银行客户流失预测数据集BankCustomerChurnPredictionDataset-saribeksahakyan
数据来源：互联网公开数据
标签：客户流失, 银行, 预测模型, 机器学习, 金融, 数据分析, 用户行为, 二分类
数据概述：
该数据集包含来自银行的客户数据，记录了客户的基本信息、账户活动以及流失状态。主要特征如下：
时间跨度：数据记录时间跨度未知，但包含“last_transaction”字段，表明数据覆盖了客户在一段时间内的行为。
地理范围：数据未标明具体地理范围，但从字段内容推测可能为印度或其他新兴市场。
数据维度：数据集包括客户ID、入行时间、年龄、性别、家属数量、职业、城市、客户网络类别、分行代码、当前余额、上月月末余额、前几个月的平均月度余额、当月贷方、上月贷方、当月借方、上月借方、当月余额、上月余额、流失状态（0表示未流失，1表示已流失）和最后一次交易时间等多个字段。
数据格式：CSV格式，文件名为churn_prediction.csv，便于数据分析和模型构建。
来源信息：数据来源可能为银行内部数据或公开的金融分析数据集，已进行匿名化处理。
该数据集适合用于客户流失预测、用户行为分析和风险评估等领域。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于金融风控、客户关系管理（CRM）等领域的研究，如客户流失影响因素分析、流失预测模型构建等。
行业应用：为银行、金融机构提供数据支持，尤其在客户挽留、个性化营销、风险管理等方面具有实用价值。
决策支持：支持银行决策者制定客户 retention 和流失预防策略，提高客户满意度和盈利能力。
教育和培训：作为金融数据分析、机器学习、数据挖掘等课程的实训素材，帮助学生和研究人员深入理解客户流失预测模型。
此数据集特别适合用于探索客户行为与流失之间的关系，构建预测模型并优化客户管理策略，从而提高客户 retention rate。
