没有合适的资源?快使用搜索试试~ 我知道了~
毕业论文-数据挖掘算法在银行客户细分中的应用.doc
0 下载量 16 浏览量
2023-07-08
18:21:55
上传
评论
收藏 539KB DOC 举报
温馨提示
试读
33页
毕业论文-数据挖掘算法在银行客户细分中的应用.doc
资源推荐
资源详情
资源评论
毕业论文
数据挖掘算法在银行客户细分中的应用
目录
1 前言 ........................................................................................................................................................1
1.1 问题的由来 .................................................................................................................................1
1.2 国内外研究现状 .........................................................................................................................1
1.3 主要内容和创新点 .....................................................................................................................2
2 数据挖掘与商业银行客户细分 ............................................................................................................3
2.1 客户细分 .....................................................................................................................................3
2.1.1 客户细分的概述 ..............................................................................................................3
2.1.2 银行客户细分在客户关系管理中的意义 ......................................................................4
2.2 数据挖掘 .....................................................................................................................................4
2.2.1 数据挖掘的概述 ..............................................................................................................4
2.2.2 数据挖掘在客户关系管理中的应用途径 ......................................................................6
3 数据挖掘方法在银行客户细分中的应用 ............................................................................................6
3.1 数据挖掘的一般过程 .................................................................................................................6
3.2 客户分类指标的建立 .................................................................................................................7
3.3 客户数据的选择和准备 .............................................................................................................8
3.3.1 数据选择 ..........................................................................................................................8
3.3.2 数据预处理 ......................................................................................................................8
3.3.3 数据转换 ..........................................................................................................................9
3.4 数据挖掘 ...................................................................................................................................10
3.4.1 数据挖掘使用的算法 ....................................................................................................10
3.4.2 K-mean 算法的挖掘过程...............................................................................................11
3.4.3 K-mean 算法的数据挖掘的结果..................................................................................13
3.4.4 层次聚类算法的挖掘过程 ............................................................................................14
3.4.5 层次聚类算法的数据挖掘结果 ....................................................................................16
3.5 解释与评估,结果转换 ...........................................................................................................18
3.5.1 对数据挖掘的结果进行解释和评价 ............................................................................18
3.5.2 挖掘结果转换 ................................................................................................................18
3.6 知识运用 ...................................................................................................................................19
I
4 结束语 ..................................................................................................................................................20
参考文献 .................................................................................................................................................21
致谢 .........................................................................................................................................................22
附录一:K-mean 算法聚类结果............................................................................................................23
附录二:层次聚类法个案聚类结果 .....................................................................................................25
附录三:层次聚类法变量聚类结果 .....................................................................................................27
II
数据挖掘算法在银行客户细分中的应用
专 业:信息管理与信息系统
摘 要:随着改革开放的到来经济的迅速发展和腾飞,信息技术快速兴起的和金融行业
的蓬勃发展,企业从客户关系管理中获得大量的客户信息,但是如何利用好这些珍贵的战略
资源,并通过这些资源对客户进行分类、保持和发展,已成为决定商业银行在竞争激烈的行
业中获得成功的关键。
面对这些亟待解决的问题,利用数据挖掘算法在客户关系管理中对客户进行细分无疑是
很好的选择。通过聚类分析能快速的为银行进行客户分类,并针对每一客户群体实施具体的
客户关系管理策略和市场营销策略,用最少的成本,为客户带来最合适的服务,并为企业创
造最高的价值。
本文通过对银行客户细分的问题由来进行阐述,并对研究文献进行综述,结合数据挖掘
算法进行银行客户细分。文章阐明客户细分的重要意义和作用,介绍了数据挖掘的算法和客
户细分的方法,选取人口特征和行为特征的相关变量分别采用K-mean算法和层次聚类法对
银行客户进行数据挖掘,得出个案的聚类结果和变量的聚类结果,并将数据挖掘结果转换成
具有实用价值知识,最后将结果转换成客户细分方式和营销策略,为银行决策提供支持。
关键词:客户细分;数据挖掘;聚类分析
The Use of Date Mining Algorithm in the Customer
Segmentation of Bank
Major: Information Management & Information System
Abstract: With the development of our country’s economic and the reforming and opening
-up policy, the information technology and the financial sector develop faster than before,compan-
ies can get a large scale of customer information from customer relationship management. While
how to make full use of these precious resources, divide customer into different clusters, keep and
develop customers through these resources, the problem has been the key factor of winning succ-
ess of the intense competition of commercial banks.
Face to these to be solved problems, date mining is a good choice for managers to make cust-
omer segmentation. It can do customer segmentation for banks quickly and give ideas to every cl-
uster with lower cost, higher benefit and more appropriate service.
This article elaborated the origin of bank customer segmentation problems, reviewed the li-
terature, and used the date mining algorithms to make customer segmentation. It elaborated the
use and importance of customer segmentation, introduced the date mining algorithms and ways
of customer segmentation, selected population characteristics and behavior characteristics, using
k-mean algorithm and hierarchical clustering methods for date mining to do customer segmen-
III
tation, changed the results of customer clustering and variable clustering into useful tactics
about customer segmentation and marketing, and give decision support for banks at
last.
Keywords:Customer Segmentation;Date Mining;Cluster Analysi
0
1 前言
1.1 问题的由来
随着改革开放以来中国经济的迅速发展和腾飞,信息技术快速兴起的和金融
行业的蓬勃发展,我国的金融行业特别是银行业面临着巨大的机遇和挑战。
改革开放的到来,在市场经济的刺激下,商业银行之间的竞争变得日益激烈,
这使得商业银行在发展的过程中,也需不断的跟进市场的需求和脚步,经营理念
也发生了从“以市场为导向”到“以客户为导向”的巨大转变。客户关系管理便
成为商业银行提高盈利的重要途径和手段。作为客户关系管理的重要功能之一的
客户细分便提高商业银行竞争方面凸显其重要的战略意义和作用。
随着信息经济时代的到来,银行从客户关系管理中获得大量的客户信息,但
是如何利用好这些珍贵的战略资源,并通过这些资源对客户进行分类、保持和发
展,已成为决定商业银行在竞争激烈的行业中获得成功的关键。
同时,随着信息技术的发展和银行业电子化程度的不断提高,面对大量的数
据,许多银行还是停留在处理客户投诉的客户管理关系阶段,这无疑是对资源的
浪费,更是对企业发展的严重阻碍。所以,更加科学有效的客户关系管理和客户
细分,不仅能为企业带来便捷,针对目标客户有的放矢,减少不必要的损失,更
能提高企业的竞争力,为企业带来更大的效益。
利用数据挖掘算法在客户关系管理中对客户进行细分无疑是很好的选择。通
过聚类分析和决策树分析能快速的为银行进行客户分类,并针对每一客户群体实
施具体的客户关系管理策略和市场营销策略。
1.2 国内外研究现状
目前在我国,“数据海量,信息缺乏”是商业银行在数据大集中之后普遍所
面对的尴尬。目前金融业实施的大多数数据库只能实现数据的录入、查询、统计
等较低层次的功能,却无法发现数据中存在的各种有用的信息,譬如对这些数据
进行分析,发现其数据模式及特征,然后可能发现某个客户、消费群体或组织的
金融和商业兴趣,并可观察金融市场的变化趋势。数据挖掘的技术在我国的研究
与应用并不是很广泛深入。
国内商业银行在过去的十几年中,一直坚持以产品为中心的经营理念,并以
此来进行部门人员的设置及信息化系统的开发,其结果是导致各个产品系统之间
大多相对独立,毫无关系,客户的各项信息分布于多个系统中,各系统自己的数
据标准也各不一致,客户信息无法全面展现。在对客户进行细分时,一般也采取
传统的方法,如:基于经验的分类方法或基于统计的简单划分方法,这些方法一
般根据决策者的经验或是根据客户简单的属性特征,对客户进行划分,例如根据
客户所购买的金融产品类别(如:贷款、申请信用卡、理财产品等),或根据客户
的居住地域、年龄等对客户划分类别。虽然这些划分对商业银行的客户管理也是
很有意义的,但却无法满足诸如对哪些客户的潜在价值更高、哪些客户的资信程
度更高、客户群有哪些特征等复杂分析需求。随着信息技术的不断发展和金融电
子化程度的不断提高,国内商业银行已积累了越来越多的客户数据,面对海量的
客户数据,传统的客户细分方法则更显得力不从心(陈宏凯,2006)。
剩余32页未读,继续阅读
资源评论
智慧安全方案
- 粉丝: 3607
- 资源: 59万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功