（工商管理专业论文）数据挖掘技术在商业银行CRM中的应用研究.pdf

f f l i | i f i f i i i | f l f i i | l l l f f i f f i i | | i i j f l i f y 17 6 2 0 7 东南大学学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得 的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含 其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构 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献均 已在论文中作了明确的说明并表示了谢意。 研究生签名 东南大学学位论文使用授权声明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位 论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人 电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论 文被查阅和借阅，可以公布( 包括刊登) 论文的全部或部分内容。论文的公布( 包 括刊登) 授权东南大学研究生院办理。 研究生签名越导师签名：她 研究生签名缆益鳢导师签名：铀! ) ! 年 摘要 数据挖掘技术在 商业银行c l m 中的应用研究 研究生姓名：李家明导师：胡小平副教授学校名称：东南大学 随着以客户为中心的客户关系管理技术在银行业的不断应用和发展，银行服务不断改善 提高的同时，产生了大量的客户数据，充分挖掘这些数据中隐藏的有用信息可以为银行的经 营决策带来极大的帮助。在海量的数据面前，一般传统的统计技术显得力不从心，数据挖掘 技术具有善于从大型数据仓库中挖掘有用信息的特性，能够有效解决银行客户关系管理中处 理客户信息的难题。 本文首先分析银行客户关系管理的内涵、目标、实施内容和特点，并分析了目前商业银 行客户关系管理系统存在的问题和不足。然后，通过对数据挖掘技术在商业银行客户关系管 理系统中的应用、实施过程和特点的分析，将数据挖掘技术应用于银行业：结合数据挖掘中 的决策树分析方法，对银行的客户流失情况进行研究；结合模糊聚类分析方法对客户进行细 分；利用关联分析方法进行交叉销售。 数据挖掘技术可以有效地从大量的客户数据中发现有用的信息和知识，进而可以有效提 升客户关系管理的质量，达到提高银行竞争力的目的。本文论述了基于数据挖掘技术的客户 关系管理在银行领域，特别是对银行客户流失和客户细分分析中的应用，这些内容对商业银 行的客户关系管理的逐步实施具有一定的借鉴意义。 关键字：客户关系管理，数据挖掘，决策树，模糊聚类，关联分析 s t u d yo na p p l i c a t i o no fd a t am i n i n gi n c o m m e r c i a lb a n kc r m g 硼m t e ：l i j i a - 曲gs u p e i s o r ：h ux i 玲p i n g s c h 0 0 l ：s o u m e a s tu n i v e r s i 锣 a b s t r a c t a sac u s t o m e 卜c e n t r i cc u s t o m e r 咒1 a t i o n s h i pm 锄a g p m e n tt e c l l n o l o g yi i lt 1 1 ec o n t i n u o u s a p p l i c a t i o n 锄dd e v e l o p m e n to ft 1 1 eb a i l l 血gs e c t o r ，b 锄l ( i n gs e r v i c e s ，w h i l ei m p r o v e s b a i l l 【 s e r v i c e sc o n t i n u o u s l y ，陀s u l t i n gi na1 嘴en u m b e ro fc u s t o m e rd a t a ，t 0 如l l ym i n et h eh i d d e nd a t a b a j l ko fu s e 缸li n f 0 r m “o nf o rm 锄a g e m e n td e c i s i o n 仃e m e n d o u sh e i p i nt 1 1 ef 孔eo fm a s s i v ed a l 饥 仃a d i t i o n a ls t a t i s t i c a lt e c h n i q u e sa p p e a r e dt 0b ei n a d e q u a t e ，d a t am i n i n gt e c h n o l o 科i sg o o da t m i n i n gl a r g ed a t aw a 他h o 吣ef e a _ t u r e su s e 如li n f o m l a t i o l l ，c a ne f l e c t i v e l y s o l v et 1 1 e b a n k i n g c u s t o m e rr e l a t i o n s h i pm a n a g e m e n tp r o b l e mi nt h eh a n d l i n go fc u s t o m e ri n f o n n a t i o n t l l i sp 印e r 锄a l y z e st h eb a l l h n gc u s t o m e rr e l a t i o n s h i pm a n a g e m e n t ，c o n t e 吐o b j e c t i v e s ， c o n t e n ta 1 1 df e a ：t u r e st o i m p l e m e n t ，a n da n a l y z e st h ec u r r e mc o m m e r c i a lb a n i ( i n gc 似o m e r r e l a t i o n s h i pm 锄a g e m e n ts y s t e mp r o b l e m s a n d d e f i c i e n c i e s t h e 玛m r o u g hd a _ t am i n i n g t e c l l i l o l o g yi nc o m m e r c i a lb a r l l 【i n gc u s t o m e rr e l a t i o n s h i pm a n a g e m e n ts y s t e m ，i m p l e m e n t a t i o n p r o c e s s 锄dc h a r a c t e r i s t i c so ft h ea n a l y s i s ，d a t am i n i n gt e c l l l l i q u e sa p p l i e dt ot h eb a n l ( i n gi n d u s t i y ： c o m b i n e da n a l y s i so fd a _ t am i n i r 唔i nt t l ed e c i s i o n 仃e em e m o d ，t h eb a l l 心sc u s t o m e r sl o s ss t a t u s r e s e a r c h ；m z 巧c l l l s t e r 觚a l y s i st 0s e 舯e n tc u s t o m e r s ；b ya s s o c i a t i o na n a 矽s i sf o rc r o s s - s e l l i n 昏 d a t am i n i n gt e c h n o l o g yc a nb ee 行e c t i v e l yd a t a 丘o mal a r g e 舢m b e ro f c u s t o m e r sf i n du s e m l i n f o 砷a t i o n 卸dk n o w l e d g e ，锄dt h u sc 锄e n h 锄c et h eq u a l 时o fc u s t o m e rr c l a t i o n s h i p m 锄a g e m e n t ，t oe n h a n c et h eb a m ( c o m p e t i t i v e n e s so b j e c t i v e i nt h i sp a p e r ，b a s e do nd a t am i n i n g t e c h n o l o 舒协c u s t o m e rr e l a t i o n s h i pm a n a g e m e n ti i lt i l eb a n 虹n gs e c t o r ，p a r t i c u l a r l yt h el o s so f b a i l l 【c u s t o m e r sa i l dc u s t o m e rs e g m e n t a t i o n 绷a l y s i s ，t h ec o n t e n to ft h ec o m m e r c i a lb a n | 【s c u s t o m e rr e l a t i o l l s h i pm a n a g e m e n tp r o v i d e sac e r t a i nr e f e r e n c ei nt h e 掣- a d u a li m p l e m e n t a t i o n k e yw o r d ： c u s t o m e rr e l a t i o n g h i pm 矾a g e m e n t ，d a 协m i n i n g ，d e c i s i o n 订e e ，f b z z yc l u s t e r i n g ， c o r r e l a t i o na n a l y s i s n 目录 摘要i a b s l i t i c t i i 论文插图索引i v 论文表格索引v 第l 章绪论l 1 1 选题的背景1 1 2 研究目的、意义1 1 3 国内外研究现状3 1 4 论文的基本结构一6 第2 章相关基础理论介绍8 2 1c r m 概述8 2 2c i t m 的内涵8 2 3c r m 的功能1 0 2 。4 数据挖掘的定义1 l 2 5 数据挖掘的方法论1 2 2 6 数据挖掘的实施流程。1 8 第3 章数据挖掘技术在商业银行c r m 的应用2 l 3 1 商业银行c r m 的内涵与目标2 l 3 2 商业银行c i t m 的实施内容一2 l 3 3 商业银行c r m 的特点2 2 3 4 商业银行c r m 系统存在的问题2 3 3 5 数据挖掘在商业银行c r m 中的应用现状2 6 3 6 数据挖掘在商业银行c r m 中的实施过程2 7 3 7 商业银行c r m 中数据挖掘的特点2 8 第4 章某商业银行c r m 中数据挖掘应用实例3 0 4 1 某商业银行c l 蝴系统介绍3 0 4 2 数据挖掘技术在某商业银行c r m 中的功能3 4 4 3 数据挖掘技术在某商业银行c i t m 中的应用实施3 5 4 4 数据挖掘技术在某商业银行c r m 中的应用效果及指标建议5 1 第5 章研究结论与展望。5 5 5 1 研究结论5 5 5 2 展望。5 5 j l i 谢：；7 参考文献5 8 作者简介。6 l l l i 论文插图索引 图2 1 银行贷款客户决策树图1 7 图2 2 知识发现的一般过程17 图4 1银行c f t m 系统结构3l 图4 2c i t m 系统的数据流向3 2 图4 3c r m 首页3 4 图4 _ 4 决策树。3 4 论文表格索引 表4 1 训练集元组3 7 表4 - 2 预测流失的细分群及其特征3 8 表4 3 某银行客户细分多维模型设计表4 3 表4 _ 4 客户有效字段表4 3 表4 5 标准化的数据表4 3 表4 6 客户业务类型情况表4 3 v 第l 章绪论 1 1 选题的背景 第1 章绪论 随着2 0 0 6 年1 2 月1 1 日中国加入世贸组织五周年这一天成为历史之后，中国入世后的 保护期正式结束，中国金融业向外资银行全面开放人民币业务1 1 。近年来，我国商业银行 通过不断深化改革取得了明显的进步，但与外资银行相比仍有着不小的差距。根据业界认可 的“二八”定律2 ，2 0 的优质客户能为银行创造8 0 的利润，因此今后如何提高对2 0 优质客户的服务质量，对其进行科学地管理和维护，是外资银行与商业银行展开激烈竞争的 主战场。在客户关系管理方面，外资银行已经积累了相当的经验，而商业银行一直以来对客 户实行无差别的对待。近年来部分内资银行已经开始注意对客户实施区分，但“以客户为中 心”的理解仍停留在表面，并没有做到k y c ( k n o wy o u rc u s t o m e r ) 掌握客户所需，也不能 为黄金客户提供有特色和针对性的“一对一”服务。从国外银行业成功的发展经验分析，加 强客户关系管理( c u s t 伽e rr e l a t i o n s h i pm a n a g e m e n t ，c r m ) 是商业银行未来发展的重要 方向和趋势。 随着以客户为中心的客户关系管理技术在银行业的不断应用和发展，银行服务不断改善 提高的同时，产生了大量的客户数据，充分处理这些数据中隐藏的有用信息可以为银行的经 营决策带来极大的帮助。 数据挖掘是要从大型数据库或数据仓库中提取隐含的、未知的、非平凡的及有潜在应用 价值的信息或模式。具体到银行业中，数据挖掘被广泛应用于客户群体细分、客户行为分析、 客户流失分析、客户价值分析、客户忠诚度分析、业务风险分析、数据库营销等业务主题3 。 数据挖掘结合银行客户关系管理，可以指导银行在激烈的市场竞争中为客户提供个性化 的产品和服务，可以帮助银行有效的预测和防范各类风险，可以准确的发现和保持优质客户， 可以大大降低低效的投入和成本开支，可以提供更多个性化的优质产品和服务。有鉴于此， 本论文就银行客户关系管理中数据挖掘的应用展开研究工作。 1 2 研究目的、意义 c 脒有助于企业维持和加强客户关系，提高客户忠诚度，降低营销成本，进而为银行带 来更多的利润。我国商业银行业必须利用c 雕这一利器来保证在竞争中的地位。 l 1 2 1 理论意义 ( 1 ) 促进银行完善内部管理“1 由于各大银行拥有数量众多的分支机构，目前的c 跚系统多数采取分布式数据库环境， 即每个分支机构都有自己的客户关系管理系统。这些分支机构的客户关系管理系统与本地的 综合业务系统以及呼叫中心连接，但相互之间的数据库没有联网，也没有上传到总行进行整 合、分析。数据信息的分割使内部管理的效率低下，各部门之间缺乏协作与沟通，造成银行 风险防范能力较弱。c 雕可以使银行致力于构建扁平化的营销体系，建立以客户为中心的新 业务体系，改造后的体系将会使信息和资源流动顺畅，提高运营效率。 ( 2 ) 提高客户满意度和客户忠诚度 我国金融业已进入买方市场阶段，能否与客户保持长久关系会直接影响银行的利润幅 度，关乎银行的生存和发展。随着竞争的加剧，产品和服务也被迅速模仿，金融创新只能获 得短暂的竞争优势，只有数量稳定的忠诚客户才是获得长久竞争优势的保证。客户的满意度 和忠诚度的培育成为每个银行关注的核心问题。c r m 的核心思想就是倡导以客户为中心，对 银行与客户的关系进行有效管理。只要真正地做到以客户为中心，进而获得忠诚客户，才能 保证银行利润来源。 ( 3 ) 进行客户分析，开展交叉销售 银行在多年的发展过程中已经积累了大量的客户数据，但这些数据是杂乱无章的。银行 导入c r m 可以改变原来对客户的模糊认识，了解客户需求，充分利用客户的信息，从中发 现更多具有商业价值的线索。对客户进行分类与消费预测，向原有客户推荐新的金融产品， 可更好地满足客户需求，提高客户满意度，增加银行的利润。交叉销售能够使银行利用与客 户原有关系创造出更牢固的关系，降低营销传播费用，培养忠诚客户，提高组织效益和效率。 ( 4 ) 应对外部环境变化 我国大型银行很多都是商业银行，是从垄断市场发展起来的，现在则需要面对外资银行 和国内股份制银行的竞争。这些银行也在不断寻找生存的办法，进行金融产品和服务创新。 降低成本，保持竞争优势。目前，大多数银行的业务项目内容雷同，费率一致，产品同质化 严重，转移成本很低，只有为客户提供个性化的服务才能真正留住客户。 1 2 2 实践意义 在当前已经运用c 跚的商业银行中如何做好客户信息处理是其满足经济发展全球化的客 2 第l 章绪论 观要求，是商业银行主动融入市场竞争，全面提升经营水平的必然选择，也是实现可持续发 展的必由之路。 1 3 国内外研究现状 1 3 1c r m 国内夕卜现状 客户关系管理( c u s t o m e rr e l a t i o n s h i pm a n a g e m e n t 简称c 蹦) 这个名词最先是由全球最 著名的i t 分析公司g a r t n e rg r o u p 于1 9 9 5 年提出的，g a r t n e rg r o u p 认为所谓的客户关系 管理就是：为企业提供全方位的管理视角；赋予企业更完善的客户交流能力，最大化客户的 收益率巧1 。c r m 是现代服务营销理念和方法在i t 的支持下产生的，既是一种管理思想，又 是一种解决方案，同时也是一套应用系统。 g r e e n b e r g ( 2 0 0 1 ) 认为客户关系管理技术可以分为运营型客户关系管理、分析型客户关 系管理及协作型客户关系管理6 1 。j 硼e sb a r n e s ( 2 0 0 2 ) 提出企业忠诚经营的模式7 1 ，：在一 个公司中建立起关系为基础的营销观念，要求所有的员工更加注意做好营销的细节，为客户 带来价值，实现客户的长期满意而不是一次性的交易，从而赢得顾客的忠诚，进而保证企业 股东价值的最大化。美国调研机构m e t a g r o u p ( 2 0 0 2 ) 在g r e e n b e r g ( 2 0 0 1 ) 对c 跚分类的基础 上，对这一分类进行了完整的定义，使这一分类得到了业界的公认噶1 ，运营型c r m ，即所谓 的前端办公室应用，包括销售自动化、营销自动化、服务自动化等应用，以及前端办公室和 后端办公室的无缝集成：分析型c r m 用于完成客户关系的深度分析，与数据仓库技术密切相 关，运用数据挖掘，交互查询和报表等手段，了解客户的终身价值、信用风险和购买趋向等： 协作型c r m 为客户交互服务和收集客户信息提供了多种渠道及联系手段，提高了企业与客户 的沟通能力。协作型c 蹦还利用网上聊天、语音处理以及其它基于i n t e r n e t 的技术，发掘 了各种与用户交流的新途径。王健康( 2 0 0 3 ) 从价值链的角度对客户关系管理的本质进行了研 究，认为客户关系管理的核心就是客户价值管理9 1 。 虽然当前有关c 跚的研究十分零散，但总的来说大致可以分成两大阵营：一类是学术 界和实业界的探索；另一类则是以s a p 、s a s 和i 酬等为代表的c 跚方案平台开发商。其中， 前者关注的主要是顾客关系的有效管理与运用，主要包括四种流派：( 1 ) c 跚是一种经营 观念，是企业处理其经营业务及顾客关系的一种态度、倾向和价值观，要求企业全面地认识 顾客。最大限度发展顾客与企业的关系，实现顾客价值的最大化。( 2 ) c 跚是一套综合的 3 东南大学硕士学位论文 战略方法，用以有效地使用顾客信息，培养与现实的、潜在的顾客之间的关系，为公司创造 大量价值。 ( 3 ) c 跚是一套基本的商业战略，企业利用完整、稳固的顾客关系，而不是某 个特定产品或业务单位来传递产品和服务。( 4 ) c 脚是通过一系列过程和系统来支持企业 总体战略。以建立与特定顾客之间的长期、有利可图的关系。其主要目标是通过更好地理解 顾客需求和偏好来增大顾客价值。后者强调的是从技术角度来定义c 跚，将其视作一个过程， 强调庞大而完整的数据库( 或数据仓库) 和数据挖掘技术等高级支持技术，目的是使企业能够 最大化地掌握和利用顾客信息。增强顾客忠诚和实现顾客的终生挽留，并通过c r m 应用软件 的形式加以实现们。 1 3 2 数据挖掘技术国外研究现状 数据挖掘技术是近年来在国外得到广泛应用的一门新兴边缘技术，首先在银行、保险公 司、电信公司和大型零售行业得到了广泛应用。数据挖掘的研究正方兴未艾，其发展前景已 经在国际上得到了确认。数据挖掘技术在c r m 中的应用研究是当前的研究热点。目前国外在 c 跚中进行有效的数据挖掘的研究主要集中在以下几个方面1 ： ( 1 ) 挖掘方法的研究。这方面主要集中在挖掘的类型知识、各个抽象层的交互知识挖 掘、数据查询语言，以及并行挖掘、分布式挖掘和增量挖掘等算法的研究上。 ( 2 ) 性能研究。主要包括挖掘算法的有效性和可伸缩性、模式的评估和兴趣度度量、 挖掘应用的效益等方面的研究。 ( 3 ) 数据的研究。这方面包括数据库类型的多样性问题、复杂数据类型的处理、噪声 数据和缺失数据的处理，以及异种数据库和w e b 上的数据挖掘等。 ( 4 ) 与用户交互的研究。这方面主要研究数据挖掘结果的表示和可视化，领域知识的 运用，挖掘过程的简化和可理解性等。 国外已有将数据挖掘技术应用于客户流失分析和预测的研究，其应用领域主要是电信 业。国外一些学者对数据挖掘在银行c r m 中的应用作出重要阐述，认为客户关系管理为客户 与银行之间创建了一个沟通渠道，数据挖掘优化了c 麟的服务功能。通过分析客户的交易行 为，更好的了解客户和保留客户，挖掘客户的爱好和兴趣，从而以最快的速度响应客户的需 求，为客户提供最优质的服务，极大地提高客户的忠诚度。集成有数据挖掘技术的营销辅助 工具可以提供高精确度的模式识别和预测功能，使商业人员有效地策划和开展营销活动。 b r e i m a n 将分类和回归( c a r t ) 算法应用于基于客户人口特征、合同数据、客户服务日志的 4 第l 章绪论 客户扰动预测力；c h i h p i n gw e i 开发了以决策树方法为基础、可以在合同水平上识别潜 在流失者的分类组合预测技术”；c 0 1 9 a t e 采用问卷调查方法对爱尔兰银行学生市场的客 户保持进行研究，发现了客户流失的原因和流失率4 1 ；a 1 1 m a d 采用收集证据的方法对某银 行电话银行业务的客户保持情况进行了研究1 5 1 ；c a r d e l l 等学者运用树网模型( t r e e n e t ) 研究移动通信行业的客户扰动问题，考察了与客户流失相关的变量并预测客户流失的概率 1 6 1 。扰动预测的研究主要通过考察客户流失变量并应用各种数据挖掘和统计技术构建精确 的扰动预测模型。但对银行行业客户流失原因和预测模型进行考察和研究的文献较少，而且 主要通过调查方法获得客户人口特征，但通过这种方式获得的信息成本较大，且获得的信息 非常有限，这影响了客户保持预测的精确性。 与此同时，国外的许多研究机构和银行也在这方面进行了实质性的研究和产品开发，并 且在银行业得到广泛应用。早在1 9 9 5 年，在美国前1 0 0 家商业银行中，就有超过5 0 家投产 了数据挖掘项目。目前在美国，数据挖掘技术已广泛地应用于信用评估、欺诈发现、客户保 持、营销策划、价格制定、投资组合分析、财务分析、安全管理和战略规划等银行经营、管 理和决策的各个方面。如美国删c 公司开发了m a r k s m a n 数据挖掘工具，美国f i r s t a r t 银行 使用该数据挖掘工具根据客户的消费模式预测何时为客户提供何种产品；i b m 公司开发了 i n t e l l i g e n tm i n e r 软件，m e l l o n 银行使用该数据挖掘软件提高销售和定价金融产品的精确 度，如家庭普通贷款。此外，美国第一银行、f c c 国家银行、w e l lf a r g o 银行和化学银行也 都采用了数据挖掘技术，并取得了显著的效果n 7 1 。 在客户关系管理中应用数据挖掘技术，为银行提供的投资回报率平均超过4 0 0 。伴随 数据挖掘技术的发展，国外很多大的银行为了能从庞大的数据中获得有用信息，纷纷把数据 挖掘技术运用于经营、管理和决策的各个方面。可以说，数据挖掘技术已成为外资银行在激 烈的市场竞争中获胜的关键技术。 1 3 3 数据挖掘技术国内研究现状 中国商业银行的信息化在近1 0 年内有了长足的发展，从最初的业务处理电子化，到后 来各银行内部网络和垂直业务体系的建成，直至数据大集中工程的实施，达到了前所未有的 高度。但是，信息化本质是保证银行具备核心竞争力的一系列重要工具，而在信息化工具组 合中，更为锐利、高效和复杂的数据挖掘工具，还没有被中国银行业所广泛掌握n 幻。 在金融业，国内外的热点聚集在呼叫中心和数据挖掘( d a t em i n i n g ，简称聊) 这两方 5 东南大学硕士学位论文 面。我国银行c 跚的研究和应用仅有几年的时间，大部分银行的呼叫中心已经建成，而数据 挖掘在国内商业银行的实际应用还很少，在金融业很少有将数据挖掘与我国银行c 跚相结合 的突出的研究成果，也缺乏大规模的成熟经验9 1 。 目前国内从事数据挖掘研究的人员主要在大学，也有部分在研究所或公司。所涉及的研 究领域很多，一般集中于学习算法的研究、数据挖掘的实际应用以及有关数据挖掘理论方面 的研究口。目前，国内数据挖掘的研究主要集中在数据挖掘与空间地理信息的紧密结合， 从而应用于国土规划、农业生产、疾病预报( 如2 0 0 3 年的s a r s ) 。国内进行的大多数研究 项目是由政府资助进行的，如国家自然科学基金、8 6 3 计划、“九五”计划等。 相对国外而言，我国的研究和西方发达国家相比明显落后。数据挖掘技术在我国银行客 户关系管理中应用的研究尚处于起步、探讨阶段，对国外成果的引进、介绍、吸收阶段面对 数据挖掘这种功能强大的新兴边缘技术以及国内银行薄弱的客户关系以及长期积累下来的 海量客户数据，如何充分利用如此庞大的金融数据并从中挖掘出有价值，改善银行与客户的 关系，己成为国内银行客户关系管理中数据挖掘应用研究的焦点2 。在国内现有的研究文 献中，关于数据挖掘在银行c 脚中应用的研究还非常少。相关研究主要有：对数据挖掘及其 在银行业的应用进行研究；对数据挖掘在商业银行中的应用趋势进行分析与展望；对数据挖 掘在银行c r m 中的应用进行尝试性、探索性研究等。以上的这些研究虽然具有开拓性意义， 但基本属于描述性文章，并未对数据挖掘在银行c 跚中的应用及具体实施方法进行深一步的 研究。另外，国内一些专家对客户关系管理进行了研究，主要有：对我国银行业客户关系管 理的含义、效用以及实施步骤进行概括性研究；对以c 跏为核心的银行信息系统架构和功能 架构进行研究。上述研究或是只侧重于数据挖掘的技术讨论，或是只侧重于国外银行客户关 系管理理论和方法的解释以及对这方面的意义、重要性和应用领域的理论研究，很少有从事 对其具体如何应用以及具体实施方法进行深一步的应用研究2 2 1 。 本文系统地论述了客户关系管理和数据挖掘技术，并就数据挖掘技术在客户关系管理中 的应用进行了探讨，有利于将实际应用与理论结合，从而全面提升银行客户关系管理水平的 研究。 1 4 论文的基本结构 本文的研究内容主要分为五个部分： 第一部分为绪论，阐述了本文的研究背景、目的、意义； 6 第l 章绪论 第二部分从银行c 蹦的基本概念入手，为我国商业银行c 跚提供理论依据： 第三部分分析了我国商业银行c 跚中的内涵与目标、实施内容与特点。 第四部分深入分析数据挖掘技术在我国商业银行中的应用、实施过程和特点，并以某商 业银行为例，结合相关的理念与实践经验，讨论了数据挖掘技术在该商业银行c 脚系统中的 具体应用，主要技术包括：决策树技术、模糊聚类分析法、关联分析方法。 第五部分为结论与展望。总结了研究成果，但仍有诸多问题需要解决，我国商业银行的 c 跚数据挖掘之路任重道远。 7 东南大学硕士学位论文 第2 章相关基础理论介绍 本章节首先对c r m 进行了介绍，包括内涵和功能，并阐述数据挖掘的定义、操作流程 以及具体的数据挖掘方法，通过方法、流程以及工具的确定为本课题的实际操作应用做好准 备。 2 1c 剐概述 c 刚的产生，是由以下四个方面的背景所推动和促成的： l 、市场需求和管理理念的更新的需要。“以客户为中心”的管理理念的确立，使得企业 实施客户关系管理必然地提上日程。 2 、企业管理模式更新的需要。企业因为市场的变化，在其目前的制度体系和业务流程 中出现了种种难以解决的问题，需要通过实施客户关系管理已得到圆满的解答。 3 、企业核心竞争力提升的要求。企业核心竞争力对于企业信息化程度和管理水平的依 赖越来越高，需要企业主动开展组织架构、工作流程的重组，并对面向客户的各项信息和活 动进行集成，组建以客户为中心的企业，实现对客户活动的全面管理。 4 、电子化浪潮和信息技术的支持。电子化浪潮和信息技术的飞速发展为c r m 的实施 提供了强有力的技术支持。 从目前c r m 解决方案来看，它能为企业带来的主要竞争优势在于： 提高客户忠诚度( 维持已有客户的良好关系、提高客户重复购买行为) 、开发新客户( 开 发新的客户关系、了解客户需要、提高客户满意度、进而发挥最大的促销能力，增加营业额) 和节省成本( 通过技术和商业流程的整合，精简了业务流程，节约了成本) 等方面n 3 1 。 2 2c 剐m 的内涵 c l 蝴的概念最初是由g 栅g r o u p 提出来，伴随着因特网和电子商务的大潮而产生。 对c r m 的定义，目前还没有一个统一的表述。但就其功能来看，c r m 是通过采用信息技 术，使企业的市场营销、销售管理、客户服务和支持等经营流程信息化，实现客户资源有效 利用的管理软件系统。其核心思想是以“客户为中心”，提高客户满意度，改善客户关系， 从而提高企业的竞争力。以下将从三个方面更深一步阐述其内在含义加。 8 第2 章相关基础理论介绍 l 、客户关系管理是企业为提高核心竞争力，达到竞争制胜、快速成长的目的，树立以 客户为中心的发展战略，并在此基础上开展的包括判断、选择、争取、发展和保持客户所需 实施的全部商业过程。在客户关系管理的理念和思想指导下，企业将顺利建成或实现新的以 客户为中心的商业模式，通过集成前台和后台资源、办公系统的整套应用支持，确保直接关 系到企业利润的客户满意地实现。其重要性具体体现在以下几个方面： ( 1 ) 客户。客户关系管理首先是选择和管理客户的经营思想和业务战略，目的是实现客 户长期价值的最大化。 ( 2 ) 市场。客户关系管理要求在企业的市场定位、细分和价值实现中，必须坚持贯彻企 业的经营以客户为中心的理念。 ( 3 ) 业务。客户关系管理要求企业从“以产品为中心”的业务模式向“以客户为中心” 的模式转变。 ( 4 ) 技术。客户关系管理要求企业使“以客户为中心”的商业运作实现自动化及通过先 进的技术平台和支持改进业务流程。 2 、客户关系管理是企业以客户关系为重点，通过开展系统化的客户研究，通过优化企 业组织体系和业务流程，提高客户满意度和忠诚度，提高企业效率和利润水平的工作实践。 c r m 的概念集中于具体的企业经营管理模式中，主要体现在市场营销、销售实现、客户服 务和决策分析四大业务领域。从这几方面入手才能保证企业的客户关系管理业务模式与其它 电子商务战略同步，从而实现资源的整合和协调，确保客户体验的一致性。客户关系管理的 业务模式，应该是达到客户和企业双赢的最佳选择。 ( 1 ) 市场营销。客户关系管理中的市场营销包括对传统市场营销行为和流程的优化及 自动化。 ( 2 ) 销售实现。销售人员及其他员工与潜在客户的互动行为、将潜在客户发展为现实 客户并保持其忠诚度是关系到企业的核心工作。 ( 3 ) 客户服务。客户关系管路模式将客户服务视作最关键的业务内容，视同企业的赢 利而非成本来源。 ( 4 ) 决策分析。客户关系管理模式创造和具备了使客户价值最大化的决策和分析能力。 3 、客户关系管理也是企业在不断改进与客户关系相关的全部业务流程，最终实现电子 化、自动化运营目标。 9 东南大学硕士 2 3c 础的功能 c i u 订解决方案包含很丰富的功能，一般这 程管理、接入管理2 5 1 。 关系管理( 也称作分析型c l 洲) 代表着真正理解客户行为、期望、需要、历史和与企 业全面关系的c r m 功能。关系管理的基本特点是使用数据挖掘数据仓库技术和复杂的分析 功能，它贯穿于c r m 解决方案关系管理的全过程，并具有全面的客户观念和客户忠诚度衡 量标准和条件。通过关系管理，企业可随时分析客户的种类和范围、掌握客户的各种需求， 及时为客户提供服务，使普通客户成为忠诚客户，进而成为终身客户。此外，企业还可根据 客户对企业贡献的利润多寡，采取不同的对策。 通过关系管理，企业可以统计大量的客户信息，并支持对客户进行多维的特征分析，支 持对客户的行为分析，运用分析工具并结合客户信息对某一类客户群的消费行为进行分析 关系管理可以通过对数据参数进行调整，建立模型发挥预测功能，帮助企业更理性地制 定市场细分策略。例如价格的变化对企业整体收入会带来什么影响? 如果要着力吸引那些能 够带来高价值的客户，那么初期的投入应当在什么范围内? 客户的消费点临近什么值的时 候，就开始成为“正利润”客户? 客户的生命周期至少要在多长时间以内，才具有成为“忠 诚客户”的潜力? 关系管理可以运用数据挖掘方法按照内置逻辑语言进行归纳和演绎，使数据变为信息和 知识。例如根据模型数据，系统以达成最高利润为目标，提供建议进行个人金融的价格优化 政策。例如，通过输入抽样调查的测试数据，系统可以根据呼出电话的反馈率、直邮的反馈 率、电视广告反馈率、巡展的反馈率等数据，确定最佳的个人消费信贷市场活动模式，以最 低的成木获得最好的市场活动效果。 流程管理( 也称作运营型c r m ) 代表着与销售、服务、支持和市场相关的业务流程的 自动化。流程管理解决方案主要是围绕具有高度可配置性的流程定义来提供集成的应用软 件，c r m 的流程必须灵活地实施，由于商业条件或竞争压力的变化，业务流程必须要做出 相应的改变。另外，商业规则也会由于组织机构的不同而对c r m 的流程产生影响。因此， 结合业务规则和业务的能力是成功部署c r m 的关键。流程管理重点解决的是如何收集客户 信息、谁来收集客户信息、与某个客户相关的所有信息是否是整合的、对不同的客户是否能 够提供不同的服务的问题。例如，由于网络银行的出现，商业银行在对注册法人客户的业务 处理流程与传统的业务处理相比已发生巨大的变化，与之相对应的客户服务方式也发生了变 1 0 第2 章相关基础理论介绍 化。网络银行的管理也将是流程管理解决方案的一部分。另外，2 4 小时自助银行、手机银 行、电话银行等对传统业务流程的整合创新管理也是基于以客户为中心的流程管理。 接入管理( 也称作协作型c r m ) 代表着一种自动化机制，主要是用来管理客户和企业 进行交互的方式。接入管理的目的在于支持各种客户交互方式，不论是采用全功能服务、辅 助自助服务还是完全的自助服务交互方式。接入管理解决方案一般由企业中的渠道管理部门 使用，因此，接入管理既有专项渠道管理能力，又具各跨渠道管理功能。通过接入管理，企 业可建立客户服务中心( c a n c e n t e r ) ，将电话、传真、e m i l 等与客户接触的所有渠道整合在 一起，并与企业的网络系统连接起来，使企业内部的各个部门都能迅速获得有关客户咨询、 投诉及订货等方面的信息，为客户提供“一站式的服务”。此外，还可为客户提供通过电话、 互联网等进行的“网上自助服务”。据统计，一次专门的见面拜访大约需要5 美元的成本， 一个通过人工接取并有效回应的电话只需要5 美分，而一次网上的自助服务的成本更低。这 种自助平台既可以提高服务客户的水平，同时也可以极大地降低成本。 2 4 数据挖掘的定义 数据挖掘( d a ：t am i n i n g ) ，也称数据库的知识发现( k n o w l e d g ed i s c o v e 叮i nd a t a b a s e ， 简称) d ) ，是指从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，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，就是利用各种包 括数据仓库在内的分析工具在海量数据中发现模型和数据间关系，并做出预测的过程吨6 1 。 更广义的说法是：数据挖掘意味着在一些事实或观察数据的集合中寻找模式的决策支持过 程。数据挖掘作为一门交叉性学科，涉及到机器学习、模式识别、统计学、智能数据库、知 识获取、数据可视化、高性能计算、专家系统等多个领域。随着对这种技术进行支持的三种 基础技术海量数据集、强大的多处理器计算机、数据挖掘算法的逐渐成熟，数据挖掘技 术的研究也进入了一个迅猛发展的时期。 数据挖掘与传统的数据分析( 如查询、报表、联机应用分析) 的本质区别是数据挖掘 是在没有明确假设的前提下去挖掘信息、发现知识。数据挖掘所得到的信息具有先前未知、 有效性和可实用性三个特征。先前未知的信息是指该信息是预先未曾预料到的，即数据挖掘 是要发现那些不能靠直觉发现的信息或知识，甚至是违背直觉的信息或知识，挖掘出的信息 越是出乎意料，就可能越有价值。因此，数据挖掘比传统的数据分析更适合银行业客户忠诚 度这样探索性的问题的研究。 东南大学硕士学位论文 2 5 数据挖掘的方法论 数据挖掘涉及的学科领域和方法很多，有人工智能、数据统计、可视化、并行计算等。 根据挖掘任务可将数据挖掘分为数据抽取、分类、聚类、关联规则、决策树、序列分析、偏 差分析、数据可视化等类型2 7 1 。 2 5 1 数据抽取 数据抽取的目的是对数据进行浓缩，给出它的紧凑描述，传统的也是最简单的数据抽取 方法是计算出数据库的各个字段上的求和值、平均值、方差值等统计值，或者用直方图、饼 状图等图形方式表示。数据挖掘主要关心从数据泛化的角度来讨论数据总结，数据泛化是一 种把数据库中的有关数据从低层次抽象到高层次上的过程，由于数据库上的数据或对象所包 含的信息总是最原始基本的信息( 这是为了不遗漏任何可能有用的数据信息) 。人们有时希 望能从较高层次的视图上处理或浏览数据，因此需要对数据进行不同层次上的泛化，以适应 各种查询要求，数据泛化目前主要有两种技术：多维数据分析方法和面向属性的归纳方法。 多维数据分析方法是一种数据仓库技术，也称作联机分析处理( o l a p ) 。数据仓库是面 向决策支持的、集成的、稳定的、不同时间的历史数据集合，决策的前提是数据分析，在数 据分析中经常要用到诸如求和、总计、平均、最大、最小等汇集操作，这类操作的计算量特 别大，因此一种很自然的想法是把汇集操作结果预先计算并存储起来，以便于决策支持系统 使用，存储汇集操作结果的地方称作多维数据库。 采用多维数据分析方法进行数据抽取，它针对的是数据仓库。数据仓库存储的是脱机的 历史数据。为了处理联机数据，研究人员提出了一种面向属性的归纳方法，它的思路是直接 对用户感兴趣的数据视图( 用一般的s q l 查询语言即可获得) 进行泛化，而不是像多维数 据分析方法那样预先就存储好了。泛化数据方法的提出者对这种数据泛化技术称之为面向属 性的归纳方法，原始关