数据挖掘在银行客户关系管理中的应用研究——以决策树为例

《数据挖掘在银行客户关系管理中的应用研究——以决策树为例》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：密级：学号：2013119013单位代码：10759石河子大学硕士学位论文数据挖掘在银行客户关系管理中的应用研究——以决策树为例学位申请人吉阳指导教师何剑教授申请学位门类级别理学硕士学科、专业名称统计学研究方向绿洲经济统计分析所在学院商学院中国·新疆·石河子2016年6月TheapplicationresearchofdataminingincustomerrelationshipmanagementofBank--TakingthedecisiontreeasanexampleADissertationSubmittedtoShiheziUniversityInPartial

2、FulfillmentoftheRequirementsfortheDegreeofMasterofNaturalScienceByJiyang(Statistics)DissertationSupervisor:Prof.HeJianJune,2016I摘要随着互联网金融的遍地开花，我国的实体金融机构感受到了巨大的压力，争取高价值客户成为各金融机构的必备手段，也是客户关系管理的最主要目的。商业银行作为金融行业的重要组成部分，业务范围广泛、客户群体众多是其主要的特点。这些特点为客户关系管理的研究提供了得天独厚的资源优势，但面对数量庞大的客户数据，传统的分析方法难以得出有针对性的结论，而

3、数据挖掘就为海量数据的分析提供了技术支持。客户关系管理就是对企业内部的客户资源进行集中式管理，以此达到客户资源的内部共享，不断提高单个客户的价值水平，最终实现企业的超额利润。基于数据挖掘的客户关系管理系统就是银行运用数据挖掘技术，对客户的隐含信息进行分析和挖掘，以实现对客户的准确分类，为商业银行的决策提供支持。论文从理论和实证两方面出发，以客户关系管理理论和数据挖掘理论为理论基础，结合两个理论内容对商业银行的客户类型进行分析。首先，介绍了论文的选题背景及研究意义，分别阐述了国内外数据挖掘的研究现状，以及我国对CRM的研究内容，并对客户关系管理和数据挖掘的理论内容加以论述，为后续论文工作

4、夯实了理论基础。其次，重点分析了数据挖掘中的神经网络、遗传算法和决策树法，对三种分类方法的优缺点进行了理论层面的比较，并对三种方法的实际应用领域加以说明，从理论和实际两个角度进行抉择，选定决策树法为论文的实证方法。将A银行的1696条贷款客户数据作为主要的研究对象，分析这些贷款客户是否会提前还款。结论表明：在所研究的客户中，消费类贷款客户通常不会选择提前还款，而生产性贷款客户通常都会选择提前还款，且提前还款的客户比例约占总人数的四成。针对这一结论，将所有的客户划分为七个类型，针对每个类型客户的消费特征及偏好产品，提出了不同的CRM管理策略。最后，以论文的研究结论为中心，从银行的角度出发

5、，提出了具有差别化的营销方式和客户关系维系方法，并将这一理念延伸至产品及服务的开发阶段。在客户出现时，准确判断客户类型，适时调整营销策略，明确高价值客户特征，对不同价值客户进行有差别化管理；在客户维系过程中，尽量降低维系成本，提高维系性价比，增加新媒体推广方式的占比，减少人工成本开支，尽量采用客户喜爱的维系方式，提高客户满意度；对银行各类金融产品及服务的开发，也要以客户偏好为导向，弄清客户需求，避免“闭门造车”，主动适应客户需求的变化，增强客户粘性。同时，也从严控数据质量、选择合理算法和理性对待结论三个方面，对应用数据挖掘工具提出了几点建议。关键词：数据挖掘，商业银行，客户关系管理，决

6、策树法IAbstractAstheInternetfinanceeverywhere,China'sentityfinancialinstitutionsfeeltremendouspressure,striveforhigh-valuecustomersbecomeanessentialmeansoffinancialinstitutions,itisthemostimportantpurposeofcustomerrelationshipmanagement.Commercialbanksasanimportantpartofthefinancialindustry,ithasaw

7、iderangeofbusinessesandmanycustomers.Thesefeaturesprovideauniqueresourceadvantageforcustomerrelationshipmanagement,butforalargenumberofcustomerdata,thetraditionalanalysismethodisdifficulttodrawatargetedconclusion,anddatamini