（工商管理专业论文）基于数据挖掘的银行网点辅助服务研究.pdf

基于数据挖掘的银行网点辅助服务研究 摘要 近年来我国银行业的发展突飞猛进，四大国有商业银行的上市使得我国银行 业甩掉了沉重的历史包袱、轻装上阵，我国银行业也抓住了这难得的机遇，在短 短的几年内取得了举世瞩目的成就。但是伴随着我国银行业的进一步开放，国内 银行业面临着更加激烈的竞争，尤其在客户服务方面和业务流程方面与欧美发达 国家的银行存在较大差距。如何在竞争中脱颖而出，我国商业银行应将国外银行 在业务流程和客户服务方面的先进经验与国内商业银行的实际相结合，走出一条 服务和流程创新之路，实现核心竞争力的不断提升。 本文在国内银行原有数据仓库的基础上，首先对银行客户的贡献值进行计算， 然后采用k - m e a n s 均值方法实现对客户的分类统计，从而实现对银行客户进行分 级。在客户分级的基础上与网点的叫号机系统进行整合，构建起一套面向银行网 点的客户辅助服务体系。以该体系作为突破口，对银行网点业务流程进行全面改 造，同时对人员进行调整和优化，全面提升网点服务和营销水平。该体系不仅实 现根据客户等级提供优先服务、免排队的服务，还能智能识别客户的身份，为营 销人员实时提供营销指导信息，并为高端客户提供网上银行预约排队等多项增值 服务。该体系以网点智能排队叫号机为终端，以数据挖掘系统为依托，通过与其 他相关模块对接，构建起一套面向银行网点的客户辅助服务体系。 关键字：数据挖掘：银行：客户服务：业务流程再造 t h er e s e ar c ho na u xi iiar ys e r vic eo fb a n ko u tle t sb a s e d o nd a t aminin g a b s t r a c t b a n k i n gi n d u s t r yo fc h i n ah a sg r o w nb yl e a p sa n db o u n d si nr e c e n ty e a r s ， f o u rs t a t e 。o w n e dc o m m e r c i a lb a n k ss u c c e s s f u l l yl i s t e di ns h a n g h a ia n d h o n gk o n gs t o c km a r k e t t h e yg e tr ido fah e a v yh is t o r i c a lb u r d e na n da r e e a s i e rt om o v e f o r w a r d b a n k i n gi n d u s t r yo fc h i n as e i z et h i sr a r e o p p o r t u n it y ，w it h inaf e ws h o r ty e a r sh a sm a d er e m a r k a b l ea c h i e v e m e n t s b u ta l o n gw i t ht h ef u r t h e ro p e n i n go fc h i n a s b a n k i n gi n d u s t r y ，t h e d o m e s t i cb a n k i n gi n d u s t r yi s f a c i n gw i t hm o r ef i e r c ec o m p e t i t i o n t h e r e i sab i gg a pp a r t i c u l a r l yi nc u s t o m e rs e r v i c ea n db u s i n e s s p r o c e s s e s c o m p a r e dw i t ht h ee u r o p e a na n da m e r i c a nb a n k si nd e v e l o p e dc o u n t r i e s h o w t ow i nt h ec o m p e t i t i o n ，t h ed o m e s t i c c o m m e r c i a lb a n k ss h o u l di e a r n a d v a n c e dc u s t o m e rs e r v i c ea n db u s i n e s sp r o c e s s e se x p e r i e n c ef r o mf o r e i g n o n e sa n dc o m b i n ew i t ht h er e a ls i t u a t i o no fc h i n a t h r o u g ht h ea b o v e m e a s u r e s ，t h ec o m m e r c i a lh a n k si m p r o v et h ec o r e c o m p e t i t i v e n e s s c o n s t a n t l ya n dl e a da ni n n o v a t i v ew a yo fc u s t o m e rs e r v i c e sa n db u s i n e s s p r o c e s s i n g t h i sa r t i c l ei sb a s e do nt h eo r i g i n a ld a t aw a r e h o u s eo fd o m e s t i cb a n k s t oc a l c u l a t et h ev a l u eo fc u s t o m e rc o n t r i b u t i o nt ot h eb a n k ，a n dt h e nu s e t h ek - m e a n sa v e r a g ec u s t o m e rc l a s s i f i c a t i o n s t a t i s t i c s ，i no r d e rt o a c h i e v e t h e g r a d i n g o fb a n k c u s t o m e r s c u s t o m e rc l a s s i f i c a t i o n i n t e g r a t i o nw i t ht h ec a l l e dm a c h i n es y s t e m ，b u i i dt h es e tf o rt h eb a n k b r a n c hc u s t o m e rs u p p o r ts e r v i c e s s y s t e m t h es y s t e mw h i c hi s a b r e a k t h r o u g hu s e st ot r a n s f o r mt h eb a n kb u s i n e s sp r o c e s s e sa n da l s ou s e s t oa d j u s ta n do p t i m i z eh u m a nr e s o u r c et or a i s et h eo v e r a l ll e v e lo fs e r v i c e a n dm a r k e t i n g t h es y s t e mn o to n l yt oa c h i e v et h eb a n kt op r o v i d e p r i o r i t y s e r v i c eb a s e do nc u s t o m e rr a t i n g ，a v o i dq u e u i n gs e r v i c e s ，b u t a l s o i d e n t i f yt h ei d e n t i t yo ft h e i rc u s t o m e r s ，p r o v i d em a r k e t i n gg u i d a n c ef o r m a r k e t e r sr e a l - t i m ei n f o r m a t i o n ，a n do n li n eb a n k i n gm a k ea na p p o i n t m e n t a n dw a i ti nl i n ef o rh i g h e n dc u s t o m e r s t h es y s t e mu s e sb a n ki n t e l l i g e n t c a l lq u e u i n gu n i t a st h et e r m i n a l ，r e l i e so nd a t am i n i n g s y s t e ma n d i n t e g r a t e sw i t ho t h e ra p p l i c a t i o n s ，b u i l das e t o r i e n t e db a n kc u s t o m e r s u p p o r ts e r v i c e ss y s t e m k e yw o r d s ：d a t am i n i n g ：b a n k ：c u s t o m e r s e r v i c o ：b u s i n e s sp r o c e s s e s r e e n g i r e e fi n g 基于数据挖掘的银行网点辅助服务研究 1 绪论 1 1 论文的选题背景及研究意义 1 1 1 论文选题的背景 随着我国经济不断发展，金融自由化进程的不断深入展开，国内银行在面对 国内原有竞争者的同时还需要面对来自国外金融机构的激烈竞争。要在竞争中立 于不败之地，国内金融业就必须迅速转变经营理念，真正做到以客户为中心。客 户与企业之间的关系对企业经营的影响越来越大，客户的忠诚度对企业至关重 要。对现有客户和潜在客户的跟进培养，以及对现有客户数据的挖掘和分析，被 认为是银行获得进一步成功的关键所在。因此建立以客户为中心的管理和服务系 统，是商业银行在全新环境下将新的管理思想结合最新信息技术发展的必然选 择。就目前来看，四大国有商业银行已经实现数据大集中，所谓数据大集中是指 通过在全国范围内建立两个超大规模的数据处理中心，实现所有分行和网点核心 类银行业务的数据集中，在此基础上实现技术高度集成、营销高度集约、管理高 度集中的总体银行管理模式。四大国有银行在数据大集中的模式下，早已经构建 起了总行级别的大型数据仓库和相关应用，通过长时间的积累，银行己逐步掌握 了大量的客户数据和经营数据，如何利用好这些数据，发掘有价值的信息对内加 强经营管理和决策支持，对外更好地了解客户需求，更好的为客户提供差别化服 务，增加银行的核心竞争力，是当今银行业普遍关心的关键领域。目前，数据已 经逐渐从总行向分行沿深，多数分行已经建立起所辖范围内的分行级数据仓库， 分行可以获得所辖范围内所有客户的资产情况和交易数据，如何利用这些数据， 与其他系统相结合，构架出一套基于数据仓库和数据挖掘的客户服务和营销的系 统模式，更好的为客户提供具有针对性的服务是每一家银行所共同期待的。 商业银行如何与客户建立高质量的客户关系，如何进一步维系和巩固客户关 系，这是每一家银行都面临的问题。商业银行作为典型的服务性行业，其与客户 关系不仅体现在银行所提供的金融产品上，更重要体现在银行给客户提供了怎样 的服务方式、服务态度和服务行为。通过提供服务给客户留下什么样的感性认识， 以至于影响客户以后的回顾率和忠诚度。银行因产品的同质性较强，银行间的竞 1 基于数据挖掘的银行网点辅助服务研究 争实际上是银行服务的竞争，而优质的服务又必须有一套创新的客户服务体系作 为支持。在激烈竞争的金融市场，商业银行生存和发展的核心竞争力就是金融创 新。随着信息技术的快速发展，信息科技已经成为银行发展和创新的重要支撑， 银行必须适应环境的快速变化，加快最新信息技术和银行具体业务的融合，通过 信息技术推进业务创新。银行对信息技术要求高投入、高配置，同时也要求信息 的高需求和高输出，银行已经成为社会信息交换市场的主要参与者。由于现代社 会信息量剧增，银行业开始重视数据挖掘，通过数据挖掘明确客户定位，利用各 种数据分析技术为客户提供差别化服务，贯彻“将合适的产品在合适的时间以 合适的方式推介给合适的客户 的经营理念。近几年来，随着数据大集中，银行 核心业务已经全部集中到数据中心，银行逐渐积累了大量的业务数据，就总行层 面来说大多已经构建起了一套基于数据挖掘技术的应用，为总行层面提供各种决 策支持和报表数据分析，但是从分行、支行和网点层面来看，尤其是在网点层面， 作为直接面对客户、处于客户服务和营销的最前沿，如何贯彻总分行制定的经营 方针，有针对性的展开客户服务和营销，紧缺一系列客户服务、营销和决策支持 系统，使网点进一步了解客户，进而对客户进行分类，有针对性的开展各种营销 手段，留住老客户，争取新客户，锁定利润的主要来源。 网点业务流程再造，尤其柜面业务流程再造是目前银行重点关注的问题。网 点排长队现象司空见惯，也是经常引起客户投诉的问题，这些都说明了银行在社 会中起的作用日益增大，同时也反映了国内商业银行在服务流程和工作效率上存 在一定问题，与社会经济发展不匹配，各种自助设备的配置和使用未达到应有水 平。目前来看由于对柜面业务系统的支持有所不足，使得柜面系统缺乏全面客户 信息，缺少对客户进行分流的依据，造成中低端客户与高端客户共同占用相同柜 面资源，排队现象日益严重，也对网点的交叉营销产生阻碍。另外，每个网点都 有客户经理，每个客户经理维护上百的中高端客户，但是由于缺乏信息系统支持， 客户经理并不能有效与客户建立联系，甚至有的客户经理与所维护的一大半客户 从没有过交流与会面。随着银行业务的不断发展完善，银行信息系统也得到了飞 速发展，银行投入大量资金用于银行信息系统的建设，但精力主要集中在数据 大集中、网络统一规划和新业务系统的开发。而银行的各个业务系统目前基本处 于纵向分割状况，形成了银行业务系统之间信息孤岛现象，不可避免的出现重复 基于数据挖掘的银行网点辅助服务研究 开发，浪费了大量的人力、物力和财力。柜面是目前银行主要对外服务渠道，柜 面所使用的系统还停留在业务操作系统，很容易使业务的办理过程出现重复和片 面的现象，只是面向账户，而不是面向客户，以客户为中心，同时对客户经理所 进行的销售活动也缺少足够的支持，无法实现对客户进行有效的分流和分层。因 此以柜面业务流程优化为出发点，在对原有客户进行数据挖掘和分析基础之上， 构建一套可以实现客户分级和分流的银行网点辅助服务体系己到了刻不容缓的 阶段。 1 1 2 论文研究的目的和意义 近年来由于国内经济的蓬勃发展为我国商业银行营造了良好的经营环境，我 国银行业各项主要经营指标纷纷跃居世界前列，连续几年我国银行业都荣登全世 界最赚钱银行排行榜的前几位。国内银行业在享受巨额利润的同时也面临着巨大 的挑战，国内银行业的服务水平与欧美的老牌金融机构相比存在明显的差距。由 于银行提供的产品和服务同质性较强，目前国内银行处于一种“红海市场 ，国 内银行业如何在竞争激烈的“红海市场”中脱颖而出，实现核心竞争力不断提升， 商业银行应迅速开始学习国外银行的先进经验，加快业务流程再造，从业务受理 和客户服务等多方面进行全面改进，以摆脱同质化带来的困扰，走出一条服务和 流程创新之路，不断提升银行核心竞争力。尤其针对客户服务，一方面伴随着人 民生活水平的不断提高，客户的服务要求的亦不断提高，越来越多地信息需要银 行业务人员进行录入，挤占银行柜员的作业时间，增大了柜员的单位劳动强度， 降低了服务效率和质量，更降低了可以用于客户营销的时间。另一方面由于柜面 压力大，排队现象严重，对客户等级区分不够，造成大量的高端客户等待时间超 长，降低了高端客户的满意度。虽然各种自助设备和网上银行等电子渠道的广泛 应用在客户分流上起到了重要的作用，但是仍无法取代传统网点。目前传统网点 仍是银行最直接、生动、人性化的客户界面，面对面的沟通是客户对银行的认知 最为重要的渠道。如何对现有的业务进行流程再造，实现以客户为中心、面向客 户的差别化服务是必须要充分考虑的。本文目的是构建一套全新体系对网点的 业务流程再造和客户营销进行强有力的支持。它是一套基于数据挖掘的客户辅助 服务体系，实现客户分级和客户营销支持，从而辅助网点进行流程再造以及客户 基于数据挖掘的银行网点辅助服务研究 服务和营销水平的提升。该体系不仅要求网点能根据客户等级提供优先服务、免 排队服务，还要求能识别客户的身份，为营销人员实时提供营销指导信息，并为 高端客户提供网上银行预约排队等增值服务。该系统以网点智能排队叫号机为终 端，以后台数据挖掘系统为依托，通过与其他相关模块对接，构建起一套面向网 点的客户辅助服务体系。其主要功能包括：客户身份识别、智能排队叫号、客户 自助预约、高端客户到达短信通知、辅助产品营销、客户行为分析、柜面服务效 率监测、网点服务窗口规划、柜员智能排班计划等。 1 1 3 论文的研究方法 本文在大量的数据和一手资料的基础上，从辅助银行网点的进行客户分流、 服务和营销角度出发，以排队机为终端，构建起一套全方位、高效的客户辅助服 务系统。本文所采用的研究方法主要有： ( 1 ) 实证分析法。论文将青岛市某银行的具体情况作为研究对象，作为理 论研究的支持。 ( 2 ) 软件工程方法。银行网点客户辅助服务系统作为一套完整的业务辅助 系统，采用软件工程方法，可以很好的说明系统的构建和数据流向。 ( 3 ) 市场营销学方法。在研究通过客户辅助服务系统的实施，为网点提供 决策支持，使网点能够更好的规划调度资源，采用市场营销学中的客户行为分析 理论和差别化战略为客户提供更好更优质的服务和展开更加有针对性的营销。 1 2 国内外现状与发展趋势 1 2 1 数据挖掘的发展现状及前景 伴随着信息技术的快速发展，在社会的各个领域内，海量数据不断产生，数 据库的规模迅猛增长。人们越来越希望通过对存储数据的分析实现对隐藏在大量 数据背后的知识的获取。通过原有的查询等工具无法实现挖掘这些信息，因此需 要一种新的适合分析处理大量数据，并从中抽取有价值信息的技术，数据挖掘技 术由此产生，数据挖掘技术随着数据仓库技术的发展而不断成长。在各个领域内 数据挖掘都得到了比较广泛的应用，取得了长足的发展。数据挖掘应用主要集中 基于数据挖掘的银行网点辅助服务研究 在金融业和销售业。随着数据挖掘技术的不断发展，企业也加深了数据挖掘重要 性的认识，微软和i b m 都有专门的研究中心来进行这方面的研究工作，并推出了 各自的数据挖掘产品，如i b m 的i n t e l l i g e n tm i n e r 软件和微软的s q ls e r v e r 等。数据挖掘是一个新兴的领域，许多内容还有待于研究，如算法效率和伸缩性， 。 处理不同类型的数据和数据源，数据挖掘系统的交互性，w e b 数据挖掘，数据挖 掘的隐私保护和信息安全，数据挖掘语言的标准化和数据挖掘的可视化都是热门 的研究方向。 根据i d c 的调查研究，银行业将数据挖掘技术应用于客户关系管理，其投资 回报率却高达4 0 0 。随着数据挖掘技术的不断发展和壮大，欧美许多商业银行 都具备相应的数据挖掘能力，并将这种能力深入到经营、管理和决策的各个领域。 数据挖掘技术已经成为银行在激烈的市场竞争中获得领先的关键要素之一。 1 2 2 数据挖掘在国外银行应用现状 欧美发达国家的商业银行早已广泛应用数据挖掘技术。汇丰银行早就引入了 数据挖掘技术，通过数据挖掘从海量数据中来发现交叉营销机会。美国m e l l o n 银行使用i n t e llig e n ta g e n t 数据挖掘软件通过数据分析来提高金融产品定价的 精确度。通过不断的数据挖掘和分析，发现其中的高端客户和具有潜力的客户， 银行为其提供较高的额度或者找到交叉营销高利润产品的机会。根据m e l l o n 银 行的实际情况，i n t e l l i g e n ta g e n t 可帮助用户增强其商业智能水平，通过挖掘 发现具有较高购买欲的客户进行定点营销。美国f i r s t a r 银行使用m a r k s m a n 数 据挖掘工具，根据客户的消费习惯来预测在何时以何种方式向客户提供产品。 f i r s t a r 银行发现，在银行的大型数据库中存储着每位客户的大量信息，从大量 信息中找出客户购买产品的习惯和方式，从而为每种产品找到其最合适的消费 者，并以其喜爱的方式将此产品推介给目标客户。当客户关系管理系统逐渐兴起 之后，数据挖掘技术在银行业起着愈加重要的作用。众多的发达国家银行纷纷采 用数据挖掘技术来为自己的各种决策提供支持。简言之，随着数据库技术的不断 完善和发展，数据挖掘技术已经被国外金融机构作为一个重要的战略决策手段。 基于数据挖掘的银行网点辅助服务研究 1 2 3 数据挖掘在国内银行应用现状 国外有关数据挖掘技术的研究奠定_ _ 了坚实的理论基础，并且提供了颇具价值 的经验积累。但由于银行体制的差异，国外银行的研究方法和应用无法直接套用 在国内商业银行之上，需要国内银行进行自主创新。 与欧美发达国家的银行相比，我国商业银行使用数据挖掘的应用还处于起步 阶段。对大部分银行来说，在前期数据大集中后，在一定时期内还处在对存储在 大型数据库中的数据进行收集、整理、规范阶段。对存储在数据仓库海量数据进 行进一步处理和应用，还处在起步阶段。数据挖掘这项具有强大功能的工具，仍 停留在概念层面。银行许多人还不了解数据挖掘在银行哪些方面可以使用，也不 了解数据挖掘的概念及其强大功能，因此目前对数据挖掘的投入情况与数据仓库 相比非常小。 银行业的数据挖掘，需要各种人员共同参与，从挖掘技术专家、数据库管理 员、数据分析人员到具体业务人员都要紧密结合在一起形成一个数据挖掘团队。 针对具体问题，逐渐探索出一套适合本企业的方法，逐步建立起自己的数据挖掘 体系。目前我国商业银行正在进行这方面的尝试，逐渐摸索出了一套符合我国实 际的数据挖掘体系。 1 3 论文总体结构及创新之处 1 3 1 论文总体结构 论文分为六部分，各章概述如下： 第一章，绪论。这一章主要介绍了本论文的研究背景、写作意义、国内外现 状和本文贡献。 第二章，相关理论。在这一章中对本论文中所使用的理论进行概述，这部分 理论分为银行网点辅助服务系统的理论基础。银行网点辅助服务系统的理论基础 有数据挖掘、客户关系管理理论和消费者行为理论等。 第三章，基于数据挖掘的银行网点辅助服务系统总体方案。这一章主要从银 行网点的实际情况出发，规划出整个系统的各项功能，提供灵活而友好的界面， 基于数据挖掘的银行网点辅助服务研究 重视客户体验，为网点人员进行营销提供有力的支持，展示对银行网点辅助服务 系统的构想和技术架构。 第四章，基于数据挖据的银行网点辅助服务系统详细设计。这是论文的重点 章节。这一章节主要是在总体方案的基础上构建起银行网点辅助服务系统，对整 个系统的六大子功能进行分别的详细分析和设计，实现客户有效分流，差别化服 务以及针对性营销。 第五章，银行网点辅助服务系统在银行的实施。对此模式在我国商业银行的 实施进行分析，对实施者、实施的经济性及实施策略进行研究，最后对实施后的 效果进行测量。 第六章，结论与不足。对全文进行总结，并分析不足。 1 3 2 论文创新之处 随着数据大集中，银行核心业务已经全部集中到数据中心，银行逐渐积累了 大量的业务数据，就总行层面来说大多已经构建起了一套基于数据挖掘技术的应 用体系，为总行层面提供各种决策支持和报表数据分析，但是从分行、支行和网 点层面来看，尤其是网点层面，作为直接面对客户、处于客户服务和营销的最前 沿，如何贯彻总分行制定的经营决策，有针对性的展开客户服务和营销，紧缺一 系列客户服务、营销和决策支持系统，使网点进一步了解客户，进而对客户进行 分类，展开针对性的营销，留住老客户，争取新客户，从而使锁定利润的主要来 源成为可能。 银行网点辅助服务系统项目以网点智能排队叫号机为终端，以后台的数据挖 掘为依托，通过与数据仓库、即时消息平台和其他模块的连接，逐步构建起网点 辅助服务体系。 ( 1 ) 自动识别客户等级，根据客户等级进行引导和分流。客户等级根据其对 银行的贡献值每日实时更新。采用k 均值聚类分析方法发现区分客户等级的临界 点，将客户分为不同级别。当客户在叫号机取号时，系统通过读取银行卡或身份 证信息，实时返回客户等级，根据客户等级和其所办理业务，将客户引导至不同 窗口，以实现客户合理分流，减轻排队压力。同时，针对客户的不同等级，满足 网点差异化服务和特色化营销的需要，符合2 0 8 0 原则，可以对中高端客户展开 7 基于数据挖掘的银行网点辅助服务研究 更加有针对性的特色服务。 ( 2 ) 实现全辖排队机的统一管理。管理人员可以通过后台系统对排队机的使 用情况和网点排队情况进行监控和管理，并根据集中存储的全辖排队信息开展客 户行为分析、柜面服务效率监测以及服务窗口规划等工作。 ( 3 ) 实现对大堂经理的营销及分流支持。_ 方面大堂经理可以通过系统实时 了解和掌握网点排队情况，可以针对不同业务的排队情况，实时调整排队机参数 实现对柜台所办理的业务种类的调整，从而实现客户由高压力柜台向低压力柜台 进行调配。另一方面对于高端客户，当高端客户取号时，系统会自动向客户经理 发送短信，同时将当前客户等级、资产情况和持有产品情况发送给客户经理，从 而帮助客户经理开展一对一的星级服务和有针对性的营销工作，彻底解决客户经 理与其维护客户面对面沟通瓶颈，为客户经理进行重点营销提供了机会和平台， 变被动营销为主动营销。再一方面排队机可以实现身份证的自助打印功能，减少 大堂经理的工作，使大堂经理可以专注于分流和营销工作。最后实现了客户自助 预约功能，重视客户体验。通过网上银行和电话银行进行网点排队情况查看和客 户自助预约功能。将现有的自助渠道与客户服务有机的结合在一起，从而方便客 户，减少排队时间，提升客户体验水平。 基于数据挖掘的银行网点辅助服务研究 2 相关理论 2 1 数据挖掘理论基础 2 1 i 数据挖掘产生的背景 数据挖掘经历从无到有的过程。随着电子信息技术的不断的发展，人们越来 越容易获取和存储数据，目前数据的存储都以几何级数增长。面对如此剧增的数 据，如何从海量数据中挖掘出隐藏在其后的有用信息，并对这些数据进行更佳深 入的分析，以便更好的利用这些宝贵的资源。先前的数据库主要实现数据更好的 录入、查询和统计等功能，但是不能很好的表现数据之间的联系，无法获取数据 背后的隐藏的信息，出现了数据大量积累但信息和知识却无从获得的现象。为了 解决这种面对大量的有用数据但难以得到知识的尴尬局面，同时伴随着数据库技 术的不断的进步和发展，从数据发掘知识的技术一数据挖掘( d a t a m i n i n g ) 应运 而生，并得到迅速发展和完善。 2 1 2 数据挖掘的定义 数据挖掘是从大量的、不完全的、有噪声的、模糊的、随即的数据中，提取 隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 2 1 3 数据挖掘的过程 数据挖掘是一个系统的过程，一般步骤如下： 图2 1 数据挖掘步骤 a 确定业务对象 数据挖掘之前，要确定需要研究的对象，首先要根据数据和业务情况提出需 要解决的问题，同时对问题有明确的定义，这是在进行数据挖掘之前最重要的。 基于数据挖掘的银行网点辅助服务研究 b 数据准备 数据挖掘的基础条件是有大量可供挖掘的数据源，数据准备阶段是在数据挖 掘整个过程中占据了较大工作量，约占5 0 。其过程由数据选择、数据清洗和数 据转换组成。数据选择是搜集与业务对象相关的各种数据源；数据清洗是在数据 选择的基础上对数据进行初步的处理，对于不完整、异常的数据进行清洗，为做 进一步的处理和分析做好准备工作；数据转换是将经过数据清理的数据通过按照 特定规则进行格式化处理，并将其导入数据分析环境中。 c 数据挖掘 数据挖掘是指对数据准备处理过的数据进行分析，需要选择合适的数据挖掘 算法。 d 结果分析和知识同化 结果分析和知识同化是对挖掘结果进行研究和学习，从中将数据中所蕴藏的 信息进行研究，将其中的知识进行学习并同化到组织中，从而对未来的行动进行 指导。 2 1 4 数据挖掘的方法 a 聚类分析 聚类分析是常用的数据挖掘方法。在聚类过程中产生的分组叫做簇，是相似 对象的集合。聚类分析就是使在同一个簇内的对象的相似性尽可能的高，而不同 簇内的对象的相似性尽可能小。聚类分析的方法很多，有基于划分的方法、层次 的方法等等。 ( 1 ) 基于划分的聚类算法 给定一个n 个对象的数据集合，先对对象进行初步划分，划分为多个聚簇， 且k 分类一 k 均值聚类 聚类数目k 对聚类结果有较大影响，比较难以确定，需要多次进行测试并根 据业务需要进行确定。根据业务以往的实际运用，经验的k 值在9 个左右。本文 在实际聚类过程中k 值从6 到1 2 ，分别取值6 、7 、8 、9 、1 0 、1 1 、1 2 ，分别对 样本进行了k 均值计算，得到每个k 值对应的聚类计算结果。如果k 值过小，造 成部分簇样本过多，失去分类意义；如果k 值过大，样本细分过细，会产生许多 无意义的簇：如果簇之间没有明显的区别，k 值也要进行调整。 当k 值取6 时 31 马二上匿。崮些昌霭巳i 鼍萤 * * 十o i e 三；i j ；三二己 i 区叵七亘圈 巫工! 互丘三型! 翌工堕型 十a 十i h 图4 4k = 6 时结果 基于数据挖掘的银行网点辅助服务研究 当k 值取7 时 臼岛翻瑶噩圈盈翟囡燕墨疆曩嘲隧融躏黼黼骝醴藏张留鼬蝶蔼戤t 豁_ _ | ；j 。 删掣 塑竺塑塑塑塑苎翌坚生塑些! 墅苎壁望苎塑! 堂苎一 蛰西蜀三己露譬蠢藕鏖是密。镣、譬茹融盈鏊 每。- 餐“ = 邕* 鸱日z o 目a m 0 刑i 6 耐 丑堪神憎 h h 9 0 肼t o n h m r 当k 取值1 0 时 目日田盛盈瞄翟宙墨雹匿毯j 暖瞄塌龉菠毅强弱a 麟麟镬镕黔霄鬟j 毒。 删到 苎丝塑些兰塑竺曼里些坚型塑丝苎! 螋! 唑竺 一 垫飞：量玉三国。 鼍羹萄叁捐一：粤多叠曼露 图4 - 6k - - 10 时结果 通过反复抽取多次样本数据，不断计算k 值等于6 至1 2 的各个结果，总结 基于数据挖掘的银行网点辅助服务研究 后发现k 值为1 0 时比较符合业务要求，使得贵宾客户数约占总数的2 0 左右， 且贵宾区区分较为明显，所以取k 值等于1 0 作为分类组数。 当k = l o 时，最终的聚类过程 表4 1 初始聚类中心 初始聚类中心 贡献值i5 1 6 l4 0 4l5i8 1 7i6 9 6l9 6l1 8 5i2 7 1i2 8 6 5i1 1 6 1 表4 2 最终聚类中心 最终聚类中心 1i2l3i4l5l6i7l8l9l1 0 贡献值l5 1 3 l3 5 3i1 2i8 1 6 6 9 6i4 3i1 0 7i2 0 7i2 8 6 5i1 1 0 4 表4 3 聚类中心案例数 影k 聚类中的案例数 聚类l3 24 32 4 8 5 4 2 51 64 0 7 77 7 81 6 91 1 0 3 有效 2 9 9 9 缺失0 根据计算的结果来看，贡献值低于1 2 的为普通客户，其数量为2 4 8 5 ，约占 8 2 ；贡献值大于1 2 小于4 3 的为中端客户，其数量为4 0 7 ，约占1 3 5 ；贡献值高 于4 3 客户为高端客户，其总数为1 0 6 ，约占3 5 。 将此结果更新至数据库，作为分类依据。按照计算出的聚类中心点对客户进 4 6 基于数据挖掘的银行网点辅助服务研究 行分类，并同时登记客户已有和未持有产品。通过遍历客户数据库，根据上步中 生成的标准，将客户等级进行更新，使每个客户都具有各自等级。将客户登记表 与客户产品表通过客户号建立关联，方便应用进行访问处理。 4 2 网点辅助服务控制模块的详细设计 本系统由分行端及网点端组成，网点端由排队机控制器及相应的设备组成， 其部署在网点，一个网点可部署一台或多台排队控制器，排队控制器控制各种排 队设备，包括呼叫器、评价器、显示屏、p d a 等。网点端的主要作用是控制各种 排队设备实现网点排队及排队数据采集。排队控制器上安装有排队软件，但它本 身并不存储数据，网点端所需的各种排队参数( 如排队规则、业务队列、客户等 级设置等) 需要从分行端下载，排队产生的数据也要上传至分行端处理，另外它 所需的客户数据也需要通过分行端获取，即网点端不直接调用其它模块的功能及 数据，而是通过分行端转发调用。 网点端不保存数据是基于以下两种考虑，一是数据安全性，由于排队机放置 在客户能够接触的地方( 一般放置在网点入口处) ，而在系统处理过程中需要如 卡号、客户资产、营销规则等敏感数据，这些数据保存在排队机上是不安全的； 二是基于对网点端部署及维护的简易性考虑，当网点端存储有数据时，数据分散 在各网点，在进行系统部署、维护、升级的过程中，除维护程序外还必须对每一 个网点的数据进行维护，我们知道，程序在每台排队机上都是一样的，而数据却 各有不同，对于程序我们可以采用自动更新的方法升级，但数据结构的变更却要 复杂的多，我们必须考虑数据的备份、数据的转换、失败恢复等因素，而这些工 作都是很难通过远程控制的方式操作的，而数据集中时就没有这些难题，同时由 于网点端不保存数据，当网点排队机发生故障时，如操作系统崩溃，只需要重装 系统后重装排队软件即可，而不需要重新进行排队规则、窗口、硬件参数等系统 配置进行设置，因为数据保存在分行端，启动时从分行端下载到本地即可。 数据集中需要考虑的一点就是分行端数据处理的压力，因为网点发生的所有 交易都需要分行端处理，这看上去是一个风险问题，但实际风险却并不大，由于 网点的数据量比较少，一次呼叫所涉及的操作并不多，系统真正的并发量应不会 太大，同时我们还可以采取在网点端作系统缓存的方式降低分行端的压力，在启 基于数据挖掘的银行网点辅助服务研究 动时一次性下载所有网点应用参数，而不是每一次叫号都到后台请求参数，当参 数发生变化时，才请求后台更新参数。 分行端除对网点端的数据进行集中处理外，还以w e b 的方式提供网点排队情 况监控、历史数据分析处理、报表查询等功能，这些功能包括客户行为分析、柜 面服务效率监测、网点服务窗口规划、柜员智能排班计划等。分行及网点用户只 需要通过浏览器登录到分行端即可使用上述功能。 分行端不使用独立的数据库实例，而是在银行o l t p 数据库中新建用户，分 行端的数据保存在此用户下。本系统使用的客户数据，通过在o l t p 数据库上建 立其它数据库的d a t a b a s e1i n k 进行访问。 系统的逻辑拓扑图如下： 网点端 图4 - 7 系统拓扑图 呼叫器、评价器、l e d 显示屏采用串口( r s 4 8 5 ) 的方式与排队控制器中的 轮询板相连，轮询板负责设备的底层通信，排队控制器内部是一台p c 工控机，p c 工控机的r s 2 3 2 串口与轮询板相连，设备驱动程序通过r s 2 3 2 接口与轮询板通信 从而完成对各种设备的控制。由于设备的采购涉及到多家厂商，所以我们定义了 基于数据挖掘的银行网点辅助服务研究 上层设备通信协议，排队机厂商按照此协议开发设备的驱动程序，只要符合此协 议的设备均可以被排队程序兼容。 4 3 统一消息平台模块的详细设计 统一消息平台模块采用三层c s 架构，传统的c s 主从结构逐渐向灵活的多 级分布式w e b 计算模型进行演变。基于x m l 的三层c s 结构。一、数据层实现数 据的集成，目前多数数据源都可以使用x m l 进行表达和传输，由于x m l 能够使不 同的数据源很好的相结合，所以通过x m l ，可以在中间层上将底层数据库和其它 应用的数据进行集成。集成后的数据就能被其它应用和用户做进一步的集合、处 理和分发。统一消息平台模块采用标准x m l 实现内部数据的传输与记录；二、功 能层负责数据的传递与处理，由于x m l 具有开放性和文本性的特点，可以将它通 过h t t p 进行传送。同时，中间层应用服务器可以将数据服务器上数据的变化迅 速传递给客户。统一消息平台用x m l 实现应用与服务器、服务器与通讯公司以及 服务器与数据库服务器之间的通讯。三、表示层实现数据的显示，x m l 数据可以 使用多种形式表现也可以直接进行访问、编辑或转换，也可被其他系统所用。x m l 允许对同一数据指定不同的显示方式，使数据更合理地表现出来。统一消息平台 所有接口全部采用标准x m l ，方便本身和其他系统进行数据展现。在实际的设计 中数据库采用o r a c l e ，接口采用标准x m l ，与联通以及内部通讯均使用s o c k e t 方式，在功能层上加入准入机制，只有经过授权的应用才可接入发送短信和邮件， 为各种应用提供标准接口，同时将所有发送内容和信息进行全面记录，已备查询 和管理。 因为涉及短信业务必须有作为移动、联通、电信等运营商的s p ( s e r v i c e p r o v i d e r ) 进行接入，运用这些服务商的所提供的接口来开发我们的统一消息平 台模块。系统主要分为以下四个大部分，每部分的功能如下： a 用户管理 ( 1 ) 用户管理，主要是对用户进行增、删、查、改，并对用户的权限进行管 理。 ( 2 ) 用户登录，负责用户密码的校验，系统权限的赋予。 ( 3 ) 权限管理，负责各种用户类型的权限管理。 4 9 基于数据挖掘的银行网点辅助服务研究 b 接入管理 ( 1 ) 接入应用管理，对于通过统一消息平台发送短信的应用进行登记， 并进行认证，防止未获得许可的应用接入。 ( 2 ) 接入i p 地址管理，对于接入统一消息平台的服务器地址进行登记与 管理，防止未授权的服务器接入本系统。 c 短信管理 ( 1 ) 短信发送管理，每条短信的发送都要通过服务器认证和应用认证方可发 送。除此之外，还可以对短信进行定时发送等进行设置与管理。 ( 2 ) 短信接收管理，接收来自客户的短息并根据分组发送至相关部门邮箱。 ( 3 ) 短信日志登记，对于发送和接收的每条日志进行登记，包括发信人、收 信人、时间和内容等。 ( 4 ) 短信群发分组，允许不同用户建立不同群组，并对群组进行管理。 d 日志管理 ( 1 ) 日志查询，允许不同用户查询不同权限的短信发送和接收日志。 ( 2 ) 日志管理，对日志的转存和移除进行设置，并可对日志的记录登记进行 设置。 与通讯公司接口： 图4 - 8 统一消息平台网络拓扑图 基于数据挖掘的银行网点辅助服务研究 本系统使用服务商所提供的接口。接口涉及多个数据库表，分别是 s m s u s e r 、s m s a p p 、m s m _ ip ，s m s m s g 和s m s r e s u l t 。其中，s m s u s e r 表存放 着用户信息( 包括用户名和密码) ；s m s _ a p p 表存放允许发送的应用名称；s m s i p 允许接入的服务器i p 地址；s m s m s g 表存放等待发送的短消息，服务会对表进 行扫描将排列在最前的短信进行发送处理；一s m sr e s u l t 表存放发送后的记录， 并将s m s _ m s g 中的数据列删除：服务会监听来自各方的请求，请求经过身份验证 后将插入s m s m s g 数据表等待发送，发送成功后移动到s m s r e s u l t 表中。 w e b 接口见附录1 。 4 4 网上银行和电话银行模块的详细设计 网上银行和电话银行是原有系统，只是在原有系统上增加一部分功能，网银 和电话银行采用n 层b s 架构。基于b s 的n 层体系结构的网上银行系统在中间 层部署了应用程序服务器，它实现网上银行和后端数据库之间交互。中间层存储 了系统的处理逻辑，并协调客户机上与网银数据库交互时的展示逻辑。n 层系统 比两层系统更灵活且更可扩展，在中间层部署逻辑和服务，使其独立于客户机， 那么中间层的修改和扩展都不会影响到客户机的使用。网上银行和电话银行只是 进行部分功能扩充，具体服务部署在分行网银服务器，需要新增部分功能。数据 库采用o r a c l e ，首先在分行网银数据库服务器建立d a t a b a s el i n k 使其可以访 问银行网点辅助服务数据库上的部分数据，网银页面采用j s p ，s e r v l e t 等调用 j a v a b e a n s 的方式来访问数据库资源，可以继承总行提供的各种c s s 和类，保证 系统安全性。 4 5 柜员终端模块的详细设计 柜员终端系统也是原有系统，柜员终端采用专用p c 机，安装w i n x p 系统， 通过浏览器方式实现交易展现和处理，银行网点辅助服务系统是在柜员终端安装 一个客户端实现与呼叫器的联动，同步显示所办理客户的资产情况以及持有产品 情况。本客户端采用n e tf r a m e w o r k 构架，n e tf r a m e w o r k 又称n e t 框架。 是由微软开发，一个致力于敏捷软件开发的软件开发平台。n e t 封装了许多适 5 1 基于数据挖掘的银行网点辅助服务研究 合网络应用迅捷开发的技术。n e t 框架采用虚拟机方式，使用通用语言运行库 作为平台基础，支持采用多种高级语言进行软件开发。n e t 扩展了应用程序接 口( a p i ) ，增加了许多新功能和工具。n e t 平台可以使许多高级语言都得以被 汇集和使用。此客户端编程语言采用c # 。客户端主要分为两部分一部分是监听， 监听从控制模块传递过来的请求，另一部分是展示，将请求中包含的客户信息以 弹出框的方式展现给柜员，并可由柜员控制是否继续显示。 4 6 网点智能排队机模块的详细设计 智能排队机网点端系统由排队主机及相应的外设组成。一个网点可部署一台 或多台排队主机，排队主机控制各种终端设备，包括呼叫器、评价器、窗口屏、 综合屏等。网点端的主要作用是控制各种终端