毕业设计（论文）
| 题 目 | 基于数据挖掘的商业银行客户 |
|
| 关系管理系统应用研究 |
| 系 （院） | 计算机科学技术系 |
| 专 业 | 计算机科学与技术 |
| 班 级 | 2008级4班 |
| 学生姓名 |
|
| 学 号 |
|
| 指导教师 | 王学玲 |
| 职 称 | 讲师 |
二〇一二年五月二十日
独创声明
本人郑重声明：所呈交的毕业设计(论文)，是本人在指导老师的指导下，独立进行研究工作所取得的成果，成果不存在知识产权争议。尽我所知，除文中已经注明引用的内容外，本设计（论文）不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体均已在文中以明确方式标明。
本声明的法律后果由本人承担。
作者签名:
二〇 年 月 日
毕业设计（论文）使用授权声明
本人完全了解滨州学院关于收集、保存、使用毕业设计（论文）的规定。
本人愿意按照学校要求提交学位论文的印刷本和电子版，同意学校保存学位论文的印刷本和电子版，或采用影印、数字化或其它复制手段保存设计（论文）；同意学校在不以营利为目的的前提下，建立目录检索与阅览服务系统，公布设计（论文）的部分或全部内容，允许他人依法合理使用。
（保密论文在解密后遵守此规定）
作者签名:
二〇 年 月 日
基于数据挖掘的商业银行客户关系管理系统应用研究
摘 要
本文系统地讨论了对数据挖掘在商业银行客户关系管理中的应用研究问题。在进行了相关领域文献综述以后，本论文主要论述了以下几个方面：
首先，对客户关系管理、商业银行客户关系管理理论以及数据挖掘相关理论进行探讨，同时，对商业银行实施客户关系管理的效用进行分析。再次，讨论了数据挖掘技术在商业银行CRM中的具体实施任务、方法选择；重点介绍了决策树C4.5、朴素贝叶斯、k-means聚类算法的基本原理及实例分析。最后，利用数据挖掘工具Weka分别建立贷款风险预测模型、客户特征细分模型并对实验结果进行分析。
本文论述了数据挖掘技术在商业银行客户关系管理中的应用，建立了贷款风险预测和客户特征细分模型，这些内容都有利于商业银行的客户关系管理的逐步实施。
关键词：数据挖掘；CRM；决策树C4.5；朴素贝叶斯；k-means聚类
The Application Research on Commercial Bank's CRM based on Data Mining
Abstract
This paper discusses the problems of data mining's application research in the commercial bank's customer relationship management system.After reviewing the litterature in the related field,this paper mainly introduces the following several aspects:
Firstly,the customer relationship theory,commercial bank's customer relationship theroy and data mining related theory are discussed.At the same time,we analysis the utility of commercial bank's implementation of the customer relationship management.Secondly, it discusses the data mining's concrete implementation task and method choice in commercial bank's CRM.Focused on introducing the basic principle and example analysis of the decision tree C4.5,NavieBayes and K-means algorithm.Finally,using the data mining tools Weka respectively establishes the loan risk measurment model,customer characteristics subdivision model and analyzes the experimental results.
This paper discusses the data mining technology's application research in the commercial bank's CRM,establishes the loan risk measurment model and customer characteristics subdivision model,which has a certain signficance in the implementation of the commercial bank's CRM .
Key words：Data mining；CRM；decision tree C4.5；NavieBayes； K-means
2.1.2商业银行实施客户关系管理的效用分析.........................................................4
2.2.2数据挖掘应用的分析方法.................................................................................5
第三章商业银行客户关系管理的数据挖掘方法选择..............................................7
3.1数据挖掘技术在商业CRM中的具体实施.............................................................7
3.1.1商业银行CRM中数据挖掘任务......................................................................7
3.1.2根据商业银行CRM中数据挖掘任务选择挖掘方法......................................7
第四章 Weka机器学习平台及实验过程................................................................17
4.2使用Weka进行贷款风险观测.............................................................................19
4.2.1使用C4.5决策树算法建立健贷款风险预测模型..........................................19
4.2.2使用朴素贝叶斯算法建立贷款风险预测模型................................................19
4.2.3贷款风险预测模型结果分析............................................................................20
4.3使用Weka进行客户特征细分.............................................................................21
4.3.1使用聚类K-means算法建立客户特征细分模型.......................................21
4.3.2客户特征细分模型结果分析............................................................................22
5.2论文的不足.............................................................................................................25
第一章绪论
1.1研究的目的和意义
根据业界认可的“二八”定律[1]，20%的优质客户能为银行创造80%的利润，因此今后如何提高对20%优质客户的服务质量，对其进行科学地管理和维护，是外资银行与商业银行展开激烈竞争的主战场[2]。在这种竞争激烈的形势下，高质量的客户关系管理是惟一重要的竞争优势，维护客户忠诚度变得越来越关键，同时也变得越来越困难。虽然商业银行经过长年的积累已经建立起庞大的客户信息数据库，但海量的信息中有用的信息比率仍然偏低。据IBM公司的调查分析，目前国内许多企业花费昂贵代价建立起来的数据库，真正有用的只有7%。大量的数据收集在数据库中，使数据库变成了“数据坟墓”，使得人们处在“数据丰富，但信息贫乏”[3]的窘境。加强客户关系管理，充分利用数据中隐含的价值信息可以更有利于银行的经营决策，也是商业银行未来发展的重要方向和趋势。数据挖掘以其强大的数据分析处理能力成为目前公认的能够比较好地解决这些问题的强有力工具[4]。数据挖掘结合银行客户关系管理具有众多优点：可以使投入更高效，可以节省成本，可以改善产品和服务的质量，可以为客户提供个性化的产品和服务、有效的预测和防范各类风险、发现和保持优质客户等。因此，本论文就数据挖掘在商业银行客户关系管理中的应用展开了研究。
1.1.1研究目的
本文把数据挖掘技术运用于商业银行客户关系管理系统中，充分利用客户关系管理系统内保存的业务数据，在相关数据作处理之后建立起客户特征细分模型、贷款风险预测模型。通过运用模型获取知识，即管理层最需要的数据，最终达到优化银行与客户的关系，提高客户忠诚度，使银行的盈利最大化的目的。
1.1.2研究意义
1.2国内外研究现状
1.2.1国外研究现状
最早把CRM引入银行的是花旗银行，实施CRM后，花旗迅速把工作重心转移到客户关系上。加拿大皇家银行运用了数据挖掘后，大幅度提高了客户细分的准确性，以客户的分布来细分市场，为客户提供个性化的服务，使得目标客户储蓄有11%的提高，增加了近20%的高利润贡献客户，每年市场营销带来的收入在过去三年都实现了两位数字的增长。恒生银行利用数据挖掘技术，按照个人客户资产、贡献度的多少，将客户细分为普通、贵宾理财、白金理财和私人银行客户四大级别，并针对不同级别的客户制定不同的管理策略。美国Bank one银行从所建立的数据仓库中挖掘出为银行创造利润的这部分客户，并根据信息建立模型，通过对客户信息进行动态跟踪和监测，计算客户价值，制定不同客户的不同市场需求，根据客户的价值选定服务产品配置，从而与创造利润的客户保持长期关系
1.2.2国内研究现状
刘晓庆（2005）总结了数据挖掘在CRM中的应用主要包括：客户分类、客户识别、客户保留、客户忠诚度分析、客户盈利率分析、重点客户发现、交叉销售、性能评估后，以DELL公司为实例研究数据挖掘应用时指出目前数据挖掘存在的的主要问题：客户资料不完整、没有充分利用已有资料、先进技术应用不够[6]。乔巍（2009）主要系统地介绍了决策树算法的原理及其在分类和预测中应用，并设计出运用了决策树算法、联机分析处理和数据仓库的房屋中介客户关系管理系统[7]。周意（2005）[8]对某中型城市银行客户信用卡数据的人口学特征分类，运用决策树（ID3)建立客户分类模型，并运用该模型进行分类预测以及实现差别化管理。郑英资（2009）[9]对当前数据挖掘在商业银行的应用总结为客户流失预警模型、客户分类模型、客户利润贡献模型的建立，运用设计和实现数据挖掘模型工具SPSS Clementine对客户分类模型进行了实例研究，实例研究中分别采用BP神经网络算法、决策树C5.0算法建立模型，验证后发现在客户分类模型中，决策树算法更精确。李志玲（2010）介绍了客户关系管理的几种新形式：智能客户关系管理（intelligent CRM）、移动客户关系管理（moblile CRM）、电子客户关系管理（electronic CRM）；运用数据挖掘建立潜在客户发现模型、忠诚客户发现模型、客户流失分析模型后，在客户关系管理系统中实施了客记识别系统、客户流失预警系统[10]。
第二章相关理论概述
2.1客户关系管理理论
2.1.1概述
客户关系管理（Customer Relationship Management简称CRM）是一种以“客户为中心”的管理理念，实施于企业营销、销售、服务与技术支持等与客户有关的领域，一方面通过提供更快速周到的优质服务吸引和保持更多的客户，另一方面通过对业务流程的全面管理降低企业的成本[11]。CRM也是一种旨在改善企业与客户关系的新型管理机制，它要求企业从“以产品为中心”的模式向“以客户为中心”的模式转移。也就是说，企业关注的焦点应从内部运作转向客户关系，企业的业务流程和组织流程重点应从“产品”转入“客户”。CRM也是一款管理软件，该软件基于数据仓库和数据挖掘技术[12]。通过数据挖掘工具，CRM可以优化企业与客户的关系，提升企业的赢利率[13]。
2.1.2商业银行实施客户关系管理的效用分析
传统银行主要是对后台进行管理，也就是银行只对如何生产产品进行管理，但对于直接面对客户的前台，从未做过任何管理[14]。所以，在很多银行都不知道哪种产品受欢迎、原因是什么、有多少回头客、从哪些客户身上最能赚钱、售后服务有哪些问题、广告有多少人看。CRM的出现弥补了这种缺陷，银行利用它收集、分析客户信息以一种全新的方式和角度进行管理，这样银行就可以方便地扩展新的市场和业务渠道，提高客户的忠诚度。从总体上看，CRM应用于商业银行后主要有以下优点[15]：
（1）整合银行资源。客户关系管理系统在整个银行系统中处于中心位置，它既可以通过银行前端系统综合传统的电话银行、自助设备、网点机构及网络银行等联系渠道；也可以通过向管理层提供知识，影响银行管理、产品设计、计划财务、人力资源等职能部门，整合MIS、DSS、BI等系统，实现例行范围内的信息共享，实现与客户相关的业务流程（包括销售、营销、客户服务与支持）的电子化。
挖掘客户的潜在价值。建立CRM，将大量信息资源整合形成完整的客户背景资料，如果建立客户分类模型，就很容易发现哪些客户是该行的盈利客户，进一步分析客户所具有的消费倾向和投资理念，哪些客户是该行的潜在客户，以及这些客户可能有些什么新需求，从而为银行创造更多价值[16]。
如需论文全文，请联系原作者，QQ：372451465（四川）
5710
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
