数据挖掘和客户关系营销在银行业中的应用

《数据挖掘和客户关系营销在银行业中的应用》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、数据挖掘和客户关系营销在银行业中的应用KohHianChye南洋商学院副教授及副院长ChanKinLeongGerry花旗集团私人银行投资分析家摘要计算机硬件以及数据挖掘软件的进步使得许多行业都能获得并负担数据挖掘技术，因此近年来，数据挖掘在商业社会中获得了广泛的关注，变得越来越普及。数据挖掘技术可以分析大量数据，找出数据中隐藏关系，将原始数据转化为有价值的信息。本文讨论的是在银行业中使用数据挖掘对于客户关系管理（CRM）的意义。首先，文中介绍了CRM的概念并总结了数据挖掘的方法及工具。其次，本文讨论了关于数据挖掘的文献，重点是数据挖掘在银行中的应

2、用。再次，文中给出了一个银行业中使用数据挖掘进行CRM应用的可行方案。最后，文中提出了其它可行的数据挖掘在银行业中的应用并讨论了数据挖掘的一些局限。导言从20世纪90年代中期开始，在信息系统和信息技术中形成了3个相关领域，它们都强调从数据中获得更多的信息。它们是资料仓储、知识管理和数据挖掘。随着计算机软硬件的进步，许多行业都能较从前更容易地获得并负担各种应用。本文着重讨论数据挖掘，这一技术的目标是从数据中找到有效、新颖、有潜在价值并可理解的相互关系和模式（Chung和Gray，1999）。本文专门讨论了在银行业中，数据挖掘对于客户关系管理（CRM）

3、的意义。虽然重点在银行业，但所讨论的问题和应用对于其它行业也同样适用，例如可以参考Koh和Low（2001）关于保险业中数据挖掘的应用及Koh和Leong（2001）关于保健业中数据挖掘应用的论文。文章接下来分为五个部分。第一部分总的介绍客户关系管理。第二部分讨论数据挖掘的方法和工具，以及数据挖掘的文献。第三部分介绍了有关文献给出的在银行业的客户关系管理中，使用数据挖掘的可行应用和例子。第四部分介绍如何在银行业中将数据挖掘应用于客户流失建模（即预测客户流动）。最后的结论部分讨着重讨论了数据挖掘的局限并提出了其它可行的数据挖掘在银行业中的应用。客户关

4、系管理CRM可以定义为预测客户的行为，并采取对策对之产生影响以获利的过程（Jenkins，1999），通常借助于信息技术和与数据库相关的工具。这一重要的概念由于Internet和电子商务的发展又焕发了光彩。由于在网上不可能进行面对面的交流，客户忠诚很容易动摇，因此CRM就变得至关重要。由于获得客户忠诚在电子商务环境下成为重点，因此也就难怪分析家把CRM服务看作了今天企业服务中最热门的项目之一。根据Internet数据公司的数据预计，在这个领域中全世界的市场收入的复合年增长率将从1999年的344亿美元猛增到2004年的1252亿美元（Chin，20

5、00），这表明CRM在商务中的应用正日益普及。PDFcreatedwithpdfFactoryProtrialversionwww.pdffactory.com通常，CRM举措的目的是达到几个目标，其中之一是利用分散的企业数据库中“隐藏”的数据来进一步贴近客户。对于数据进行检查和分析，可以将原始数据变为宝贵的客户需求信息。一旦能够预测客户的需求，企业就可以在合适的时间和地点，通过合适的销售渠道，将合适的商品卖给合适的客户。同时客户满意度也通过更有效的营销得到了提高。CRM举措的另一目标是将企业改造成以客户为本的机构，更重视客户盈利率而不是生产线盈利

6、率。从CRM中获得的分析能帮助企业计算或估算单个客户的盈利率，从而可以据此把客户区分开来。企业可以根据这些分析建立预测性客户流失模型，识别客户的不满和流失，从而留住最好的客户。至于那些盈利较少的客户，可以将他们转向成本和服务规格较低的销售渠道。CRM其它的目的包括增加交叉销售的可能性、更好地领导管理、更快对客户做出响应以及增加客户忠诚（Chin，2000）。CRM和数据挖掘虽然以客户为本的营销和管理战略的巨大商业价值显而易见，但是实施CRM战略直到最近才流行起来，这是由于在技术上的进步，尤其是在数据存储能力、资料仓储应用和数据挖掘技术方面（Berr

7、y和Linoff，1997）。尽管CRM中大部分是技术性的，但它并不只是关于计算机软硬件。对于大多数小企业来说，CRM是很自然产生的（Coyle，1999）。客户忠诚和客户盈利率是从小社区中的企业和它们客户之间紧密的关系中衍生出来的。然而随着企业的扩张，这种亲密不复存在。对于大公司来说，了解每一个客户是不现实，也是不合算的，因此对于它们来说，CRM必须以间接的方式进行。它们必须通过手头上有关交易、操作及其它方面的客户信息来预测个别客户的行为。数据挖掘使用成熟的统计处理技术或人工智能算法来从提取的数据中找出有用的趋势和模式。它可以产生包括预测模型和关

8、联的重要分析，帮助企业更好地理解客户。决策层应用能帮助营销人员获得动态的决策支持模型，从各种销售渠道到决策支持模型。数据挖