原详细参数

修改后详细参数

（1）流失预警模型搭建实验：以银行业务为背景，通过编写 Python 程序，对至少5000条银行客户数据进行分析，完成至少11步的实验操作，构建流失预警模型；同时支持模型参数灵活配置，可查看不同代码运行结果。

（2）保险产品关联营销实验：以保险业务为背景，通过运用数据挖掘工具，对至少5000条保险客户数据进行分析，完成至少 9 步实验操作，分析保险产品类型间关联关系、保险产品与客户特征间的关联关系。

（3）股价涨跌趋势预测实验：以沪深 300 指数的 2020 年1月1日至2021年12月31日两年的交易日日收盘价为建模数据，通过建立ARIMA时序模型，预测2022年1月31日股价的涨跌趋势。

（4）客户画像建模实验：以银行业务为实验背景，通过对银行数据库中 6 张及以上数据表进行整合、清洗，通过编写 Python 代码进行客户特征提取，设计 6 大维度银行客户标签体系；并生成单人客户的基本属性画像，运用 TF-IDF 算法构建客户行为画像，运用同现矩阵构建客户兴趣偏好画像；并通过聚类分析，构建银行客户群体画像。

（5）精细化运营：学生基于教师发布的新客户、潜在客户、高净值客户、流失客户、沉默客户的营销活动，对不同客户群体进行数字化运营，并查看运营反馈结果。

★（1）流失预警模型搭建实验：以银行业务为背景，通过编写Python程序，对5000条银行客户数据进行分析，完成11步的实验操作，构建流失预警模型；同时支持模型参数灵活配置，可查看不同代码运行结果。（提供软件操作界面截图）

★（2）保险产品关联营销实验：以保险业务为背景，通过运用数据挖掘工具，对5000条保险客户数据进行分析，完成9步实验操作，分析保险产品类型间关联关系、保险产品与客户特征间的关联关系。（提供软件操作界面截图）

（3）股价涨跌趋势预测实验：以沪深 300 指数的 2020 年1月1日至2021年12月31日两年的交易日日收盘价为建模数据，通过建立ARIMA时序模型，预测2022年1月31日股价的涨跌趋势。

★（4）客户画像建模实验：以银行业务为实验背景，通过对银行数据库中6张及以上数据表进行整合、清洗，通过编写Python代码进行客户特征提取，设计6大维度银行客户标签体系；并生成单人客户的基本属性画像，运用TF-IDF算法构建客户行为画像，运用同现矩阵构建客户兴趣偏好画像；并通过聚类分析，构建银行客户群体画像。

★（5）精细化运营：学生基于教师发布的新客户、潜在客户、高净值客户、流失客户、沉默客户的营销活动，对不同客户群体进行数字化运营，并查看运营反馈结果。

★（6）智能理财规划实验：通过对家庭基本信息、财务状况等进行分析，基于家庭生命周期模型和标准普尔模型构建适用于家庭理财规划的智能投顾模型；并生成家庭财务现状诊断报告，以及家庭理财规划报告。

（7）多班级授课管理：教师可创建多个大数据金融客户画像课程教学班级，并对各班级进行单独管理，包括创建、关闭、删除等操作，实现多班级独立授课，学生可以参与到不同的班级中进行学习。

（8）学习工具：知识画布、总结画布、分析画布等30+个学习画布。

（9）实验报告：可系统查看学生的课程级的学生成果，从学习成绩、学习时长、访问量等维度展示学生的学习情况。

（10）学习成绩排行：平台支持分模块、分模型的方式统计班级学生的成绩排行，包括：成绩模型、能力模型、思维模型，三种排行方式，同时可详细查看班级前十名的学生，每一个模型的详细得分。

（11）实训报告采集系统：从10个维度来整个分析学生实训情况，包括：个人信息、知识评测、资源预览、系统自动采分系统、课程总成绩、学习累计时长、学习频率、能力指标、思维指标、指导建议，以数据采集与进度的形式进行实训报告形成数据分析。