VIP20
本课程属于：080-催收触达优化异常波动复盘 金融科技风控与量化工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

催收触达异常复盘：Python数据清洗实战案例

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程背景与目标
介绍催收业务中触达异常数据的常见场景… · 拒接 · 空号）
课程背景目标
02
数据源获取与初步认识
使用Python读取催收系统导出的C… · 展示原始数据字段（如手机号 · 触达时间
数据源获取初步认识
03
数据概览与基础统计
利用pandas的info() · describe() · shape等方法
数据概览基础统计
04
字段类型转换与标准化
将日期字段转为datetime类型 · 将状态码转为分类变量 · 统一手机号格式（去除空格
字段类型转换标准化
05
缺失值识别与处理
使用isnull() · heatmap可视化缺失模式 · 讨论删除
缺失值识别处理
06
重复数据检测与去重
基于手机号+触达时间组合键识别重复记… · 使用drop_duplicates(… · 并分析重复原因
重复数据检测去重
07
异常值检测（一）
基于业务规则 · 空值） · 触达时间异常（如未来时间
异常值检测基于业务规则
08
异常值检测（二）
基于统计方法：使用Z-score · IQR方法识别触达时长 · 通话时长等数值字段的离群点
异常值检测Z-score
09
数据过滤与条件筛选
使用布尔索引筛选出“有效触达 · 无效触达 · 待重试”等不同业务类别的数据子集
数据过滤条件筛选
10
字符串清洗（手机号）
处理手机号中的隐藏字符 · 非数字字符 · 统一为11位标准格式
字符串清洗手机号
11
字符串清洗（文本备注）
对催收备注字段进行分词 · 去除停用词 · 提取关键标签（如“承诺还款
字符串清洗文本备注
12
数据合并与关联
将触达记录表与客户信息表通过客户ID… · 丰富分析维度（如客户年龄 · 地区）
数据合并关联
13
分组聚合与异常汇总
使用groupby按催收员 · 日期 · 状态码分组
分组聚合异常汇总
14
时间序列重采样
将触达数据按小时/天重采样 · 分析触达高峰时段 · 识别异常波动（如凌晨大量触达）
时间序列重采样将触达数据按小时
15
数据透视表与交叉分析
使用pivot_table构建催收员… · 快速定位高异常率的催收员
数据透视表交叉分析
16
自定义函数与apply应用
编写函数清洗特殊字段（如将“已停机/… · 使用apply批量处理
apply自定义函数
17
数据验证与质量规则
定义数据质量规则（如手机号长度=11 · 状态码在指定列表内） · 使用assert或自定义函数进行校验
数据验证质量规则
18
异常数据标记与分类
新增“异常类型”列 · 将异常分为“号码问题 · 时间问题
异常数据标记分类
19
数据导出与报告生成
将清洗后的数据导出为Excel/CS… · 并生成简单的HTML摘要报告（含异常…
数据导出报告生成
20
案例复盘（一）
整体数据质量概览：展示清洗前后数据量 · 缺失率 · 异常率的变化
案例复盘整体数据质量概览
21
案例复盘（二）
号码异常深度分析：分析空号 · 停机 · 关机的占比
案例复盘号码异常深度分析
22
案例复盘（三）
时间异常模式挖掘：分析凌晨 · 工作时间 · 非工作时间的触达分布
案例复盘时间异常模式挖掘
23
案例复盘（四）
催收员绩效与异常关联 · 有效触达率 · 使用SVG散点图展示绩效分布
案例复盘催收员绩效
24
案例复盘（五）
异常趋势与周期性 · 识别业务策略调整前后的异常波动
案例复盘异常趋势
25
自动化清洗脚本封装
将清洗流程封装为Python函数/类 · 支持传入不同数据源 · 输出标准化清洗结果
自动化清洗脚本封…Python
26
异常预警规则配置
基于清洗结果 · 配置简单的预警规则（如单日异常率>2… · 使用SVG流程图展示预警逻辑
异常预警规则配置基于清洗结果
27
数据清洗最佳实践总结
总结催收数据清洗的常见陷阱（如时区问… · 编码问题）及应对策略
数据清洗最佳实践…总结催收数据清洗…
28
扩展
使用SQL进行类似清洗 · 给出催收场景下的SQL清洗示例
扩展SQL
29
扩展
可视化仪表盘搭建 · 构建催收异常监控看板
扩展可视化仪表盘搭建
30
课程总结与作业
回顾核心知识点 · 布置一个综合实战作业（给定脏数据 · 要求完成全流程清洗与复盘报告）
课程总结作业