客户是否接受个人信用贷款，从而帮助银行提高客户转化率，同时节省营销预算。
数据用途概述：
该数据集适用于银行的市场营销、客户关系管理和金融数据分析等场景。营销团队可以利用此数据进行客户细分，预测潜在客户，优化营销策略；客户关系管理团队可以识别高价值客户，提高客户满意度和忠诚度；金融分析师可以利用数据进行风险管理，评估贷款质量。该数据集有助于银行提高个人信用贷款的转化率，同时控制营销成本，提升整体业务效率。
数据集包含的主要字段包括：
- 客户基本信息：年龄、性别、职业、收入、工作年限等
- 银行关系信息：是否存在房贷、是否存在账户保险、银行账户余额等
- 推广活动反应：是否参与最近一次个人信用贷款推广活动、是否接受贷款等
通过探索性数据分析、特征选择、数据准备、模型训练、预测和评估等步骤，选择最优预测模型并提供特征解释，以帮助银行更好地理解客户行为，优化市场营销策略，提高个人信用贷款的转化率。
数据集来源于Kaggle.com，数据文件名为Model_creditoPersonal.csv。我们对Kaggle.com及所有帮助我们学习机器学习知识的人表示衷心的感谢。
