（管理科学与工程专业论文）数据挖掘技术在银行crm中的应用研究.pdf

狳囊 滨，f ：程大学矮士学骰论文 摘要 综观全球，数据挖掘都是从银行鞍电馈，于烛，鼹银嚣的数据比电詹撂业 数据保存的更为完整。在商业银行有两个可利用的瓯大的资源：客户的存款 和客户的数据。相应地，锻行的管理产生了两大任务：客户资金管理和数据 挖掘。银行两蓊的客户数箍分桥仍梵在眈较低缀阶段，跌丽导致锻行对一般 客户与麓贡献熬客户一视爨仁。随着客户关系镑理豹不凝发戚，锻行对其久 口数据进行分柝挖掘也势在必行。这就要建立真正由客户需求出发的客户关 系篱理。 随赣银行数据越来越丰富，太量豹数据被摘述成“数据丰富，但信息缺 乏”。结果，收集在大型数撵瘁中熬数据变成了“数援莰蘩”鼹褥谤阑韵 数掘文 牛。这样，使彳导银圣亍擐多羹要豹挟定不是基予数据熙售患丰赛的数握， 而是基于决策者的直觉，因为银行决策者缺乏从海爨数据提取有价值信息的 工其。而通j 过数獭挖獭工具进行数据分析，可以发现重要的数据模式，将银 行豹数据莰蘩转换为翔谈“会块”。 本文就是藿暇予翅蜒遁过数据挖掘技术，蜜褒锻括的客户关系管理勰题 进行探讨。从数据挖掘分类分析理论和c r m 入手，对数据挖掘的内涵、过程、 应用以及c r m 的核心思想和种类进行了论述。文中熏点研究了数据挖掘的分 类算法，并将相关的分类算法应用到银行c 蕊客户分类研究之中。 在数据捻撬分类分析串，本文播述了一般懿决繁撵冀法，奔绍并魄较了 几j 申典型的决策树算法。齑业银霉亍有一项主要业务是贷款，对于申谴贷款的 众多客户，银行难以发现他们的分类特征，针对这些客户的营销策略的制订 就照得缺乏依据。为魄，镁行可以利用c r m 系统数攒库或数据仓库中的数据 对客户群进行分类，发瑶串请或不串请贷款靛客户类型特征，麸褥为锻行贷 款业务制定最佳的擐导策略。奁本文中利用数援挖攒瓣分类功能，主要采楚 经典的i d 3 算法，进行客户分类应用研究。 关键词：数赫挖赫；c r m ：分类分祈：客户分类 哈尔滨：i ：槲大学硕十学位论文 _ i h i i i _ a b s t r a c t m a k i n gac o m p r e h e n s i v ev i e wo fw o r l d ，d a t am i n i n gs t a r tf r o mt h eb a n k a n dt h et e l e c o m m u n i c a t i o n b u tt h eb a n kh a sm o r ep r o f e s s i o n a ld a t ap r e s e r v e d t h a nt h et e l e c o m m u n i c a t i o n 。t h ec o m m e r c i a lb a n kh a st w ou s e f u lg i a n tr e s o u r c e s ： c u s t o m e rd e p o s i ta n dc u s t o m e rd a t a c o r r e s p o n d i n g l y , t h eb a n km a n a g e m e n th a s t w ob i gd u t i e s ：c u s t o m e rf u n dm a n a g e m e n ta n dd a t am i n i n g a tp r e s e n tc u s t o m e r d a t aa n a l y s i so ft h eb a n ki ss t i l la ta q u i t e 4 l o w e rs t a g e 。t h a tc a u s e st h eb a n kt r e a t i m p a r t i a l l yt ot h eg e n e r a lc u s t o m e ra n dt h eh i g hc o n t r i b u t i o nc u s t o m e r a l o n g w i t hu n c e a s i n gd e v e l o p m e n to fc u s t o m e rr e l a t i o nm a n a g e m e n t ，t h ea n a l y t i c a l e x c a v a t i o nt oi t sp o p u l a t i o nd a t ao ft h eb a n ki sa l s oi m p e r a t i v eu n d e rt h es i t u a t i o n + 强eb a n k m u s te s t a b l i s ht h ec u s t o m e rr e l a t i o n m a n a g e m e n to n c u s t o m e r s d e m a n d w i t hm o r ea n dm o r ea b u n d a n td a t ao ft h eb a n k t h em a s sd a t aa r ed e s c r i b e d a s ”t h ed a t aa r ea b u n d a n t ，b u tt h ei n f o r m a t i o ni sl a c k i n g ”。a sar e s u l t ，t h ed a t a c o l l e c t e di nt h el a r g e - s c a l ed a t a b a s et u r n e dt o ”t h ed a t ag r a v e ”b e c a u s et h eb a n k p o l i c y m a k e rl a c k st h et o o lw h i c hc a ne x t r a c tt h ev a l u ei n f o r m a t i o nf r o mm a s s d a t a m a n yi m p o r t a n td e c i s i o n so ft h eb a n ka r en o tb a s e do nd a t a 谢t l lr i c h i n f o r m a t i o ni nt h ed a t a b a s e ，b u to np o l i c y - m a k e r si n t u i t i o n 。d a t aa n a l y s i st h r o u g h t h ed a t am i n i n gt o o lm a yd i s c o v e rt h ei m p o r t a n td a t ap a t t e r n n a tt r a n s f o r m st h e b a n kd a t ag r a v ei n t o t h eg o l db a r ”o f k n o w l e d g e t h i sd i s s e r t a t i o nf o c u s e so nh o wt or e a l i z ec u s t o m e rr e l a t i o nm a n a g e m e n to f t h eb a n kt h r o u g ht h ed a t am i n i n gt e c h n o l o g y t h i sd i s s e r t a t i o ni ss t a r t e df r o mt h e t h e o r yo fd a t am i n i n gc l a s s i f i c a t i o na n dc r m a n dt h e ni td i s s e r t a t e st h e m e a n i n g ，c o u r s ea n da p p l i c a t i o no f d a t a sm i n i n gc l a s s i f i c a t i o n ，a n de r m sc o r e t h i n k i n ga n dt y p e 。t h ed a t am i n i n gc l a s s i f i c a t i o ni sd e s c r i b e de s p e c i a l l yi nt h i s d i s s e r t a t i o n ，a n da p p l yi ti nc r mc u s t o m e r sc l a s s i f y i n go f b a n k i n g i nd a t am i n i n gc l a s s i f i c a t i o na n a l y s i s ，t h i sd i s s e r t a t i o nd e s c r i b e st h eg e n e r a l d e c i s i o nt r e e sa l g o r i t h m ，i n t r o d u c e sa n dh a sc o m p a r e ds e v e r a lk i n do ft y p i c a l d e c i s i o nt r e ea l g o r i t h m t h ec o m m e r c i a lb a n k sap r i m a r ys e r v i c ei st h el o a n 晗尔滨：鞋大学疆士学能论文 t h eb 鑫酞h a sd i f f i c u l t yi nd i s c o v e r i n g c l a s s i f i e dc h a r a c t e r i s t i co ft h e m u l t i t u d i n o u sl o a na p p l i c a n t s + t h u sm a r k e t i n gs t r a t e g ya i m i n ga tt h e s ec u s t o m e r s 1 a c k st h ef o u n d a t i o n t l l eb a n km a yu s ed a t a b a s eo rt h ed a t aw a r e h o u s eo ft h e c r ms y s t e mt oc l a s s i f yc u s t o m e r s ， t h i sd i s s e r t a t i o nu s e st h ec l a s s i f i e df u n c t i o no fd a t am i n i n gt oc a r r yo nt h e r e s e a r c ho f c u s t o m e rc l a s s i f i c a t i o nm a i n l yu s i n gt h ei d 3a l g o r i t h m 。 k e y w o r d s ：d a t am i n i n g ；c r m ；c l a s s i f i c a t i o n ；c u s t o m e r sc l a s s i f i c a t i o n 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导 下，由作者本人独立完成的。有关观点、方法、数据和文 献的弓| 用已在文中指出，并与参考文献相对应。除文中已 注明引用的内容外，本论文不包含任何其他个人或集体已 经公开发表的作品成果。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。本人完全意识到 本声明的法律结果由本人承担。 作者(签字) ，陶塑塑 日期：年z 月7 曝 哈尔滨t 稃大学硕士学位论文 第1 章绪论 1 1 论文的选题背景及研究意义 1 1 1 论文选题的背景 我国加入w t o 意味着国内银行业将逐步全面地与国际银行体系接轨，更 多的外资银行将直接与本土的银行竞争。这为我国金融市场的发展提供了良 好的机遇，但是对于我国本土的银行来说，也必须面对由此而带来的考验。 国内银行业势必会受到一定的冲击，因为无论是从行业的成熟程度、资金实 力还是在管理运营的能力上都落后于起步早的国外公司。国外银行的竞争实 力不仅体现在雄厚的资金实力和丰富的管理经验上，而且体现在广泛应用信 息技术的方面。 在银行新模式中，尽管利息收入仍然是当前银行收入的主要来源，但是 随着金融市场的进一步发展繁荣，企业和居民的融资和投资渠道的增多，金 融服务收入、金融创新产品的收入必将成为商业银行利润的主要来源。此外， 商业银行传统的依靠分支机构数量而形成的规模优势也难以发挥原有的作 用，未来的发展必然会从追求“规模效益”转向挖掘“客户效益”。正是在此 背景下，客户关系管理( c r m ) 才逐渐被国外许多银行广泛地应用和实施。 银行业作为一个特殊的产业，其赖以生存和发展的条件就是客户资本。 进入2 1 世纪，银行业更处在一个以客户为导向的金融时代，积极收集客户信 息并进行充分的客户挖掘、调整和创新服务项目，设计出高附加值、个人特 色强的金融产品是银行经营的核心所在。因此，银行业实施c r m 势在必行， 而实施c r m 的前提是建立银行企业级的数据仓库。 面临着外资银行的压力和挑战，我国银行必须加快客户关系管理的建设， 通过c r m 系统对大量和零散的客户信息进行分析，找出各种数据之间的关联 性，并设计和衡量客户的需求、赢利能力、信用度、风险度、满意度和忠诚 度等指针，从而为优质客户提供满意的服务，为银行管理层提供准确及时的 决策支持，为我国银行提升竞争能力和赢利能力。 客户关系管理( c r m ) 是最近几年管理界热烈讨论的话题。经济的发展与 瞬承滨t 箨犬学硕士学盆论文 入& 玺滔隶平静提离，镬得藤先戳产赫为等淘的企渣经营模式已目益不熊满 足淡费畿多样佳、个性化瀵赞的鬟求，客户关系管理裁成必企渡界关注熬领 域。所谓客户关系管理是指做好对客户的服务工作，提高顾客服务黼质，以 提简客户满意度。保持客户忠诚度，其核心思想认为顾客是企业最蘸要的资 产，企盘为了更有效率港获淑、汗发并留僚最耋要静资产颓客，它需要 知遴客户主要的惹求是镗么，最在乎转么，在翻客户接魅豹过程中，睾 瓣客 户个别差异提供与需求相一数的服务计划。 当今银行的数据库减数据仓库中都搜集和存储了大量关于客户的宝贵数 据，这些数掘涵盖了从客户旗本数据、购买记录及客户反馈豹个个环节。充 分糕爱这些数据，深入分析、挖掘隐禽在这些数据孛豹春溺信患，涛有韵于 银行更好地管理客户关系，实现e 旯越的功黢积曼标。然露，出于缺芝在大量 数攒中发现深层次信息的能力，许多银行对于这些数据的利用还只是停鳃在 基础层的浏览、检索、查询和应用层的继承、组合、艇理蒋方面，而无法将 这鎏数凳转纯为更加有糟的知识。因此，如柯更加有效遍管理银行数据霹中 恢遴增妖蹇冬海量数据，将数摆资源斡利用撵裹到懿谈到暂涎高级除莰，恶经 成为企业当前霈要迫切解决的问题，数据挖掘( d a t a m i n i n g ，简称d m ) 技术的遥用就可以帮助企业很好地解决这个问题。 所谓数据挖掘( d a t am i n i n g ，d m ) 就感献大量的、不完全的、有躁声的、 模糊蠡冬、隧梳的数据中，提取豫禽在其中的、久餐事先不躲遒静毽又是潜在 有用蜓信息积知识的过程。具体到c 眺中，企业可以逶过数据挖掘，分别镀 对企业经营策略、目标定位、操作效能与测量评估等几个方面的相关问蹶， 从市场与顾客所搜集积累的大量数据中高效率地挖掘出消费者最关心、燎重 要豹答案，并盖戮诧建立真芷自客户畿求出发的客户关系管理。同辩完整 的数据挖掘逐霹钛数摆会痒提供瓣大爨矮客数撂中。挖掘剿充分浆镕患采指 导操作人员的行动，使他们能在遗当的时间、地点，提供顾客适量的产熟及 服务，大幅提高作业的效率。所以，对数据挖掘技术在银行业寤户关系管理 中的应用研究有重簧的理论和实用价值。 哈尔滨：糨大学硕士学位论文 _ i _ 。1 2 论文研究的嚣的和意义 综观全球，全t 界的数据挖掘都是从银行和电信开始，而银行的数据比 电信行业数据保存的恧为完整。谯商业银行有两个可利用的题大的资源；客 户豹存款帮客户豹数擐。穗应逸，疆行靛营理产垒了嚣丈矮务：朝客户瓷鑫 管理，数据挖掘。 从1 9 9 7 年以来，全球c r m 市场一直处于快速发展中，众世界范围来讲， 客户关系管理应用主要集中在金融、电信和锫4 旋罩亍业。在会融业，国内外的 热煮聚焦在浮翻串，& 帮数据挖撼这魏方嚣。在我国，大部分镶牙浆簿翻巾心 已经建成，正在积极地丌展电话银行业务。数据挖掘在国内商业银行的成用 几乎还楚一片空白，然而，面对海嫒数据，银行需要通过它增加效益。同时， 完整懿数攘挖据还霹辫麸数强露舞供斡大量客户数据孛，挖攘翻充分豹蘩惑 来指导锻行的营销活动，使他们熊在适当的时涧、地点，提供客户适量的产 品及服务，大幅提简工作的效率。 锇行霹翦的客户数据分拆仍处在 较低级除段，放赢导致银行对一般客 户与麓鼹簸的客户一援藏仁。醚饕客户关系管联的不凝发袋，银行对其入西 数据进行分析挖掘也贽在必行。这就要建立真胝由客户需求出发的客户关系 管理。 薅麓豢嚣数豢越_ 来越享富，大整静数摇狡撼述藏“数攒丰富，毽蔷意缺 乏”。快速增长的海擞数据收集、存放在大型豹数据库中。结果，收集在大型 数据库中的数据变成了“数据坟纂”难得访问的数据文件，这样，使得 鼹毒亍缀多重要的决定不是基于数撼蓐信息丰富豹数据，焉是蒸予决策者敕褒 觉，因为银行决策者缺乏飙海量数据提取有价值信惑的工必。丽通过数据挖 掘工具进行数据分析，可以发现爨疆的数据模式，将银行的数据坟墓转换为 知识“采块”。 本文藏是着袋予翔 霉逶遂数据挖箍菽寒，嶷现银行静客户关系管遴澜题 进行撩讨。 哈尔滨工程大学硕士学位论文 1 2 国内外研究的现状与发展趋势 1 2 1 数据挖掘的研究现状及前景 数据挖掘可以被看作是软件和应用技术，将数据转化为信息，并由此完 成数据仓库的应有承诺。数据挖掘确实是一种知识发现的方法它发现“知 识”，而这种发现可以被看作是将数据转化为信息的一套方法模式。 从数据库中发现知识( k n o w l e d g ed i s c o v e r yi nd a t a b a s e ，k d d ) 一 词首次出现在1 9 8 9 年举行的第十一届国际联合人工智能学术会议上。到目前 为止，由美国人工智能协会主办的k ) d 国际研讨会已经召开了8 次，规模 由原来的专题讨论会发展到国际学术大会研究重点也逐渐从发现方法转向 系统应用，注重多种发现策略和技术的集成，以及多种学科之间的相互渗透。 到了1 9 9 5 年，在美国计算机年会( a c m ) 上，提出了数据挖掘( d a t am i n i n g ， d m ) 的概念，即通过从数据库中抽取隐含的、未知的、具有潜在使用价值信 息的过程。数据挖掘是k d d 过程中最为关键的步骤。1 9 9 9 年，亚太地区在北 京召开的第三届p a k d d 会议收到1 5 8 篇论文，空前热烈。i e e e 的k n o w l e d g e a n dd a t a e n g i n e e r i n g 会刊率先在1 9 9 3 年出版了k d d 技术专刊。并行计算、 计算机网络和资讯工程等其它领域的国际学会、学刊也把数据挖掘和知识发 现列为专题和专刊讨论，甚至到了脍炙人口的程度。 “数据挖掘”这个概念已经使用多年了，并已频繁地应用到如查询语言 等知识发现的更传统的类型上。数据挖掘分为两种类型的知识发现：“验证驱 动”和“发现驱动”。“验证驱动的数据挖掘”包括使用常见的技术，如结构 化查询语言( s q l ) 编程或s q l 生成，通过查询和在线分析处理( o l a p ) 工具，来验证假设。“发现驱动的数据挖掘”包括智能软件的使用，如通过机 器学习、统计和数据可视化等来发现新的假设( 相对于验证前面所讲的假设 而言) 数据挖掘的算法研究主要探讨如何从不同的角度开发出适合不同类型数 据的、性能最优的算法。数据挖掘的算法已经比较普遍，各种优化算法和改 进算法的研究成果层出不穷。这些算法大部分都基于机器学习、模式识别、 统计学等领域，它们从不同角度实现对数据的探索。主要包括：多层次汇总 哈尔滨：i ：= 穰u 大学硕士学位论文 _ i i 皇蝴 算法、决茨撼算法、入工享枣经网络葵法、覆蕊蓬 l 倒 斥藏饿算法、糖糙嶷 算法、公式发现、统计分拆方法、模糊论方法、可视纯技术等等。 1 2 2c r m 的研究现状及特点 客户，在今天激熬静买方带场竞争中，已成为金监兴袭成败熬关键。据 施乐研究中心的调研报告：一个非常满意的客户其购买意愿将六倍于一个满 意的客户，而2 3 的客户离开其供赞商是因为客户关怀不够。c r m 是c u s t o m e r r e l a t i o n s h i pm a n a g e m e n t 戆缭麓，意为客户荚系管理。它不仅是当今 酸赛 各地工商企业界正猩讨论和广泛u 开展的一种新的经营管理模式，而且也怒学 术界十分关注的经营理论的前沿问题。 c r m 作为一秘蛰瑷现象早就孬在，健作必一秘成熬麴警疆思怨彝警壤技 术，粼怒这几年才必超的。c r m 源予8 0 年代视提出的“接触管理”( c o n t a c t m a n a g e m e n t ) ，即专门收集整理客户与公司联系的所有信息，是一种旨在改善 企业与窖户之间关系的管理机制。经历了二十霉的不断发麟，客户关系繁理 不叛滚变发震，逐灏彩藏了一套嚣瑾瑾论薅系帮应矮技零体系。 早期的c r m 偏纛于流程，称之为操作型c r m ( 或流程型c r m ) 。操作型c r m 是在市场、销售、服务等方面对众业的前端管理的业务流程进行重新规划和 调整，鞋最佳夔工终方式来获缛簸好匏效果。艇莛锌薅蓑察户数据熬丈爨积 累，辩数据的分析逐渐变成了企渡的负担。因髓，通过建立数据仓库，对客 户数据进行管理，并利用强大的分析和数据挖搠工具进行数据分析，成为c r m 必然的发展趋势，即c 脒出操作型向分析型发餍。 襻隧着c r m 理念静发展，c r m 软件阊样取褥了长跫豹发疆。c r m 软释大致 经历了如下几个过程：1 9 9 0 年左右为了满足市场的需要，许多的公司开始开 发s f a ( 销售队伍自动化系统) ，随后又着力于c s s ( 客户服务系统) 的开发 帮推广。列了1 9 9 6 冬一些公司恕s f a 窝c s s 簿今系统合势起来，著麴上帮场 营销( m a r k e t i n g ) 、现场服务( f i e l ds e r v i c e ) 。在这基础上褥结合c t i ( 计 算机电话集成技术) 形成集销售( s a l e s ) 与服务( s e r v i c e ) 为体的呼叫中心 ( c a l lc e n t e r ) 。这样就形成了今天的c r m 系统。从1 9 9 9 年以采，随着电予褒 务酶兴籁，c r m 淘e b r m e c r m 方向发展。 哈尔滨工稀大学硕士学位论文 - 一i 目i 遴入二十一世纪，馋随羞诗黪搬技术、蔓联睡技术敕发展，c r m 技术雯 是得捌长足的发展。主要表现为： ( 1 ) 充分利用数据仓库和数据挖掘的功熊，帮助企业决策分析； ( 2 ) 前台和后台将进一步融仑。后台软件的供货商继续扩充自身的翦台 譬瑾臻麓。蓊台款黪瓣洪簧褒蹭缀蠡身懿 i 誊鸯产菇与后台产赫豹集戒能力； ( 3 ) 呼叫中心的功能将大大扩充，特别嫩呼出功能，舆正地实现电话、 w w w 、e - r e a l l 、传真、无线通信、赢接接触等的融合，成为联系、接触中心； ( 4 ) 基于网络煞叁助服务褥成蔑企业自用户提供服务瓣燕要方式； ( 5 ) 将融入委多的合作伙伴关系管理( p 脒) 的功能： ( 6 ) 将融入知识管理和竞争情报的部分理念，成为知谚 管理和竞争情报 的有力工具。 c 勰静发震趋势： ( 1 ) 研究适于不同行业智能与分析型客户关系管理的数据仓库解决方 案； ( 2 ) o l a p 积数攘控掘提供宠熬熬c r m 分罄莩功能。 1 2 3 数据挖掘在银行c r m 中的应用的现状 数搬挖掘技术主鬟应矮子分攒墅客户关系镑瑾系统，惫疆客户分类、客 户保留、客户行为分析、客户穗稠能力分析等。客户分类又称为客户细分， 是指把一个庞大的消赞群体划分为一个个细分的客户群，同一细分群中的客 户具有某些相似的特征，如背景资料( 收入、麟住地等) 、盘利能力、消费偏 努等等，窝我嚣j 逶鬻掰辍豹按怒魏剩、年羚等遴幸亍鹃霾定分类不嚣，这蘩豹 细分是数据挖掘工具基于客户实际做过的事情( 即消费、行为数据) 自动分 析产生的，例如他们购买了多少产品、有什么样的喜好、盈利能力是多少等。 因建成为数摇驱动豹客户缨分。遴篷客户缨分，霉鏊壤镊行准确速把握瑷鸯 客户的状况，从而对产品和市场进行准确定披。 客户保留也是数据挖掘的典型应用，即通过分析客户历史交易数据柬预 测可能流失的客户。谯这些历史数摄中，包含避期已经“背叛”的和没有“背 叛”豹客户，然嚣配合客户豹牧慈信惑，对爱裔可链流失豹艇商子一定收益 6 哈尔滨“r ：群大学硕士学位论文 水平的客户采取相应的促销活动。客户保留通常会在客户细分的基础上执行， 为每一个缨分豹客户秀发定剿鬻韭疆动。这整豹每一个缓努豹客户包食了与 流失成本( 利润攀估计的容户生命周期) 相关的其它炎似假定。嗣辩，客 户保留还应完成以下工作：对保留客户的主要因素的验证，对赢回客户的主 要阑素和活动方式的验证以及时忠诚客户的特征攒述。 1 2 4 数据挖掘分类算法磷究现状 分类分析( c l a s s i f i c a t i o n ) 是数据挖掘的重要组成部分，也怒目前商 数点痖鬟最多戆数据挖掇薮零。分类分撰麓是我窭一缀缝够搐述数攘集合典 型特征的模型( 戏函数) ，以便能够分类识别未知数据的归属或类别( c l a s s ) ， 即将未知事例映像到某种离敞类别之一。例如：可以建立一个分类模型，对 镊雩亍贷款豹安全躐阪殓进行分类。诲多分炎分叛方法已教撬爨学习、专家系 统、统计学和神经生物学方鼷的研究者广泛应用。 数据挖掘分类算法主要谢机器学习方法、神经网络方法、统计方法、遗 传算法和粗糙集方法等。其中帆器学习方法包括决策树髑规则归纳法，前者 辩寝弱表示秀淡繁褥或翔裂秘，嚣者弱一般必产生式麓辩；棒经阏终方法主 要是b p 算法，它的模型表示魁前向反馈神经网络模型( 由代表神经元的节点 和代表联接权慎的边组成的一种体系结构) ，b p 算法本质上是一种a e 线性判 别溺数；统计方法毽菇雯盱戆法霰 参数法( 返邻学习竣基于事镤豹学习) ， 对，陵的知识表示则为判别函数和原型事例。丽遗传算法和粗糙集方法分类是 最j 垃新兴起的新型的分类方法，其研究和廒用正逐渐成为数据挖掘研究的热 点，并弓l 起广泛关注。 1 3 论文总体结构及创新之处 1 3 1 论文总体结构 本文的总体愚路是：借骚现有的c r m 骥论研究，缩合银行业的现状，建 立凝于数据挖掘技术的银行c r m 系统。其中着重点在决策树技术在锻行c r m 中黥瘟用研究。 哈尔滨1 i 程_ 人学硕士学位论文 论文首先介绍了写作背景、研究意义，并分析了国内外在数据挖掘、c r m 以及银行c r m 的研究现状及发展趋势。其次对数据挖掘、c r m 进行了概括描 述，全面系统的阐述了c r m 、数据挖掘的基础理论以及应用，使得对c r m 和 数据挖掘技术的应用有了全面的了解。然后介绍了数据挖掘在银行c r m 系统 中的应用，其中重点介绍了分类算法中的决策树算法。在此基础上构建了基 于数据挖掘的银行c r m 系统。最后将决策树技术应用于解决银行c r m 中的客 户分类问题。 1 3 2 论文创新之处 1 、银行业的分析型c r m 构建 本文提出了在数据挖掘技术的基础上建立银行分析型c r m 系统。阐述了 如何利用数据挖掘技术来对银行客户信息进行分析挖掘。重点论述了数据挖 掘算法( 决策树) 、数据仓库技术等计算机处理技术在银行分析型c r m 中的重 要应用。 2 、面向c r m 的分类分析研究 系统总结数据挖掘中分类分析方法，对各种分类分析算法模型进行对比 分析，从而得出各种分类分析算法模型的优缺点。在此基础上提出了基于决 策树技术的分类分析方法，并将其应用到分析型c r m 之中，通过实证分析与 传统分类分析方法进行对比，进而确定方法的可行性。 3 、决策树算法在分类分析中的研究 决策树算法( g e n e t i ca l g o r i t h m s ) 与其它分类算法相比有如下优点： 速度快；容易转化成分类规则：只要沿着树根向下一直走到叶子，沿途的分 裂条件就能够唯一确定一条分类的谓词。如：i ft h e r ei sap e r s o n ( a g e 4 0 ) a n d ( c r e d i tr a t i n gi se x c e l l e n t ) t h e nh ew i l ln o tb u yac o m p u t e r ； 更高的准确性。在对决策树算法的基本理论进行研究的基础上，本文着重探 讨了决策树算法在分类分析中的应用及实现方法。 哈尔演工程人学硕士学位论文 l 一i i i i _ 第2 耄相关理论 2 。l 数据挖掘概述 2 。t 数据挖瓣产生的鹜鬟 当全球向信息化社会迈进之际，人类利用信恩技术收集、加工、缎织、 生产信息躺能力墩大大提高，数使数鞋万计的备种类型的数据库诞生，它 f j 在秘举磷突、按拳开发、生产喾淫、枣场扩张、巍照运饕、敢寤办公簿方瑟 发挥蒋臣大的作用。数据库系统经过数十年的发展，已经保存了大量的日常 韭务数掇。睫着数糕露酾各类僖惑系绕应焉静不錾深入，数据爨豹鑫蕊积累， 每年都要积累大量黪数攘，并掇增爨发展趋势，大量信患是当今绩息 会的 特 芷，是我们的宝贵财富，然而面对海量数据，我们往往死所适从，无法发 现数据中绺在的关系和煅则，秃法根据现有的数掇预测未来的发展趋势。导 致了“我 1 淹没程数据的海洋中，俺缺少知识“的现象。 入销稽始考虑：“麴褥矛黥不被髂惠淹没， i 霉楚获串及辩笈黼有蠲豹翘谈， 提高信息利用率? ”大嫩数据的背后隐藏了很多具有决策意义的信息，通过 对海爨数据豹分耩，发骥数撵之阍静潢在联系，为人韵鬟供蠢旗决策支持。 数据携撼技术应运难生，在上述闲越靛解决审显零出强大懿生念力，遮鼹数 据挖掘技术从这些数据幽中挖掘出知识来。 数据挖握技术是人们长期对数糕痒技术遴嚣磺究和嚣发黪络果。数撼痒 技术最初用于联枫事务处理，即实现对大量数掇的统一存储，：持提供对数掇 翡套询、攒入、潮豫等搴务往搽作。随着大囊掰受数据静积繁，久稍不满怒 只是简单地查询和修改数据，而是希勰能够发现数据之间的潜在关系，因此， 对数据瘁技零提密了新酾要求，随着一些穗燕学辩和研究领城瀚西渐成熟， 鞋及瑷实鬣爨中囊烂竞争戆压力曩戆残酸，惫泣慧凌遮拳蘩= i 纛过抉逮处瑾这 些数据获得有利于企业进一步发展的决策依据，而是否能够最大限度地使用 售惠瓷滚滚管理秘影响企、监决繁滚援，垮决定金效是秀糖褰羧大程发的竞 争优势，数据挖掘技术于是出现了，并得到快速的应用。 9 哈尔滨j i ：獠大学硕士学能论文 2 1 ，2 数据挖掘的定义 数据挖掘( d a t am i n i n g ) 词最初出现于1 9 8 9 年8 月举行的第l l 届 国际联食人工智能学术会议上。人们提出了多种数据挖掘的定义，目前比较 公认豹定义是驿+ j f r a w l e y ，g + p i a t e t s k y - - s h a p i r o 等人撬爨豹：数瓣挖 掘，就怒从大型数攒鹰的数据中提取人们感兴趣的知识。这然知识是隐岔的、 事先未知的、潜在有用的信息，撼取的知识表示为概念、规则、模式和舰律 等形式。 这个定义包秸磐凡层含义：数据源登须楚赢实豹、大鬟豹、台嗓声；发 现的知 ： 是用户感戳趣的知识；发现的知识要可以接受、可理解、可运用； 不要求发现所有准确的知识，仅支持特定的发现问题。数据挖掘是一门交叉 学季季，它戆入髓怼数撰戆瘟弱簌 蕊矮次戆篾擎豢谗，提嚣戮扶数据孛熬攘妇 识，提供决策支持。通过数据挖灏，有价值的知识、规则或离层次的信息就 能从数据库的相关数据集合中抽敬出来，并从不同角度显示，从而使大型数 据痒 乍为一个丰富可嚣豁资源为戋瑟识归纳s 曼务。 当然数据挖掘并没有一个宪念统一的精确定义，在不嗣的文献或应溺领 域也有然芨它的定义。z e k u l i n 定义数据挖掘摄一个从大型数据库中提敬以 前为知的、可理解的、可执行的傣患，并用它米进行关键的商业决策过程， 这令定义主要是歇数瓣挖摇熬襄攮痤爰窭发，获蘧蕉凄看，数据挖掘麴主要 特点是对商业数据霹中的大量事务数据进行抽椒、转化、分析和模式化处瑷， 从中提取商业决策的芙键知识，即从数据库中自动发现相关商业模式。 数攒挖掘是一个测霭各静分砉睡工具在海量数据孛发瑗模型移数据阕关系 的过稔，使用这些横黧和关系可馘避行颈测，京帮韵决策者浔我数据闯潜在 的关联，发现被忽略的因素，因而被认为是解决当今时代所面临的数据爆炸 而信息贫乏问题的一萃巾有效方法。数据挖掘通鬻也称为k d d 一数据库中驰知 谖发璇。精确逮说，在k d d 中逡括翔识学嚣静除段称隽数摇挖掘。数撵挖掘 是k d d ( k n o w l e d g ed i s c o v e r yi nd a t a b a s e ) 中一个非常重要的处理步骤，但 人们通常不加区别地使用这两个术语。 数键挖握是一门交叉学科，激会了数据霹、久工骜毙、撬器学习、绫诗 学等多个领域的理论和技术。数据库、入工智能和数理统计照数据挖掘研究 1 0 哈尔滨1 ：襁火学硕士学能论文 熬三投强大救援本支 童。数据挖獬瓣方法和数攀工具钰括绕诗学、决策麟、 神经网络、模糊逻辑、线性趣划等。 2 1 。3 数据挖掘的过程 广义遣说，我稍研瑷将数攒挖掘定义为脊巍个步骤豹娥理过程。我 j 可 以这样束执行一个数据挖掘会话： ( 1 ) 集合用予分析的数据熊。 ( 2 ) 将数攥繁提交绘数攒挖握款箨程黪。 ( 3 ) 解释结果。 ( 4 ) 将结果运用于新问题绒新情况。 图1 1 绘出了一个结合4 步浚遴行筵单数掇挖握的过程暴意图，宅将帮 助我们撵述数据挖掘的每个步骤。 圈2 1 一个简单数据挖掘处理模型 2 1 ，4 数据挖攘的发展 目前，国外数据挖掘的发展越势其研究方蕊主要有：对知识发现方法的 疆究遴步发展，如避年寒注重黠b a y e s ( 煲时聚) 方法以及b o o s t i n g 方法 酶研究糯提高；传绕的统计学回熬法在k n ) 中豹应用；k d d 玛数据库的紧密 晗尔滨1 ：程犬学硬士学键论文 一i i i i _ 结合。在应掰方褥包括：k d d 鬻翌鞔徉工兵不新产生移完善，注蘩建立解凌 阍蘧的艇体系统，恧不是孤立的过程。用户主要集中在大型银器、嫖险公司、 电信公司和销售业。国夕 很多计算机公司非常熏视数据挖掘的开发应用，i b m 和微软都成立了相应的研究中心进行这方面的工作。许多著名的计算机公司 开始开发尝试着k d d 软箨静开发，阮较熊型豹如s a s 公司的e n t e r p r i s e m i n e ，i b m 公司鲍i n t e l l i g e n tm i n e r ，s g i 公司熬s e t m n e r ，s p s s 公司爨 c l e m e n t i n e ，还有k n o w l e d g ed i s c o v e r yw o r k b e n c h 、q u e s t 等。这些系统基 本上代寝了自2 0 世纪8 0 年代以来的数据挖掘技术的发展采用的发现方法 综合了数据簿、专家系统、模式识剐、机器学习、统计学、科学发现和数据 分板等镶域瓣磅究残暴。继总静来浚，这些系统基本上遥搏聱在实验除段， 在适用性，蓉统效率方面还不尽人意。知识发现的发展经历了短短的卡年时 间，虽然还朱达到实用化的程度，但探索者们融从备自的背景出发做了大量 的工作。数据挖搠和知识发现的概念和理论自1 9 9 5 年提出以来，得到了很大 豹发震。 曩懿毒缀多遴用熬数撼挖撼系统趋彝予提供适髑予务静巅犍盛鼹的横自 解决方案( h o r i z o n t a ls o l u t i o n ) ，两不是针对某个特定的应用的解决方案。 对某个特定领域的一些数据或应用可能需鬻特定的算法来查找模式，而通用 的数据挖掘系统对这麴特定领域的数据有其固有的简限往，有可能不能满足 要求。疆j 毙，骚错基予莱个特定镶域瓣数攥挖掘王篡将显褥楚为重要。专躅 的数据挖掘系统够提供纵向鳞决方案( v e r t i c a ls o l u t i o n ) ，搬特殊领域 的业务逻辑和数据挖掘系统集成起来，将数据分析技术与特定领域知识结合 以完成特定的任务。舀前的应用领域多集中于生物医学，d n a 分析，金融， 零售盈和毫信部门等。 2 1 5 数据挖掘的应用 目前，数据挖掘最集中的应用领域包括以下九个方砸，磁且每个领域又 都有自融特定的应用问题和应用背景。 ( 1 ) 金融。众融事务需要收集帮处理大量的数据，通过对这些数帮进行 分掇，发瑷葵数攒模式及特薤，然薏霉能发瑷巢令客户、游赞群体袋缮缀静 哈尔滨j ：张大学硕士学能论文 全融和巍鼗兴趣，墩可理察金融枣场躲变纯趋势。数据挖撼在全融颁域艨用 广泛，镪括数据清理、金融市场分析预测、藏户分类、信用评估等。美潮银 行使用数据挖掘侦测哪个客户正投使用美国银彳予的哪种产晶，以便他们熊够 正确的产品和服务组合，更好地满足客户的需求。 ( 2 ) 保险登。辩受险天虽妻孽分类褥毒瑟予确定适当戆缣貔垒额瘦。遴遵 数据挖掘可以得到，对不同行业的人、不同年龄段的入、处于不同社会屡次 的人，他们的保险金应该如何确定。另外，还可进行险种关联分析，分析购 买7 其耱保险的人怒孬又露时魏罴努一静保险，氇霹预测赞么榉静颞窖将会 购买新羧种。 ( 3 ) 卫生保健。卫生保健业宵大量的数据需要处理，但这个行业的数据 由不同的信息管理系统管理，数攒以不同的格式保存，从总体看，数据是无 缝缀豹。在这令嚣敛审，数据挖攘的关键蘩务楚遂孬数据渣遴、颈弱医疗僳 健的费用。例如，g t e 实验室开发的k e f i r ，窀能进行多维分析，用以分析 g t e 的医疗保健数据，对比数据和预测数据，谯定薰范围内解释偏差，生成 超文本掇表。 ( 4 ) 市场业。市场监应用数据挖掘技术进行市场定位、消费者分析、辅 助制定市场营销策略蒋。 ( 5 ) 零售业。零售业是最警运用数据挖掘技术的行业。露裁，主要艨用 于销售预测、痒存黉求、零售点豹选择、徐穆分丰厅等。 ( 6 ) 制造业。制溉业应用数攒挖掘技术进行零部件故障诊断、资源优化、 生产过稷分析等。 ( 7 ) 工程窝秘学。在售塞塞援为庞大戆天文、气蒙、玺糍缓寒等镶域审， 所获得的大量实验和观察数据靠传统的数据分析工具难以应付，因此对功能 强大的钾能化自动分析工具要求迪切，这种需求推动了d m 技术在科学研究 领域的威用发展。毽魏已获褥了一蹙重要鲍磺究成果，包括天空图像分车蓐、 金星上酌火由定位秘遗震静候测。 ( 8 ) 司法。数据挖掘也可应用于案件调查、诈骗监测、犯罪行为分析簿 方面，这些都可以给司法工作带来巨大的收益。 ( 9 ) 运动葶羹游戏。多谂多猛燕职整篮球敬瓣韵璞教练b r i a nj a m e s 壤矮 a d v a n c e ds c o u t ，i b m 专门为n b a 开发的一种数据挖掘数据仓库工具，给出 哈尔滨工程火学硕士学位论文 _ i i 一 最好鼢运动员搭配，以敬得很好的蹴赛成绩。游戏产娩将客户髂清方式的历 变模邀结合起寒，确定客户在炎黩德镪喜欢瓣赋潜辩，会莛( 埝) 多少钱。 2 2 分类算法搬述 2 。2 。 分类的概忿 数耀挖掘中的分类方法是将数据集按某个指定的属性划分，并给如分类 蕊刚。分类闷题可掰数据痒术谮表示如下：对予一个给定豹数攥集，该数据 集其窍m + l 令属瞧( 字羧) a ；，a ：，氛，e 。量均为耱类字羧。e 穆 为分类属性。将此数据鬃按c 的属性值分类，形成一个分类模烈。再用该模 型对凝豹数据集遴行分炎颈溅，菠袁汪魏瑟数据繁a ；，如， a 。懿篷鹣 情况下预溅分类演性c 的值。分类麓越分魏耀个步骤； i + 剖建分类模型： 这是个壤器学习过程，用分类算法和一个类别己经确定的数据集创建 分类模型。孀于剖建横戮的数前集叫谢练集。训练集用其分类满性的属瞧值 表示凝鬟，溺练集巾每一条记录都满予一个确定静黉羯。势类攘鍪孛戆鼗溺 模式可以用分类规则，决策树，或者数学方稳的形式来表达。 2 。使爝模型鞭灏： 鹱爆分类模型瓣必矮焉一定灼方法售计分类横烈熬准确率。这可搜建翅 建钓模型对一个类别已知的数攒集测试集上避行预测，并将预测结果和 实际健进盼比较。测试嶷稠训练集必瀑是摆曩独立的，秀蹋达到定准确零 的分类模型预测类剜的数据集。 分癸在撬器学习中被稼之为有蕊瞽静学习，这莛因为谰练集翁类剿筵确 定的，而类别未知的数据集是基于训练集