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

催收触达异常波动：Python复盘实战

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
异常波动概述
什么是催收触达异常波动 · 异常波动的业务影响 · 课程目标与学习路径
异常波动概述什么是催收触达异…
02
数据准备
Python环境搭建（pandas · numpy · matplotlib
数据准备Python
03
数据加载与初探
使用pandas读取CSV/Exce… · 查看数据形状 · 数据类型
数据加载初探
04
数据清洗
处理缺失值 · 重复值 · 异常时间戳
数据清洗处理缺失值
05
特征工程
提取触达日期 · 小时 · 星期几
特征工程提取触达日期
06
基础统计描述
触达总量 · 日均触达量 · 触达成功率
基础统计描述触达总量
07
时间序列构建
按日/按小时聚合触达量 · 生成时间序列DataFrame
时间序列构建按日
08
趋势分析
使用matplotlib绘制触达量趋… · 识别长期趋势与季节性
趋势分析matplotlib
09
异常检测方法一
sigma原则——计算均值与标准差 · 标记超出3倍标准差的点
异常检测方法一sigma
10
异常检测方法二
移动平均法——计算7日/30日移动平… · 计算残差 · 设定阈值
异常检测方法二移动平均法
11
异常检测方法三
Z-Score与Modified Z…
异常检测方法三Z-Score
12
异常检测方法四
IQR（四分位距）法——利用箱线图原…
异常检测方法四IQR
13
异常检测方法五
Prophet模型——Faceboo… · 检测突变点
异常检测方法五Prophet
14
异常检测方法六
Isolation Forest——…
异常检测方法六Isolation
15
异常检测方法七
LSTM自编码器——深度学习重建误差…
异常检测方法七LSTM
16
多方法对比评估
精确率 · 召回率 · F1-score
多方法对比评估精确率
17
归因分析一
按催收员维度——哪个催收员触达量突增…
归因分析一按催收员维度
18
归因分析二
按客户群维度——不同等级客户触达异常…
归因分析二按客户群维度
19
归因分析三
按渠道维度——短信 · 电话 · AI外呼各渠道异常贡献
归因分析三按渠道维度
20
归因分析四
按时段维度——凌晨/白天/晚间异常分…
归因分析四按时段维度
21
归因分析五
按地域维度——不同城市/省份触达异常…
归因分析五按地域维度
22
根因定位
结合业务日志与异常点 · 定位是系统故障 · 策略调整还是人为操作
根因定位结合业务日志
23
可视化看板设计
使用matplotlib+plotl…
可视化看板设计matplotlib+p…
24
自动化报警机制
基于规则+ML模型 · 配置钉钉/邮件/企微报警
自动化报警机制ML
25
复盘报告自动生成
使用Python生成PDF/HTML… · 包含图表与结论
复盘报告自动生成Python
26
案例实战一
某平台单日触达量暴跌50%——全流程…
案例实战一某平台单日触达量…
27
案例实战二
某催收员凌晨批量触达异常——归因与处…
案例实战二某催收员凌晨批量…
28
案例实战三
节假日触达量骤降——区分正常波动与异…
案例实战三节假日触达量骤降
29
案例实战四
AI外呼成功率突降——模型与线路排查
案例实战四AI
30
课程总结与最佳实践
异常监控体系搭建 · SOP文档 · 持续迭代建议
课程总结最佳实践