数据挖掘算法毕业论文.docx
《数据挖掘算法毕业论文.docx》由会员分享,可在线阅读,更多相关《数据挖掘算法毕业论文.docx(45页珍藏版)》请在三一办公上搜索。
1、数据挖掘算法毕业论文 数据挖掘算法毕业论文 数据挖掘算法在银行客户细分中的应用 目录 1前言 . 1 1.1问题的由来 . 1 1.2国内外研究现状 . 1 1.3主要内容和创新点 . 2 2数据挖掘与商业银行客户细分 . 3 2.1客户细分 . 3 2.1.1客户细分的概述 . 3 2.1.2银行客户细分在客户关系管理中的意义 . 4 2.2数据挖掘 . 4 2.2.1数据挖掘的概述 . 4 2.2.2数据挖掘在客户关系管理中的应用途径 . 6 3数据挖掘方法在银行客户细分中的应用 . 6 3.1数据挖掘的一般过程 . 6 3.2客户分类指标的建立 . 7 3.3客户数据的选择和准备 . 8
2、 3.3.1数据选择 . 8 3.3.2数据预处理 . 8 3.3.3数据转换 . 9 3.4数据挖掘 . 10 3.4.1数据挖掘使用的算法 . 10 3.4.2 K-mean算法的挖掘过程 . 11 3.4.3 K-mean算法的数据挖掘的结果 . 13 3.4.4层次聚类算法的挖掘过程 . 14 3.4.5层次聚类算法的数据挖掘结果 . 16 3.5解释与评估,结果转换 . 18 3.5.1对数据挖掘的结果进行解释和评价 . 18 3.5.2挖掘结果转换 . 18 3.6知识运用 . 19 4结束语 . 20 参考文献 . 21 I 致谢 . 22 附录一:K-mean算法聚类结果 .
3、23 附录二:层次聚类法个案聚类结果 . 25 附录三:层次聚类法变量聚类结果 . 27 II 数据挖掘算法在银行客户细分中的应用 专 业:信息管理与信息系统 摘 要:随着改革开放的到来经济的迅速发展和腾飞,信息技术快速兴起的和金融行业的蓬勃发展,企业从客户关系管理中获得大量的客户信息,但是如何利用好这些珍贵的战略资源,并通过这些资源对客户进行分类、保持和发展,已成为决定商业银行在竞争激烈的行业中获得成功的关键。 面对这些亟待解决的问题,利用数据挖掘算法在客户关系管理中对客户进行细分无疑是很好的选择。通过聚类分析能快速的为银行进行客户分类,并针对每一客户群体实施具体的客户关系管理策略和市场营销
4、策略,用最少的成本,为客户带来最合适的服务,并为企业创造最高的价值。 本文通过对银行客户细分的问题由来进行阐述,并对研究文献进行综述,结合数据挖掘算法进行银行客户细分。文章阐明客户细分的重要意义和作用,介绍了数据挖掘的算法和客户细分的方法,选取人口特征和行为特征的相关变量分别采用K-mean算法和层次聚类法对银行客户进行数据挖掘,得出个案的聚类结果和变量的聚类结果,并将数据挖掘结果转换成具有实用价值知识,最后将结果转换成客户细分方式和营销策略,为银行决策提供支持。 关键词:客户细分;数据挖掘;聚类分析 The Use of Date Mining Algorithm in the Custom
5、er Segmentation of Bank Major: Information Management & Information System Abstract: With the development of our countrys economic and the reforming and opening -up policy, the information technology and the financial sector develop faster than before,compan- ies can get a large scale of customer in
6、formation from customer relationship management. While how to make full use of these precious resources, divide customer into different clusters, keep and develop customers through these resources, the problem has been the key factor of winning succ- ess of the intense competition of commercial bank
7、s. Face to these to be solved problems, date mining is a good choice for managers to make cust- omer segmentation. It can do customer segmentation for banks quickly and give ideas to every cl- uster with lower cost, higher benefit and more appropriate service. This article elaborated the origin of b
8、ank customer segmentation problems, reviewed the li- terature, and used the date mining algorithms to make customer segmentation. It elaborated the use and importance of customer segmentation, introduced the date mining algorithms and ways of customer segmentation, selected population characteristic
9、s and behavior characteristics, using k-mean algorithm and hierarchical clustering methods for date mining to do customer segmen- III tation, changed the results of customer clustering and variable clustering into useful tactics about customer segmentation and marketing, and give decision support fo
10、r banks at last. Keywords:Customer Segmentation;Date Mining;Cluster Analysi IV 1前言 1.1问题的由来 随着改革开放以来中国经济的迅速发展和腾飞,信息技术快速兴起的和金融行业的蓬勃发展,我国的金融行业特别是银行业面临着巨大的机遇和挑战。 改革开放的到来,在市场经济的刺激下,商业银行之间的竞争变得日益激烈,这使得商业银行在发展的过程中,也需不断的跟进市场的需求和脚步,经营理念也发生了从“以市场为导向”到“以客户为导向”的巨大转变。客户关系管理便成为商业银行提高盈利的重要途径和手段。作为客户关系管理的重要功能之一的客户
11、细分便提高商业银行竞争方面凸显其重要的战略意义和作用。 随着信息经济时代的到来,银行从客户关系管理中获得大量的客户信息,但是如何利用好这些珍贵的战略资源,并通过这些资源对客户进行分类、保持和发展,已成为决定商业银行在竞争激烈的行业中获得成功的关键。 同时,随着信息技术的发展和银行业电子化程度的不断提高,面对大量的数据,许多银行还是停留在处理客户投诉的客户管理关系阶段,这无疑是对资源的浪费,更是对企业发展的严重阻碍。所以,更加科学有效的客户关系管理和客户细分,不仅能为企业带来便捷,针对目标客户有的放矢,减少不必要的损失,更能提高企业的竞争力,为企业带来更大的效益。 利用数据挖掘算法在客户关系管理
12、中对客户进行细分无疑是很好的选择。通过聚类分析和决策树分析能快速的为银行进行客户分类,并针对每一客户群体实施具体的客户关系管理策略和市场营销策略。 1.2国内外研究现状 目前在我国,“数据海量,信息缺乏”是商业银行在数据大集中之后普遍所面对的尴尬。目前金融业实施的大多数数据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各种有用的信息,譬如对这些数据进行分析,发现其数据模式及特征,然后可能发现某个客户、消费群体或组织的金融和商业兴趣,并可观察金融市场的变化趋势。数据挖掘的技术在我国的研究与应用并不是很广泛深入。 国内商业银行在过去的十几年中,一直坚持以产品为中心的经营理
13、念,并以此来进行部门人员的设置及信息化系统的开发,其结果是导致各个产品系统之间大多相对独立,毫无关系,客户的各项信息分布于多个系统中,各系统自己的数据标准也各不一致,客户信息无法全面展现。在对客户进行细分时,一般也采取传统的方法,如:基于经验的分类方法或基于统计的简单划分方法,这些方法一般根据决策者的经验或是根据客户简单的属性特征,对客户进行划分,例如根据客户所购买的金融产品类别(如:贷款、申请信用卡、理财产品等),或根据客户的居住地域、年龄等对客户划分类别。虽然这些划分对商业银行的客户管理也是很有意义的,但却无法满足诸如对哪些客户的潜在价值更高、哪些客户的资信程度更高、客户群有哪些特征等复杂
14、分析需求。随着信息技术的不断发展和金融电子化程度的不断提高,国内商业银行已积累了越来越多的客户数据,面对海量的客户数据,传统的客户细分方法则更显得力不从心(陈宏凯,2006)。 1 我国商业银行对客户资源没有细分,没有相应的客户定位,对所有客户都一视同仁。有时为了追求数量而不重质量和效益,往往导致柜台资源主要被80的低端客户占用,而给其带来巨大经济利益的20的高端客户没有得到较好的金融服务。而目前西方商业银行对客户资源有一个很好的细分,业务针对性较强,对一般客户的金融服务主要是通过ATM等自助终端来实现,而将目标客户锁定在中高收入阶层。 数据挖掘技术已经被广泛应用在西方金融行业企业中,它可以成
15、功预测银行客户需求。一旦获得了这些信息,银行就可以改善自身营销。 国外商业银行在管理和技术上都有着丰富的经验,包括花旗银行、美洲银行、汇丰银行等在内的众多国际大银行都已确立了以客户为中心的经营理念,并充分利用商业智能技术,建立独立统一的客户数据库和客户信息分析系统,以便能更好地了解客户,为客户提供其所需要的产品设计和服务。他们加强同客户的忠诚关系,把客户当作一项资产来管理和开发。花旗银行能准确说出谁是他们盈利来源最多的客户,能在10分钟之内讲清楚重要的银行客户使用了多少种银行产品。 在商业智能的帮助下,花旗银行可以按照客户为银行创造盈利的多少和盈利潜在可能性的大小将自己的客户进行分类,进而根据
16、不同客户以往的消费习惯,预测其未来的消费倾向,并结合外部经济、人口统计等相关数据预测未来的市场发展趋势。通过这种分析,一方面可以使银行把握市场动态,开发出新产品占领市场,另一方面可以使银行针对不同贡献度的客户采取不同的产品和服务,从而获得尽可能大的“深度效益”。 此外,花旗还向已有客户交叉销售新产品,并且取得了巨大的成功。他们利用商业智能的卓越性能,了解每个客户的行为特征、消费习惯、财务状况及未来的需要,从而为客户做出恰当和切合其需要的财务建议和安排,同时更有针对性和更有效地进行推广工作。 1.3主要内容和创新点 利用数据挖掘算法在商业银行客户细分中进行实际应用,并为商业银行在客户细分方面提供
17、决策支持。为以后企业在决策方面提供了科学的算法和方法,并能运用到实际中去。本文利用文献研究法,定量分析法,定性分析法等方法对相关理论和方法进行阐述并进行具体实践。 主要研究内容: 第一,客户细分的概念,原理和方法,客户细分在客户关系管理中的重要地位和意义; 第二,数据挖掘的理论和方法,以及数据挖掘对客户细分的重要意义; 第三,银行客户细分的数据挖掘和结果讨论; 第四,数据挖掘算法在银行客户细分方面的展望和发展。 本文创新点: 利用K-mean算法和层次聚类分析方法,分别对客户进行细分和客户属性进行聚类,不仅能得到客户的聚类结果,并且能得到客户属性特征的聚类结果,提出典型客户特征,为客户细分提供
18、了更加有效的方法和结果,为客户细分的客户特征的选取提供了参考。 2 2数据挖掘与商业银行客户细分 2.1客户细分 2.1.1客户细分的概述 客户细分(Customer Segmentation),作为客户关系管理的核心概念之一,是指企业在明确的战略、业务模式和特定的市场中,根据客户的属性、行为、需求、偏好以及价值等区因素对于客户进行分类,并提供针对的产品、服务和营销模式的过程。 简单说是指将客户划分成互不相交的不同类别,在同一类别里,客户具有类似的特性。客户细分是进行客户关系管理的重要前提和关键步骤。进行客户细分是为了使企业更精确地回答谁是企业的客户,哪些客户有哪些实际需求,哪些客户对企业的利
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数据 挖掘 算法 毕业论文

链接地址:https://www.31ppt.com/p-3560064.html