【毕业学位论文】（Word原稿）商业银行CRM应用模型分析及系统的设计与实现-软件工程

硕 士 学位论文 商业银行 用 模型分析及 系统的设计与实现 姓 名： 乔利军 学 号： 0796170026 所在院系：软件学院 学科门类： 1021170104 学科专业： 软件工程 指导教师： 杜庆峰 副指导教师： 二 一三年八 月 A in of RM i 1021170104 2013 数据挖掘技术在商业银行客户关系管理中的应用 乔利军 同 济 大 学 学位论文版权使用授权书 本人完全了 解同济大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版；在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。 学位论文作者签名： 年 月 日 同济大学学位论文原创性声明 本人郑重声明：所呈交的学位论文 ，是本人在导师指导下，进行研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人创作的、已公开发表或者没有公开发表的作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。 学位论文作者签名： 年 月 日同济大学 硕 /博士学位论文 摘要 摘要 随着经济全球化步伐的加速和中国金融业 面向外资银行的开放，商业银行要想在激烈的市场竞争中取胜，工作重心就必须转到以客户为中心，为客户提供优质服务上来。但在海量客户数据面前，一般传统的统计技术已经跟不上时代的步伐，数据挖掘技术能够从大型数据仓库中挖掘有价值的信息，能够有效解决银行客户关系中处理客户信息的难题。 数据挖掘技术可以在大量的客户数据仓库中挖掘有用的数据和信息，有效提高了银行业在客户关系管理的水平，达到了提高银行竞争力的目的。 由于数据挖掘技术在 客户关系管理 中 能够 起 到 核心作用 ， 因此对于它的研究对银行能否成功实施 及提高我国银行的 决策支持水平有着重要的意义。 本文首先介绍了课题的研究背景和意义、国内外 次从数据挖掘技术的概念、分类方法、构成要素、功能和作用、应用方法、开发流程、应用步骤及其未来发展前景展开全面的、综合性论述；接着介绍了客户关系管理 统模型以及商业银行实施 后 应用数据挖掘技术，设计了客户关系管理系统。 关键词： 客户关系管理 数据挖掘 商业银行 of s up s is to in on of of of up As a a to of to of be to in of be so to to in is on in RM as as At of at of on of of of to RM At in of of 济大学 硕 /博士学位论文 目录 目录 第 1 章 绪论 . 1 究背景 . 1 究意义 . 2 内外相关领域研究与应用现状 . 2 国个人银行的发展和研究现状 . 2 研究现状及特点 . 5 外商业银行应用数据挖掘技术的基本情况 . 7 内商业银行应用数据挖掘技术的基本情况 . 8 文总体结构安排 . 9 第 2 章 相关理论介绍 . 11 据挖掘 (技术介绍 . 11 据挖掘的定义 . 11 据挖掘流程 . 12 据挖掘技术的功能 . 13 据挖掘的分类 . 14 型的数据挖掘系统构成要素 . 15 据挖掘技术的基本方法 . 16 据挖掘应用的步骤 . 17 据挖掘技术的发展前景和预测 . 17 户关系管理 (术介绍 . 18 户关系管理的背景 . 18 基本概念 . 19 件系统的模型 . 20 业银行实施 重要性及其关键 . 22 第 3 章 数据挖掘在商业银行 的应用模型分析 . 25 业银行数据挖掘背景 . 25 业银行客户细分模型 . 25 同济大学 硕 /博士学位论文 目录 行客户流失分析和预测 . 31 行客户信用风险评级体系的研究 . 34 章小结 . 37 第 4 章 基于数据挖掘的商业银行 设计与实现 . 38 统需求 . 39 统的设计 . 41 能设计 . 41 户信息管理数据库设计 . 42 统主要功能的实 现 . 46 统测试 . 51 第 5 章 总结与展望 . 59 致谢 . 61 参考文献 . 62 个人简历、在读期间发表的学术论文与研究成 果 . 66 第 1 章 绪论 1 第 1 章 绪论 究背景 随着经济全球 化步伐的加速、 中国金融业面向外资银行的开放 及其 市场竞争的日趋激烈 ，产品间的技术差距已经越来越小，企业的竞争力逐步转向了以争夺客 户资源，提高客户对企业的价值为中心。客户需求 是企业获利的潜力，而在市场上需求运动的最佳状态是满意，客户的满意就是企业效益的源泉 1。 根据 “ 二八 ” 定律 2， 20%的优质客户能为银行创造 80%的利润，因此 如何在海量的客户数据信息中搜索 20%的优质客户， 如何提高对 20%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 ，己成为当今国内外银行业普遍关心的问题。 据美国 太区 (排除日本 )场将实现快速增长，从 2003 年的 到 2008年的 乎翻了一倍。这份研究报告指出，由于金融和电信行业的推动，中国 场依然是增长最快的市场。 2003 年中国 场规模为 2580 万美元， 2008 年有望达到10860万美元， 5年的增长率为 33%。而且将会有越来越多的中小型企业采用 3。 尽管 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。 随着市场、企业的不断发展，客户信息规模的日趋庞大和复杂，企业更关心的是如何将各 种各样的客户信息统一起来，为领导部门提供更有效地决策帮助。因 而， 这就要求 有 一定的分析能力 4。 当今世界 ,银行和电信的数据挖掘走在最前面 ,而银行的数据比电信行业数据保存的更为完整 5。银行目前的客户数据分析仍处在比较低级阶段 ,从而导致银行对一般客户与高贡献的客户一视同仁 ， 随着客户关系管理的不断发展 ,银行对其人口数据进行分析挖掘也势在必行 ， 这就要建立真正由客户需求出发的客户关系管理 6。 随着银行数据越来越丰富 ,大量的数据被描述成“数据丰富 ,但信息缺乏” 7。快速增长的海量数据收集、存放在大型的数据库中。结果 ,收集在大型数据库中的数据变成了“数 据坟墓” 难得访问的数据文件，这样，使得银行很多重要的决定不是基于数据库信息丰富的数据 ,而是基于决策者的直觉，因为银行决策者缺乏从海量数据提取有价值信息的工具 8,9。而通过数据挖掘工具进行数据分析 ,可以发现重要的数据模式 ,将银行的数据坟墓转换为知识 的“ 金块 ” 10。 同济大学 硕士学位论文 数据挖掘技术在商业银行客户关系管理中的应用 2 本文着眼于如何通过数据挖掘技术 ,在海量的客户信息中，提取有价值的数据，并对实现银行的客户关系管理问题进行探讨。 究意义 随着计算机、通讯等技术的迅猛发展信息及信息技术在商业银行发展中的关键地位得到越来越多的关注 。 信息是其生存 的关键。在这个全新的信息时代赢家往往是那些能够成功的收集、分析、理解并根据信息决策的银行。许多商业银行收集和存储了大量关于客户、商业伙伴的宝贵数据。但是由于缺乏发现隐含在数据中的有用的信息的能力 ， 所以这些银行企业无法将数据转化为知识 11。因此商业银行希望从庞大的数据库中抽取有效的、能理解的信息进行分析用来提高商业银行的决策水平和经营效益。为了实现这个目标商业银行需要用全局的观点来获取和集成来自商业银行内部和外部的数据 ，需要用 挖掘集成的数据来获取信息 ， 用能简化复杂的决策过程的方式来组织和表示这些信息和知识 。为了完成这些工作银行需要集成多种决策科学的应用程序以便用分析的方式组织数据。客户关系管理系统是决策科学技术和数据挖掘应用中发展最快的领域之一 12。 在电子商务时代的今天 ， 商业银行和客户之间的交互方式发生了显著的变化 。 谁也不能保证客户会对你从一而终 ， 银行要想保留住客户就必须更多的了解客户的需求。商业银行为了保持银行竞争力 就必须 采取面向客户、客户驱动和以客户为中心的发展策略。银行要想和客户建立持久的关系 ， 从每个客户身上获取最大利润 ， 降低市场营销费用 ， 减少由于客户离去和无效的经营策略产生的浪费 ，就要求银行能 够深入的了解客户的习惯、喜好、最好能估计到客户的需求并在最短的时间里满足客户的需要。要做到这些就必须对客户在与银行的交互过程中的各种数据进行收集、分析、挖掘出隐含在数据中的有用的信息。数据挖掘技术就是帮助我们解决同客户在交互过程中遇到的各种问题的最重要的技术之一。 数据挖掘技术 是 从 西方发展起来的新型的管理策略 ， 它通过信息技术手段来实现其 管理目标。已经在西方银行业获得了极大的成功。我国对它的认识才刚起步。 由于数据挖掘技术在 客户关系管理 中 能够 起 到 核心作用 ， 因此对于它的研究对银行能否成功实施 及提高我国 银行的决策支持水平有着重要的意义 13。 内外相关领域研究与应用现状 国 个人 银行 的发展和研究现状 第 1 章 绪论 3 作为中国加入 ，银行是 受冲击最大的行业之一 ,中国银行业的竞争日趋复杂化 、 白热化 。 然而 ,个人银行业务以其巨大的市场能量和潜力在商业银行业务中的比重与日俱增 ,成为各大商业银行业务的重点和主要利润来源之一 ,也成为商业银行业务创新和竞争的热点 14。 (1)目前个人银行业务 的发展 面临良好的发展机遇 15： 个人金融资产不断增长 。 同时社会信用体系正在逐 步建立及完善 ,为我国商业银行发展个人银行业务创造更加良好的宏观经济环境 。 社会保障制度还不健全 、住房、 家庭的教育、医疗等资金需求主要依靠储蓄 ，与国外发达 国家有较大区别 ，且我国个人投资渠道 有限 ， 因此未来几年我国的高储蓄率还将保持下去 ,这将成为个人银行业务发展的基础 。 批发业务的存贷利差越来越小 ， 个人银行业务已成为新的利润增长点。 史上 国际银行业的发展趋势 。 任何单一贷款所增加的风险都很小 ， 利润相当稳定 。 (2)商业银行、个人银行业务面临的挑战 全球经济一体化、金融国际化、信息网络化的新形势对我国商业银行 、 个人银行业务提出了 新的要求 16： 各商业银行把个人银行业务作为未来发展的战略重点和业务重点。 ,外资银行抢滩中国个人银行业务市场。中国在加入 时向外资金融机构全面放开外汇业务 ， 取消地域和服务对象限制。根据有关部门的调查 ,我国 10%的人占有约 66%的储蓄额 。 外资银行开拓在华业务时 ， 会将主要精力放在争取拥有 66%储蓄额的 10%的 “ 黄金客户 ” 上 。 人购车信贷与卡为切入点扩展竞争领域 。 个人客户对金融服务需求的日趋多样化 、 忠诚度的日渐降低、 个人消费观念与结构的改变都要求商业银行提供种类齐全的 、 个性化的服务 。 (3)商业银行 、 个人银行业务优势分析 17： 凭借这种优势可以大力发展个人银行业务 。 我国商业银行拥有庞大的客户群 ,这些客户成为银行利润同济大学 硕士学位论文 数据挖掘技术在商业银行客户关系管理中的应用 4 的重要来源 。 营销机制的改革以及产品服务的创新 ,从而全面提高了市场竞争力 。 已经建立与完善了个人银行的组织机构 ,培养了一只高素质的个人银行专业人才队伍 ,为大力发展个人银行业务提供了基本保证 。 以客户为中心 ” 的经营理念 ,不少银行推行了客户经理制 ,由客户经理将客户的需求集中起来 ,提供一站是服务 。 (4)商业银行 、 个人银行的不足 18： 我国商业银行在发展个人银行业务中与外资银行和其他股份制银行相比还存在如下 缺点 ： 导致不能实现不同地域 !不同产品间客户信息和业务信息的集中共享 ； 资源没有整合 ,风险控制难度大 ； 没有整体营销优势 ,难以形 成统一的产品和服务标准 。 没有形成业务发展的重点市场 ,重点客户群 。 对客户信息不能进行科学的分析和合理的利用 ,导致提供服务的无差别化 。 缺乏特色和竞争性的产品体系 。 来带动储蓄 、 消费信贷业务的发展 。 6.“ 以客户为中心 ,以市场为导向 ” 的观念还没有得到全面贯彻落实 ,在竞争中把握市场的能力有待提高 。 银行的内部管理水平相对滞后 ,例如 ： 缺乏对客户经理有效的考核和激励机制 . (5)个人银行业务的发展趋势 19 在个人银行业务处于不充分市场竞争状态下 ， 个人银行业务竞争的核心主要是推广银行卡和代理等高利润产品 。 随着市场参与者的增加以及银行产品的同质化趋势 ， 商业银行更加注重从 “ 成本 效益 ” 角度出发控制经营活动 ,经营理念也由单纯的产品开发与推广转变为服务于营销的整合 。 各家银行推出不同的金融产品 。 各家银行加强了品牌营销 。 各家银行的品牌设计更趋向个性化 。 纷纷推出面向高端客户的个人理财 服务 。 要抓住商业银行的良好发展机遇 ,应对挑战就必须充分发挥个人银行业务的优势，扬长避短 。 要针对不同的客户的客户提供不同的业务和实施相应的营销战第 1 章 绪论 5 略 ,就要借助客户关系管理来提升自身的竞争力 ，把数据挖掘用在客户管理方面由此而生 20。 研究现状及特点 银行系统应该彻底地了解他的客户 ,增强客户联系渠道的有效性 ,实现与客户无障碍互动 ,增强开拓市场能力 ,提升对客户的销售能力 ,降低对客户的服务成本 ,以及实现客户渠道和银行业务系统后台的无缝的整合 ,从而打造一个以客户为中心 ,科学定量管理的有竞争力的 企业 21。 客户关系管理 (被称为客户资源管理 ( 客户交互管理 (22。通过围绕客户细分 ,进行客户业务流程的再造 ,满足客户需求 ,连接客户和银行产品等手段来最大化客户利润和客户满意度 。 客户关系管理系统要实现三个 目标 23。 首先是 获取客户 ,即 留住客户和 极大化 提升 客户价值 。 在这种情况下 ,对金融客户数据进行深度的 分析 也具有了直接而又现实的意义；其次是 以客户为中心的营销策略 ,不仅可以在短期增加金融产品销量 ,而且可以长期留住客户 ,提高客户对银行的依赖性 ；最后 是根据客户的整个生命周期 ,为客户创造一生的最大价值 ,并使银行得到最大的回报 ，实现客户与银行的双赢 24。 快速发展的 计算机网络、通信技术以及 信息化技术为金融机构提高金融管 理水平提供了强有力的技术支持 ,从而 在有效控制各种风险和降低成本的前提下 ,大量识别、吸引、 发展和保留“黄金 客户 ” 。为 更好地贯彻以 “ 客户为中心 ” 的经营思想 ,实现客户服务的个性化、差异化、 全面化，就必须 对分 散 的 客户信息和业务数据进行整合 ,创建完善的客户关系管理系统 ,分析客户的综合贡献因子 ,以 改进 银行经营模式和 服务 ， 创造 更大的经济 效益 25。 目前 ,发达国家的大型商业银行改进经营方式，把 以公司业务为主转向公司业务与对私业务并重 ，互相 发展 的模型上来 ,个人金融业务逐渐成为商业银行盈利的主 渠道。由于个人金融业务市场巨大 ,每位客户 的金融需求都 千差万别 ,这就更需要精细化的管理和服务 。在精细化管理过程中最有效的 工具是数据挖掘技术 ,通过数据挖掘技术的应用 ,找出各种商业规律 ,用智能化的 复杂的个人金融业务进行批量 管理和 生产 ,形成核心竞争力。 同济大学 硕士学位论文 数据挖掘技术在商业银行客户关系管理中的应用 6 数据挖掘技术在银行业中应用范围较广 ,它 可以 解决银行客户关系管理中的典型问题 ,包括 ： 客户保持 、 交叉营销 、 客户获取 、 客户细分和欺诈检测等。 客户 关系越持久 ,获取利润的时间也越长 ,从客户身上获得的利润就越多。从经济 的角度看 ,客户为 追求 更低的费用以及更完美的服务 ,主动寻求与其他银行的交易 何时 何地 都在发生， 同样从银行经营的目的来看 ,各个银行寻找潜在客户的商业行为时时刻刻也 在发生 着 。 ,为分析哪些主导因素导致 客户从一家银行转向另一家银行的客户关系变更的 客户转移 ， 并有针对性的挽留有离开 倾向的客户的 行为被称为客户保持 26。 影响客户流失的因素 是多种多样的 ,随着时间的 推移 这些因素也在 发生 着 变化 ,数据挖掘技术综合分析这些因素 并得出比重因子 ,最终 判断 得出 客户是否可能流失的模型 ,用此模型 衡量每一个客户 ,就可以找出 可能会流失的客户 ,并采取相应的措施，为企业 争取更多的客户，以 赢得 更多 利益 。 交叉营销是 向现有客户提供新的产品和服务的营销过程。交叉营销是建立在双赢的基础之上 ,客户因得到更多更好符合其需求的服务而获益 ,在可能的条件下与客户开展尽可能多的商业合作 ,从而实现更大的商业利润是交叉 营销所要达到的目的 27。 利用数据挖掘 的关联规则模式 ,能够为 银行找出客户最适合的服务种类 ,有针对性的营销项目。利 用数据挖掘技术进行交叉营销的分析 ,一般是从分析现有客户的购买行为数据开始 ,对客户的喜好进行分析 ,从而为开展新的业务提供新的渠道 。 发展潜在客户要求有十分细致的分析能力和大量繁重的客户数据搜集、整理工作以及准确的数据挖掘工具与挖掘方法的选择 。 进行数据挖掘的现实基础在于市场营销学的市场细分原理 ,其基本假定是 “ 消费者过去的行为是其今后消费倾向的最好说明 ” 28。 通过收集 、 加工和处理涉 及客户消费行为的大量信息 ,确定特定消费群体或个体的兴趣 、 消费习惯 、 消费倾向和消费需求 ,进而推断出相应的消费个体下一步的消费行为 ,然后以此为基础 ,对所识别出来的消费群体进行特定内容的定向营销 ,为银行 节省了营销成本 ,提高了营销效果 ,带来更大的 经济第 1 章 绪论 7 效益 。 针对不同的客户 形式 ,对客户按照自然属性 (年龄、职业、区域、职称、文化程度等 )和行为属性 (消费行为 、 呼叫行为 等 )进行群体划分 ,为银行决策者针对不同的客户采取 不同的市场 营销策略。客户分群的主要目标在于发现不同客户群 的特征 、需求、行为等 并对客户进行分类。 在银行 统中 ,利用数据挖掘 的聚类技术能够充分了解客户 ,包括客户的信誉 等级、客户背景等 ,并将客户归类为不同的 客户群 ,以便针对不同的客户群采取不同的服务 ,甚至达到个性化服务 29。 进行诈骗检测主要是通过总结正常行为和诈骗行为之间的关系 ,得到可能影响诈骗行为的一些因素 ,比如手机使用者的年龄、性别、本地、外地、租用、购买、欠费金额、 12 个月平均话费趋势等 ,当某项业务符合这些特征时 ,可以向决策人员发出警告信息 30。 总之 ,金融客户关系管理是指银行通过分析现有的客户数据和信息 ,实现与客户有 意义的交流和沟通 ,理解并影响客户行为 ,并最终实现吸引客户、留住客户、提高客户忠诚度和客户为银行创利最大化的方法。 外商业银行应用数据挖掘技术的基本情况 数据挖掘技术在美国银行金融领域己经得到了大量 的应用 。 行 31在数据挖掘方面的应用比较成功 。 在此，以 行为例 说明数据挖掘技术在国外的应用 。 行使用 据挖掘软件提高销售 和定价金融产品的精确度。个人信贷客户主要有两类 ,一类 是 低循环者 ,另一类 为 高循环者 。 低循环者代表支出 费用 、 透支额度等消费方式 危险性较低 的一类客户 ,但对公司的盈利也较低 。银行常常为他们推出新的服务 项目 ,鼓励他们更多地使用信贷限额或找到交叉销售高利润产品的机会 。 高循环者由高和中等危险元件构成。高危险分段具有支付缺省和注销费用的潜力 。 对于中等危险分段 ,销售项目的重点是留住可获利的客户并争取能带来新客户 。分析客户整个生命周期的费用和收入就可以看出谁是最具创利潜能的。同济大学 硕士学位论文 数据挖掘技术在商业银行客户关系管理中的应用 8 行认为“根据市场的某一部分进行定制”能够发现最终用户并将市场定位于这些用户。但是 ,要这么做就必须了解关于最终用户特点的信息。数据挖掘技术 为 上使用 找信息，主要目的是确定现有 家庭普通信贷限额的倾向 ,利用该工具可生成用于检测的模型。 以上的例子展示了国外商业银行在数据挖掘技术方面的应用程度 ,在中国银行业即将全面开放的时期 ,这些国外商业银行在数据挖掘技术方面的应用将是我国商业银行借鉴、学习和今后努力的方向 32,33。 内商业银行应用数据挖掘技术的基本情况 目前中国银行业数据管理应用的普 遍现状是 ,银行汇集了大量数据 ,但缺乏挖掘数据底层隐藏 信息的 工具 ,往往导致“数据爆炸但知识贫乏” 34。如何游出“数据海洋” ,把海量数据用于提升客户关系、挖掘客户价值、掌握业务规律 这一切难题 ,在没有掌握数据挖掘能力的银行 ,目前还都处于“瓶颈”阶段 ,亟待 解决。 在金融 业 ,由于银行产品 和服务具有普遍 的同质性 ,因此银行之间的差别 ,往往在于谁掌握了客户关系 、 海量的业务 、 客户信息背后的独特业务规律 ,谁就可以科学地制定决策。现在银行使用 的大多数系统所基于的数据库只能实现数据的录入、查询、统计等较低层次的功能 ,无法发 现数据中存在的关联关系和业务规律 ,更难以根据现有的数据预测未来业务的发展趋势。 商业银行运用数据挖掘技术的过程是 35： 数据集中 数据仓库 数据挖掘 ,我国目前还处于数据集中基本完成、正准备大力实施数据仓库的建设阶段。 在数据大集中的前提下 ,各银行正在大力实施数据仓库的建设 ,但目前银行业实施的大多数数据仓库只能实现数据的录入、查询、统计等较低层次的功能 ,却无法发现数据中存在的关联关系和业务规律 ,更难以根据现有的数据预测未来的发展趋势。对于数据挖掘技术的应用据我目前的了解各银行也仅仅在探讨阶段。 银行业的数据 挖掘研究 ,需要多方面的人员的共同参与 ,包括领域专家、数据管理员、数据分析人员、业务分析人员、数据挖掘专家 ,形成一个团队 ,从某一个第 1 章 绪论 9 实际的问题出发 ,探索适合自己企业的一套研究和开发方法 ,逐步建立起商业银行的数据库。因此 ,这些需要得到最高决策管理层的认可和参与 ,因为模型的结果需要报告给决策管理层 ,并且使得他们能够理解 ,从而作出相应的 决策 36,37。 总之 ，新一轮银行的竞争将在客户资源的基础之上展开 。 为了实现经营理念从“赞金为中心”向“以服务为 中心 ”转变，商业银行必须树立客户至上的思想，通过向每一位客户“在正确 的时间、正确的地点提供正确的服务”来赢得顾客的“心”。数据挖掘技术作为一门新兴技术，它的应用，已成为商业银行实现上述“正确”的关键。 以往的关于数据挖掘与客户关系管理方面的研究多是阐述数据挖掘技术的一般功能，没有强调商业银行独有的特点。本文从国内商业银行客户关系管理与一般的客户关系管理的差异的角度出发，着重分析数据挖掘在银行客户关系管理中应用的关键问题。 文总体结构安排 本文主要按照以下章节展开叙述的： 第 1章： 为绪论部分 ,首先介绍了课题的研究背景和意义 ,然后介绍了国内外研究和应用现状、国 内外商业银行应用数据挖掘技术的研究和应用现状 ,最后是本文的结构安排。 第 2 章：主要介绍了 本文的相关理论，数据挖掘技术和银行客户关系管理（ 数据挖掘技术 ，从它理论的提出、国内外发展状况、概念和定义、分类方法、构成要素、功能和作用、应用方法、开发流程、应用步骤及其未来发展前景展开全面的、综合论述 。 对 了一个整体性的描述，包括发展背景、 过介绍，给出 统模型，根据模型，进一步对 第 3章： 介绍了 数据挖掘在银行客户关 系管理系统中的应用 模型，主要从银行客户的细分模型、客户流失分析、客户风险评分体系进行研究和探索。 第 4章： 基于 数据挖掘 的银行客户关系管理 的 设计与实现 。 充分考虑我行客户的需求和业务特点来搭建我行的客户关系管理系统。 我行确定 统的主要业务功能有： 客户信息采集 ， 客户分类及管理 ， 客户信用等级评定 ， 客户风险预警 ， 贡献度和模拟利润计算 ， 客户经理考核、考评管理 ， 机构考核 以及 综合分析等。 系统选用 为数据库服务器 第 5章：对自己所作的工作进行总结，研究下一步将要解决的问题，同时对同济大学 硕士学位论文 数据挖掘技术在商业银行客户关系管理中的应用 10 数据挖掘技术在 客户关系管理中 的 应用 做了展望 。 第 2 章 相关理论介绍 11 第 2 章 相关理论 介绍 发技术 2 2 数据挖掘 (技术 介 绍 随着计算机技术 、通信技术的发展，各行各业纷纷采用计算机及相应的信息技术进行管理和经营 ， 大大提高 了 企业生成、收集、存贮和处理数据的能力， 同时企业的各种 数据量与日俱增 ，然企业数据也 是企业的经验积累，当其积累到一定程度时，必 然会反映出规律性的东西；所以对企业来说，这些堆积如山的数据无异是一个巨大的宝库。除此之外，互联网的发展 为我们带来了海量的数据和信息。在缺乏强有力的 管理工具的情况下 ，这些海量的数据已经远远的超出了人的理解、 概括 和应用的能力。在这样的背景下，人们迫切需要新一代的计算技术的工具来开采数据库中蕴藏的宝藏，使其成为有用的 信息 。在市场需求和技术基础 ，这两个因素都具备的环境下，数据挖掘 (概念与技术就应运而生了。 据挖掘技术起源于 20世纪 80年代末期的美国 38。 从商业应用来看 ， 首先采用数据挖掘技术的是金融、保险、通信 等行业 ； 而银行则是数据挖掘技术应用的重要领域。在欧美 各大 银行中 ， 汇丰、花旗和瑞士银行是数据挖掘技术应用的先行者 ； 当初应用的业务范围以客户档 案 (析为主 39。但是 ， 真正将数据挖掘 技术 深度应用到主营业务中去的是以 它们应用的领域主要是信用卡 透支 用户 的 分析。到 20 世纪 90 年代末 ， 随着客户关系管理 (兴起 ， 数据挖掘 技术逐步被银行业层层推广 ， 美国的美洲银行、 商务银行、英国的皇家苏格兰银行、法国兴业银行、德意志银行、荷兰银行、澳大利亚国民银行等纷纷采用数据挖掘技术来提高自己的经营能力。到 21 世纪 ， 数据 库技术的广泛应用为数据挖掘的深度普及奠定了基础。 据挖掘的定义 随 着技术的发展，各行各业信息化已发展到一定程度，存储在数据库内的数据急剧膨胀，以 数据库中的海量数据怎样得到有效地、分析、理解和利用，成为关注的焦点 40。如何充分利用这些原始数据，使其转换成有价值的信息，提炼出有用的知识，缓解数据丰富，但信息贫乏的矛盾，成为信息技术人员、统计同济大学 硕士学位论文 数据挖掘技术在商业银行客户关系管理中的应用 12 工作者、人工智能工作者等科学家研究的核心，数据挖掘这一跨学科的技术，正是在这种应用需求与技术研究下应运而生的。 1995 年，在加拿大蒙特利尔召开了第一界知识发现和数据挖掘学术会议，数据 挖掘一词流行开来，数据挖掘就是从大量