近年来,随着经济进入新常态,消费金融蓬勃发展,新兴金融产品市场前景广阔,加之人们生活水平和消费理念的提高和变化,银行信用卡分期消费成为时下流行的消费方式。对于庞大的信用卡持卡人群体来说,有效的锁定对信用卡分期业务有需求的顾客,会很大程度上提高该项业务的业绩营销效率。而数据分析、机器学习将成为寻找该类客户的重要工具。本文以银行客户的信用卡信息为案例数据,从客户信息、信用卡信息和交易信息三个方面对数据做特征描述性分析,从定性角度对特征进行粗分类,再利用WOE(Weight of Evidence)编码和IV(information value)信息值进行特征构建和选择。在此基础之上使用决策树和集成学习算法以及最优参数选择方法,建立单一模型,并使用评价指标比较得出最优模型。对最优模型结合不平衡数据处理方法,即过采样和欠采样方法,对模型加以改进,从而得到更加有效的结果,从大量信用卡客户中找出有意愿采取分期消费的顾客,对这些客户进行专项营销,降低人力物力成本,提高营销成功率和市场竞争力。