基于数据挖据的商业银行客户细分研究

《基于数据挖据的商业银行客户细分研究》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、基于数据挖据的商业银行客户细分研究TheResearchonCommercialBank’sCustomerSegmentationBasedonDataMining专业金融研究生夏国彬指导教师张永杰教授所在学院：管理与经济学部2015年11月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡

2、献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日中文摘要近些年来，客户关系管理已经成为人们研究的热点，银行的客户关系管理受

3、到了人们更多的关注，良好的客户关系管理能够降低银行的成本，提高银行的收益。银行数据库中的大量数据是一笔宝贵的财富。利用这些数据，可以对银行客户行为进行预测，然后为银行提供更加准确的决策指导。数据挖掘技术可以发现数据背后隐藏的信息，然后能够进一步帮助银行更好地进行客户关系管理，从而提升银行的竞争力。本文论述了数据挖掘技术在银行客户关系管理中的应用，特别是在客户细分中的应用，这些应用对银行客户关系管理的实施具有一定的借鉴意义。本文利用数据挖掘的方法研究了银行客户的细分问题。首先，确定了客户细分中的研究指标，基

4、于RFM模型，确定了近度R、频度F以及额度M三个指标；其次，利用聚类方法对客户进行聚类，将客户分为四类，分析每类客户的特点，提供不同的营销建议；最后，利用分位数回归方法研究了客户存款总量的影响因素，对结果进行分析，得出相对应的结论。通过RFM模型以及聚类方法对客户进行细分，然后利用分位数回归分析影响存款总量的因素，为银行客户关系管理提供决策指导，帮助银行进行更好地营销。关键词：数据挖掘、RFM、K-means、分位数回归ABSTRACTInrecentyears,customerrelationshipm

5、anagementhasbecomeahotresearch.Thecustomerrelationshipmanagementofbanksattractsthepeople'sattentionespecially.Goodcustomerrelationshipmanagementcancutcostsandbringhugeprofitsforbanks.Thelargeamountsofdatainthebanks'databaseisavaluableasset.Bankscanusethes

6、edatatopredictthebehaviorofbankcustomers.Thentheresultscanprovidebankswithmoreaccuratedecisionsguidance.Dataminingtechniquescanfindtheinformationbehindthedatatofurtherhelpbankstomanagecustomerrelationshipsbetter.Thenthecompetitivenessofbankswillbeenhanced

7、.Thispaperdiscussestheapplicationofthedataminingtechnologyincustomerrelationshipmanagementofbanks,particularlytheapplicationsincustomersegmentation.Theseapplicationsinthecustomerrelationshipmanagementofbanksaresignificant.Inthispaper,thedataminingmethodwa

8、susedtostudythebankcustomersegmentationproblem.Firstly,theindicesofthecustomersegmentationweredetermined.BasedonRFMmodel,therecency(R)、thefrequency(F)andtheamount(M)weredetermined.Secondly,customerclusteringmethodwa