【毕业学位论文】（Word原稿）商业银行客户信息管理系统研究-软件工程

中图分类号： 学校代码： 10055 密级： 公开 硕 士 专 业 学 位 论 文 商业银行 客户信息管理系统研究 文摘要 I 中文摘要 商 业银行的业务经营中，信用卡业务是其最为重要的业务类型之一，其已经成为银行业务的主要利润源泉。信用卡客户也是商业银行最为重要的客户类型，通过研究信用卡客户的忠诚度预测问题，能够达到对于客户忠诚度进行有效识别的目的。本文选择河南某商业银行为研究背景，构建客户忠诚度预测模型，并设计开发忠诚度预测信息管理系统。 在全面分析客户忠诚度预测方法的基础上，本文构建了客户忠诚度预测神经网络模型。以客户相关资料数据作为模型的输入，利用模型对于数据进行处理，根据最终计算结果给出对于客户忠诚度的评价结果。模型的训练过程采用最速下降法作为训练算法，利用成熟的样本数据对于模型进行训练，将参数值调整到满足预测精度要求的范围。仿真实验表明，本文所构建的忠诚度预测神经网络模型能够达到预期的计算效果，满足工程实际的应用。分析了忠诚度预测信息系统的各项功能需求，设计了系统的功能模块结构。采用基于 技术方案搭建了系统开发平台结构。在软件系统层次结构划分的基础上，设计了不同层次之间的耦合关系。完成了系统的程序代码实现，并给出了下一步的研究方向。 本文的研究，形成了对于商业银行具有实际应用价值的客户忠诚度预测系统，为商业银行客户关系管理提 供了技术支持。 关键字： 忠诚度 ； 神经网络； 信息系统 ； I he of is an of of It of is of of in is as of to is on of as to of of of in of in is in of is 2EE is On of is is in in 录 录 第一章 绪论 . 1 第一节 研究背景和意义 . 1 究背景 . 1 究意义 . 3 第二节 国内外研究现状 . 3 第三节 本文研究内容 . 5 第四节 文章组织结构 . 5 第二章 客户忠诚度预测模型研究 . 6 第一节 客户忠诚度概念及预测方法 . 6 户忠诚度概念 . 6 户忠诚度预测方法 . 7 第二节 神经网络原理 . 8 经网络的发展 . 8 经网络结构 . 8 经网络类型 . 11 第二 节 神经网络预测模型 . 12 题的提出 . 12 经网络建模 . 14 经网络学习 . 15 经网络输入项处理 . 19 经网络计算流程 . 20 第三节 神经网络算法仿真实验 . 21 络参数确定 . 21 真实验 . 24 目录 四节 本章小结 . 26 第三章 客户信息管理系统需求分析 . 27 第一节 实际业务需求 . 27 第二节 系统功能分析 . 28 础功能模块分析 . 29 心功能模块 . 29 层功能模块 . 30 第三节 系统用例分析 . 31 与者划分 . 31 统管理员用例分析 . 32 户管理员用例分析 . 32 行领导用例分析 . 33 用卡客户用例分析 . 34 统总体用例分析 . 35 第四节 系统非功能性需求 . 35 第五节 本章小结 . 37 第四章 客户信息管理系统设计 . 38 第一节 数据库概念模型设计 . 38 础功能模块数据库概念模型设计 . 38 心功能模块数据库概念模型设计 . 40 层功能模块数据库概念模型设计 . 42 据库总体概念模型设计 . 42 第二节 数据库表结构模型设计 . 42 第三节 数据字典 . 44 第五节 软件开发平台搭建 . 45 发框架组合 . 46 件层次结构划分 . 46 目录 V 第六节 本章小结 . 47 第五章 系统实现与测试 . 49 第一节 系统实现 . 49 第二节 系统测试 . 54 第三节 本章小结 . 55 第六章 总结和展望 . 56 第一节 论文总结 . 56 第二节 进一步的研究方向 . 56 参考文献 . 58 致谢 . 61 个人简历、学术论文与研究成果 . 62 第一章 绪论 1 第一章 绪论 第一节 研究背景和意义 究背景 从上世纪 60 年代始，为规避传统业务领域中的风险，同时弱化金融危机造成的影响，西方发达国家的商业银行业已经开始逐步拓展可以获得稳定利润的个人金融业务。在经过数十 年的积累和持续发展后，个人金融业务于 21 世纪初已经在西方国家商业银行业务稳据一席之地。继公司业务、资本市场业务之后，个人金融业务成为银行业发展的第三大经济支柱业务。个人金融业务的服务对象为自然人，其所涉及的领域面非常广泛，包括居民日常生活、投资理财、消费等等各个方面，其与股票、债券、保险、外汇、证券、基金等理财工具具有很强的交叉互补特性 1。 西方国家商业银行近些年的发展轨迹和业务经验表明，个人金融业务相比其他业务而言具有收益稳定的优点，其收益率远高于公司业务。个人金融业务收益稳定的这一优点，可以帮助银行 稳定度过经济低潮期。 2008 年全球金融危机期间，华尔街五大著名投资银行中，贝尔斯登、美林、雷曼兄弟三家银行破产或者被并购，而其余两家投资银行摩根士丹利和高盛则由投资银行成功转型成为传统银行控股公司。摩根士丹利公司在短短两个月内通过其遍布全美的营业网点成功吸纳存款达到 400 多亿美元，并且已经将美联银行个人金融业务部负责人 成功招至公司旗下。由此可见，个人金融业务在银行抵御金融危机中发挥的重要作用 2。 在银行业种类繁多的个人金融业务中，信用卡业务与普通客户接触最为密切，其属于个人消费信贷业 务的一种，目前已经成为个人金融业务中最为重要的产品，为各银行获得稳定的收益来源。比如美国花旗银行 2010 年的个人金融业务全部利润中，有将近 1/3 来自于信用卡业务；美国运通公司所发行的运通卡，其利润占到公司总利润的 70%以上 3。 我国信用卡业务的发展也已经有几十年的历史。 1979 年中国银行开始代理第一章 绪论 2 东亚银行的信用卡业务，这成为信用卡业务开始的源头。珠海银行 1985 年开始发行“中银卡”是我国大陆的第一张信用卡。经历二十余年的发展，信用卡业务已成为我国居民使用最为广泛、认同度最高的非现金支付工具，其业务范畴已 经与居民生活息息相关，包括购物、旅游、物流、医疗、教育等各个领域。随之，信用卡所获收益也已经成为国内商业银行重要的利润来源。相关统计资料显示， 2010 年我国全年所使用的非现金工具交易量达到 277 亿笔，总交易金额超过 900 万亿元；其中信用卡交易量将近 50 亿笔，总交易金额达到 亿元。由此可见，信用卡业务成为商业银行的支柱业务，对我国的经济发展也起到了重要作用。 我国信用卡业务的发展在后金融危机时代也逐渐从跑马圈地式的高速增长阶段向着稳健增长的方向发展。在这一阶段，如何有效挖掘信用卡客户的价值，提高客户忠 诚度、维护品牌忠诚度成长型客户、限制低忠诚度客户的目的，对于信用卡业务的发展有着关键的作用。 现代数据挖掘技术能够对海量信用卡客户数据进行有效的分析，从而有效甄别出信用卡客户忠诚度，为信用卡业务各项拓展政策提供可靠支持。现代信息处理技术都可以通过友好的用户界面对信用卡客户的各类信息进行有效的处理，从而提供直观的图形化分析结果。融合现代数据挖掘技术与信息处理技术，开发银行信用卡客户信息管理系统，为各个银行信用卡业务发展过程提供有力技术支持。 河南省某商业银行成立于 1998 年，经过十余年的发展已经形成一定规模，在当地获得一定认可。目前，该银行其业务网点已经覆盖郑州市、新乡市、洛阳市、开封市等河南省主要城市，并且在不断向着周边省市进行业务拓展。该银行的信用卡业务，目前还处于粗放型成长阶段，也即信用卡业务主要以提高信用卡发卡量为主，通过维护较大的客户量来获得信用卡的利润。我国信用卡业务的不断发展，尤其是 2008 年金融危机以来，各个商业银行都意识到对信用卡客户进行精细化管理成为银行业务发展过程中所面临的主要难题之一。通过对信用卡客户的精细化管理，信息甄别及时，判断准确，随时掌握透支额度的变化，有效减少恶意透支行为的发生 ，为银行业务的发展提供可靠保障，将不必要的损失降至最低。 本项目正是在上述应用背景下立项，开展商业银行信用卡客户信息管理系统研究。以期通过该项目对支行信用卡客户进行有效的甄别分类与个性化管理，第一章 绪论 3 同时在支行对该系统运用成功的基础上，向该银行各个支行进行有效推广，促进该银行信用卡业务健康发展，获取稳定收益为进一步业务拓展提供支持。 究意义 根据经济学八十二十法则，即企业 80%的利润是由企业客户中 20%以内的优质客户所创造，而企业中另外 80%的客户所创造的利润是微利、无利或者是负利润。通过对企业客户 信息进行有效管理，正确甄别出企业中的优质客户，是实现企业利润和企业价值最大化的捷径 4。 对客户资料信息化管理，省时省力，能够有效提高客户资料管理的自动化程度，节约资源同时提高了效率。通过对各种数据的实时查询，能够对各种宏观、微观数据进行有效比对与分析 5。同时，客户信息管理自动化程度提高，有利于针对各类客户关系制定实施不同的个性化战略。 本项目利用现代数据挖技术，对银行信用卡客户忠诚有效甄别，对客户类型进行快速定位，并通过真实数据进行算法模型的验证。通过客户类型的定位识别，能够为银行制定有针对性的服 务策略提供可靠的依据。同时利用现代信息处理技术，构造了银行信用卡客户信息管理系统。通过现代数据挖掘技术与信息处理技术的有效结合，能够实现对银行信用卡客户资料的无纸化、智能化、自动化管理，为本人所在工作单位的银行信用卡业务的发展提供有效的技术支持。 第二节 国内外研究现状 客户信息管理系统属于信息管理系统的一种， 对于信息系统设计与开发的应用型研究，国内外的研究热点主要有如下几个方面： 1. 软件系统开发平台研究 6 通过集成化的软件开发工具，并利用软件开发商提供的一系列 够简化系统的开发过程， 并且有利于系统的后期升级和维护 7。目前，信息系统常用的开发平台有 台、 台和 台三种 8。 台是由 司所提供 9，该平台将 司的 诸多开发软件进行了集成 10，通过 台统一的 第一章 绪论 4 得由 台不同软件所开发的程序能够进行有效的通讯操作 11。该平台支持B/S 和 C/S 两种架构模式软件的开发 12。 台是由 司所提供的开源软件开发平台，其优势在于对 B/软件的开发 13。该平台制订了一系列规范，不同的软件开发商可以根据规范提供各自的软件实现包。 台最大的优势在于，其具有诸多的开源软件框架，通过对开源框架运用，能够有效的减少代码量，规范程序的开发过程 14。 台属于一种网页内嵌式程序开发语言 15。其通过在 面内嵌入类似于 程序语言，使得网页具备动态效果 16。该平台属于运行在服务器端脚本，具有良好的跨操作系统平台特性，由该平台所开发的应用程序能够被部署在 操作系统下 17。同 时， 台已经成为开源软件 重要组成部分 18。 2. 软件设计模式研究 软件设计模式研究，其目的在于将软件程序开发过程中的经验进行有效总结，形成通用性较强的模式 19，使得软件开发能够在设计模式基础上快速成型，并有效保障软件的开发质量 20。通过在软件开发过程中对设计模式的运用，能够提高程序代码的复用性，增强程序的可维护性。目前，软件设计模式的主要研究成果有三种类型，共有 23 类设计模式 21。 创建型设计模式 22：单例模式、建造 者模式、抽象工厂模式、原型模式、工厂方法模式； 结构型设计模式 23：组合模式、装饰模式、适配器模式、桥接模式、享元模式、外观模式、代理模式； 行为型设计模式 24：跌带起模式、命令模式、观察者模式、模版方法模式、备忘录模式、中介者模式、策略模式、解释器模式、访问者模式、责任链模式。 3. 多系统融合研究 企业信息系统往往由多种系统平台所构成，例如：财务系统、人事系统、办公自动化系统、后勤系统等。而通过不同的系统间进行数据融合，能够为企业提供更加高效、快捷的数据服务 25。由于不同的办公软件往 往采用的开发技术有所不同，造成不同的软件平台之间无法进行直接的数据通讯。对于多系统融合进行研究，是目前企业信息化过程中的重要研究方向之一 26。多系统间融合，其主要技术方案有 27。对多系统融合的研究，需要在选定的技术方案基础上，进行软件之间通讯协议设计，不同的软件第一章 绪论 5 根据通讯协议对于数据进行读写操作，从而完成数据和信息的传递 28。 第三节 本文研究内容 本文的研究，是以本人所在银行客户关系管理为研究背景，进行客户忠诚度预测和客户信息管理系统的开发。主要研究 内容包括如下几方面： 1. 构建客户忠诚度预测神经网络模型。设计神经网络模型的训练方法，以成熟的客户忠诚度划分数据作为神经网络的训练样本，使得神经网络通过样本学习能够达到预测精度的要求。设计相应的仿真实验，对于神经网络的预测精度进行检验。 2. 对银行信用卡客户信息管理系统进行设计与实现。通过全面的需求调研，形成该系统的需求方案。对软件进行功能模块划分，针对于每一个模块进行数据库概念结构和表结构设计。对于软件实现过程中的关键技术进行研究，并对软件进行功能界面实现和测试方案设计。 第四节 文章组织结构 本项目的研究，按照如下的章节安排顺序进行银行信用卡客户信息管理系统的研究。 第一章：绪论。介绍项目开发背景，明确国内外相关研究现状，规划文章的总体结构。 第二章：客户忠诚度预测 模型 研究。构造基于神经网络的客户忠诚度预测数学模型，对信用卡客户忠诚度进行有效预测。 第三章：客户信息 管理 系统需求分析。对信用卡客户信息管理系统进行需求分析和调研，并进行系统的总体设计。 第四章：客户信息 管理 系统 设计 。搭建信用卡客户信息系统开发平台，进行系统的功能实现。 第五章： 系统实现与测试 。设计系统的测试方案，分析系统的 性能指标。 第 六 章：总结与展望。对全文的研究内容进行总结，展望下一步的研究方向。第二章 客户忠诚度预测模型研究 6 第二章 客户忠诚度预测模型研究 客户忠诚度属于营销学的概念，通过管理学专家根据客户的相关资料进行分析得到该客户的忠诚程度。为了能够利用现代数据挖掘技术，通过信用卡客户的各种资料区分出该客户属于何种忠诚度，能够有效提升客户忠诚度识别的效率。本章通过构造神经网络预测模型，根据信用卡客户资料进行忠诚度预测，为客户关系管理过程中的各种决策提供依据。 第一节 客户忠诚度概念及预测方法 户忠诚度概念 自从 20 世纪 80 年代 以来，在市场营销学科中，企业对于客户在营销决策过程中所发挥的作用日益重视 29。这种新的营销理念通常被称之为“以客户为中心”的策略。这种营销策略中，包含诸多的营销理论和实践手段，其中“客户忠诚度”是以客户为中心的营销理念中的核心思想 20。 近些年来，在企业营销实践过程中，对于客户忠诚度的实践应用越来越重视。但是，客户忠诚度尚未有较为权威的定义。一般而言，客户忠诚度指的是客户对于企业产品或服务进行继续消费的倾向。忠诚度较高的客户具有较强烈的继续消费意愿，忠诚度较低的客户其继续消费意愿较低。通过客户忠诚 度的非正式定义，可知在实践过程中客户的忠诚度主要表现为频繁、大量的对企业产品或服务进行消费的行为 21。 美国的市场营销学教授 其 书中指出，高忠诚度的客户对于企业的发展其意义主要体现在如下几方面 30： 1 维系高忠诚度的客户，其成本要远远低于获取新客户的成本； 2 高忠诚度的客户，其购买企业产品或服务的几率较高； 3 高忠诚度的客户，具有向企业 潜在客户进行义务宣传的较高几率； 4 高忠诚度的客户，对于企业产品或服务涨价的容忍性较高； 5 客户与企业所维持的业务关系越长，其忠诚度越高。 第二章 客户忠诚度预测模型研究 7 授认为，客户忠诚度其主观判断性较强，应当根据客户的态度和行为两方面进行综合衡量。其认为，客户的忠诚度主要表现为客户与企业的情感维系。其根据客户忠诚度的表现不同，将客户忠诚度划分为七种类型，即：垄断忠诚、惰性忠诚、潜在忠诚、价格忠诚、方便忠诚、激励忠诚、超值忠诚。 授认为，企业 的高忠诚度客户具有 50%以上的概率会对同一品牌商品进行重复购买；中度忠诚的客户具有 10%概率会对同一品牌商品进行重复购买；低度忠诚的客户其重复购买同一品牌商品的概率低于 10%。通过量化分析方法，能够有效的提高企业营销过程中的实际可操作性。 户忠诚度预测方法 对于客户忠诚度预测的研究，营销学等相关学科专家进行了大量的实证研究，形成了如下具有代表性的研究成果。 文献 32针对于超市客户忠诚度进行了研究。其根据超市的营业特点，认为影响超市客户忠诚度的三个最关键因素在于关系信任、服务满 意度、服务质量。其设计了调查问卷向客户展开问卷调查，共发放了 600 份问卷，收回有效问卷320 份。通过对问卷调查的信息分析，最终对超市客户进行了忠诚度有效预测，并提出了对于不同客户的忠诚度提升对策。 文献 33针对于银行客户忠诚度进行研究，其在营销学忠诚度传统模型基础上，对于某商业银行的 800 多位客户进行访谈，并对访谈资料进行分析，对客户进行了有效的忠诚度划分。其研究结果表明，客户忠诚度的直接影响因素在于客户对于银行服务的满意程度，客户对于银行的了解程度也是客户忠诚度的重要影响因素之一。 文献 34对 无线电通讯行业客户忠诚度进行了研究。在进行忠诚度评价过程中，采用电话问卷访谈的形式，收集到 3500 名客户的调查结果，其中 3200 份为有效调查。通过对调查结果的分析，表明：无线电通讯商其客户关系管理工作应当着重于提升客户满意度，并集中资源提升对客户的服务质量，而不是将精力集中于新客户获取的活动中。 此外，还有一系列的研究分别着眼于食品行业、互联网行业、电子商务行业等行业的客户忠诚度预测 35对于客户忠诚度预测的一般研究方法，主要通过采用针对于具体行业进行问卷设计，发放问卷并针对于有效问卷进行分析第二章 客户忠诚度预测模型研究 8 的 方式，最终形成客户忠诚度水平。 第二节 神经网络原理 经网络 的发展 人工神经网络是计算机、生物医学等多学科交叉的结果。人工神经网络的研究始于 1943 年提出的 型。该模型给出了神经元的基本工作模式，成为神经网络研究的起源。生物学家 生物学研究中，发现了神经细胞之间的连接，会在某种活动中得到加强。该规则引入到人工神经网络中，被称为 习规则，成为人工神经网络学习最为经典的算法之一。 此后，神经网络的最大进展就是由 出 的 著名感知机模型，包含了 现 代计算机的一些 基本 原理， 通常被认为 是 神经网络研究史上 第一个完整的人工神经网络数学模型 ， 是 第一次 将人工神经网络的 研究 成果 付诸 于 工程实现的探索性尝试 。 出了至今仍在广泛使用的 习规则，并探讨了 自适应滤波、预测和模式识别 等领域中 自适应线性单元 动了人工神经网络领域 的研究进入 其发展历程上的首个 高潮。出了 经网络模型，该模型由运算放大器搭建而成。借助于自动控制领域领的 数的原理，提出了神经网络稳定性的判定规则，并运用该模型对于旅行商问题进行求解。在 出了神经网络多层感知机训练的 馈算法之后，解决的多层感知机学习过程的难题，将神经网络的研究引入了一个新的发展阶段。 在神经网络结构、算法研究的基础上，其在多个领域得到了广泛的应用。例如：在图像处理领域，通过神经网络进行图像边缘检测、图像恢复；在模式识别领域，通过神经网络对于人工手写符号进行识别，进行传感器信号检测等；在机器人控制领域，通过神经网络进行机械手故障排查、机器人自适应导航等功能实现。 经网络 结构 神经元是神经网络的 最小构成单元，通过若干神经元组成神经网络的不同第二章 客户忠诚度预测模型研究 9 层次结构，并将不同层次的网络结构进行连接形成神经网络总体结构。 神经网络是在各个神经元工作的基础上，形成网络的总体工作特性。典型的神经元结构如图 示。 1n ,g X W 图 经元结构图 在图 神经元结构中，输入量为 X= , ，神经元权重为向量 12, , , ，神经元的阈值为 ，阈值是作为神经元 的偏移信号。函数 ,g X W 代表神经元的基函数，属于多输入单输出类型。函数 f(u)代表神经元的激活函数，激活函数根据基函数处理得到的数据向指定范围内进行映射。神经元进行运算过程中，通过基函数和激活函数的连续运算，最终得到神经元对于输入数据的计算结果。 神经元基函数主要包括如下几种类型： (1) 线性基函数 线性基函数是多层感知机、 多种神经网络模型中应用较为广泛的一种基函数。通过线性基础函数的运算，神经元中间计算结果 u 值如式 1, n g X W x X W (在 n 维空间中，线性基函数的为 n 维的超平面形状。 (2) 距离基函数 通过距离基函数的运算，神经元中间计算结果 u 值如式 示。 21, n g X W x w X W (第二章 客户忠诚度预测模型研究 10 在距离基函数中，其计算结果为神经元输入向量 X 和阈值向量 W 之间的欧式距离。 (3) 椭圆基函数 通过椭圆基函数的运算，神经元中间计算结果 u 值如式 示。 21, n i i g X W c x w C X W (在 n 维空间中，椭圆距离函数表示为一个 n 维的椭圆球体。 神经元的激活函数能够对于基函数的计算结果进行转换，将无限域是数值转换到指定范围内作为神经元的输出结果。激活函数有多种类型，包括线性激活函数、非线性激活函数等。常用的激活函数包括如下几种类型： (1) 硬极限激活函数 硬极限激活函数包括单极限激活函数和双极限激活函数两种类型，其计算方法分别如式 式 示。 1000uy f u u ( 1010uy f u u (单极限激活函数将中间计算结果 u 的非负部分映射为 1，将负数部分映射为0；双极限激活函数其映射范围相应扩大，将中间计算结果 u 的非负部分映射为1，将负数部分映射为 (2) 线性激活函数 线性激活函数将中间计算结果 u 进行线性映射，其计算方法式 示。 y f u ku b (在线性激活函数中，根据中间计 算结果 u，构造线性函数。其中 k 为函数斜率， b 为函数截距。 (3) 饱和线性激活函数 饱和线性激活函数根据中间计算结果 计算方法如式 1 112y f u u u (饱和线性激活函数常用于对数据进行分类。 第二章 客户忠诚度预测模型研究 11 (4) 活函数 这类函数是神经网络中应用最为广泛的一种激活函数，其能够将中间计算结果 0,1空间范围内进行映射。 活函数的计算方法如式 示。 11 uy f u e (为了将中间计算结果 u 映射到更广的空间范围内，双极性 数在数基础上进行了调整，能够将 u 映射到 1的空间范围内。双极性活函数计算方法如式 示。 f u (通过改变参数 能够 对于激活函数的形状进行调整，从而达到根据不同问题进行激活函数选择的目的。 (5) 高斯激活函数 高斯激活函数常用在径向基神经网络中，该激活函数的计算方法如式 22e x p uy f u (式中，参数 表示函数的宽度。该值越大，表示函数曲线越平坦。在实际应用中，根据具体问题进行参数选择。 经网络类型 神经网络按照结构可以划分成为不同的类型。常用的神 经网络类型主要有前馈网络、反馈网络两种。 (1) 前馈网络 神经网络的前馈型网络结构如图 示。 前馈型神经网络结构中，网络结构可以从总体上划分成为输入层、中间层和输出层的三层结构。每一层神经元的输入项为前一层神经元的计算输出项。通过对于数据的顺序运算，得到最终计算结果。网络可以具备若干个中间层次，可以根据具体工程问题进行相应层级结构设计。 第二章 客户忠诚度预测模型研究 12 1馈型神经网络结构图 (2) 反馈网络 反馈型神经网络又称之为递归神经网络结构，神经网络的反馈 型网络结构如图 示。 1馈型神经网络结构图 在反馈型神经网络结构中，网络的输入层要素不仅包括系统的外部输入量，还包括由系统的输出值。系统的输出值可以是上一次计算结果，也可以是延迟若干时间段之前的计算结果。系统能够根据及时输入和系统输出进行数据运算，完成对于信号系统或自控系统的状态控制。 第二节 神经网络预测模型 题的提出 由于客户忠诚度管理的重要性，本人所在银行对于客户忠诚度也展开了初步的研究。针对于本行信用卡客户设计了相应 的问卷，并展开了一系列的问卷调查和问卷数据分析工作。通过对信用卡客