銀行客戶(hù)關(guān)系管理中的數據挖掘探究論文
0 引言
隨著(zhù)我國利率市場(chǎng)的推進(jìn)和改革的不斷深入，我國銀行業(yè)面臨的競爭壓力也越來(lái)越大，若想在競爭中處于不敗之地，中國金融業(yè)必須改變經(jīng)營(yíng)觀(guān)念，以客戶(hù)需要為中心，以客戶(hù)滿(mǎn)意為宗旨，改善企業(yè)與客戶(hù)關(guān)系，不斷地提高自身的服務(wù)水平和決策能力。 由于在銀行日常的業(yè)務(wù)處理過(guò)程中，收集并積累了大量和客戶(hù)有關(guān)的業(yè)務(wù)數據，銀行希望能夠對數據庫中存儲的這些大量數據信息進(jìn)行分析和處理，提取潛在的、有應用價(jià)值的信息，從而提高銀行的服務(wù)和決策水平。 對企業(yè)或銀行而言，能否對客戶(hù)相關(guān)數據加以進(jìn)一步利用，已成為在競爭中取得優(yōu)勢的關(guān)鍵和基礎。 數據挖掘就是對大量的數據信息進(jìn)行提取、發(fā)現和獲得有用的知識和規則的技術(shù)，為制定經(jīng)營(yíng)策略提供有利的參考依據，進(jìn)而提高客戶(hù)服務(wù)水平，加強客戶(hù)關(guān)系管理[1].
1 客戶(hù)關(guān)系管理的涵義
客戶(hù)關(guān)系管理是指企業(yè)為了獲取最大限度的經(jīng)濟效益，制定以客戶(hù)服務(wù)為中心的發(fā)展策略，引導客戶(hù)的投資行為，最大限度地滿(mǎn)足客戶(hù)的需求，建立與客戶(hù)持久的關(guān)系，企業(yè)也從營(yíng)銷(xiāo)中獲得利潤，實(shí)現雙贏(yíng)。 客戶(hù)是企業(yè)重要的資源，客戶(hù)關(guān)系也越來(lái)越受到關(guān)注和重視，應該加強客戶(hù)關(guān)系的建立和維護，改善企業(yè)和客戶(hù)的關(guān)系，進(jìn)而形成長(cháng)期穩定的客戶(hù)群體，實(shí)現企業(yè)盈利的目的。
2 數據挖掘技術(shù)在銀行客戶(hù)關(guān)系管理中的應用
數據挖掘是一種信息處理方法和技術(shù)，主要是對大量實(shí)際應用的數據進(jìn)行提取，并進(jìn)行深入地分析和處理，從而獲得有用的信息和規則，為企業(yè)的管理和制定經(jīng)營(yíng)策略提供參考依據。 數據挖掘作為一種新興的技術(shù)被廣泛應用到銀行客戶(hù)關(guān)系管理中，對數據庫中存儲的大量客戶(hù)相關(guān)數據進(jìn)行深層次的挖掘，提取出來(lái)的有用的知識或信息可為管理人員提供參考依據，進(jìn)而制定出合理的、有利于企業(yè)發(fā)展的決策，提高企業(yè)的競爭能力。 常用的數據挖掘方法有決策樹(shù)、遺傳算法、神經(jīng)網(wǎng)絡(luò )及聚類(lèi)分析等[2].
2. 1 數據挖掘技術(shù)在銀行客戶(hù)關(guān)系管理中的重要性
數據挖掘技術(shù)在銀行客戶(hù)關(guān)系管理中的作用主要體現在以下幾個(gè)方面：
�。� 1） 客戶(hù)盈利能力分析。 不同客戶(hù)的價(jià)值是不同的，數據挖掘可以對不同市場(chǎng)活動(dòng)情況下客戶(hù)盈利能力的變化進(jìn)行分析和預測，進(jìn)而制定合適的市場(chǎng)策略；（ 2） 客戶(hù)獲得、流失和保持分析。 銀行為客戶(hù)提供的產(chǎn)品基本都相同，由于企業(yè)間競爭的不斷加劇，發(fā)展新客戶(hù)的同時(shí)也應重視原有客戶(hù)，可以通過(guò)不斷地改善現有客戶(hù)的服務(wù)來(lái)避免客戶(hù)流失。 利用數據挖掘技術(shù)建立客戶(hù)流失的預測模型，可以采取預防措施防止客戶(hù)流失；（ 3） 交叉營(yíng)銷(xiāo)。 銀行為客戶(hù)提供新的產(chǎn)品或服務(wù)，即進(jìn)行交叉銷(xiāo)售。 數據挖掘技術(shù)可以提供幫助信息，為不同客戶(hù)分析并制定出合理的服務(wù)匹配；（ 4） 客戶(hù)群體分類(lèi)分析。 優(yōu)質(zhì)客戶(hù)能夠為銀行帶來(lái)客觀(guān)利潤，因而為高價(jià)值客戶(hù)提供優(yōu)質(zhì)服務(wù)很重要。 多數的中間客戶(hù)則處于高價(jià)值與低價(jià)值中間，也是銀行重要的客戶(hù)群體。 通過(guò)數據挖掘技術(shù)對大量的客戶(hù)進(jìn)行分類(lèi)，針對不同的客戶(hù)提供不同的產(chǎn)品和服務(wù)。
2. 2 數據挖掘技術(shù)方法
數據挖掘技術(shù)主要有聚類(lèi)、分類(lèi)和關(guān)聯(lián)分析等分析方法，廣泛應用于客戶(hù)關(guān)系管理。 聚類(lèi)分析實(shí)現對客戶(hù)進(jìn)行分類(lèi)，利用分類(lèi)法能夠識別優(yōu)質(zhì)客戶(hù)，通過(guò)關(guān)聯(lián)分析進(jìn)行交叉銷(xiāo)售[3].
2. 2. 1 分類(lèi)分析
假定數據庫中每條記錄都屬于某一確定的類(lèi)別，由一個(gè)稱(chēng)作類(lèi)屬性的值確定。 分類(lèi)分析就是通過(guò)對訓練數據集中的數據的分析，對不同類(lèi)別進(jìn)行描述并建立分析模型或獲得分類(lèi)規則，然后將這個(gè)分類(lèi)規則應用于其它數據庫中的記錄。 分類(lèi)分析有兩步過(guò)程： 第一步是建立模型。 通過(guò)分析記錄數據來(lái)構造模型； 第二步是使用模型進(jìn)行分類(lèi)。 如果模型的預測準確率可以接受，就可以用它對類(lèi)別未知的數據對象進(jìn)行分類(lèi)。
分類(lèi)法可將客戶(hù)劃分為不同的群體，各個(gè)群體有著(zhù)明顯的行為特征。 企業(yè)可以更好地理解客戶(hù)和發(fā)現群體客戶(hù)的特點(diǎn)，從而制定相應的市場(chǎng)策略。 同時(shí)，通過(guò)對不同客戶(hù)群的交叉分析，還可以發(fā)現群間的特點(diǎn)和規律。 分類(lèi)方法通常建立的模型以分類(lèi)規則、判定樹(shù)形式出現，主要包括決策樹(shù)、貝葉斯分類(lèi)、遺傳算法分類(lèi)等，最為典型的決策樹(shù)方法是 ID3 算法和算法 C4. 5.
例如，針對某一產(chǎn)品的營(yíng)銷(xiāo)，銀行如何在眾多的客戶(hù)中識別出相應的客戶(hù)。 這里可首先假設類(lèi)屬性是“是否為優(yōu)質(zhì)客戶(hù)”,然后采用分類(lèi)法，最后確定出優(yōu)質(zhì)客戶(hù)的評估標準。 分類(lèi)法可以幫助企業(yè)快速確定相應客戶(hù)，進(jìn)而提供相應服務(wù)。 同樣為了防止客戶(hù)流失，首先要了解顧客的需求。 首先設類(lèi)屬性是“顧客是否流失”,再利用數據挖掘方法對大量的'客戶(hù)信息進(jìn)行分析，建立數據模型，以確定客戶(hù)的特點(diǎn)和屬性，為其提供個(gè)性化服務(wù)。
2. 2. 2 關(guān)聯(lián)分析
關(guān)聯(lián)分析就是在訓練集的基礎上，通過(guò)分析記錄集合，推導出相關(guān)性的結果，目的是為了挖掘出隱含在數據間的相互關(guān)系，發(fā)現客戶(hù)數據信息之間的相互依賴(lài)或某種規律性。 交叉銷(xiāo)售是指銀行向客戶(hù)推銷(xiāo)新的產(chǎn)品或服務(wù)，客戶(hù)可以得到相應的服務(wù)而受益，銀行也因營(yíng)業(yè)額的增長(cháng)而獲得利潤。 關(guān)聯(lián)分析法可以在對客戶(hù)過(guò)去的購買(mǎi)數據的分析找出影響客戶(hù)購買(mǎi)產(chǎn)品的因素，即找出客戶(hù)的投資行為與其他屬性如性別、年齡、職位等的關(guān)聯(lián)關(guān)系，并建立預測模型對客戶(hù)以后的購買(mǎi)進(jìn)行預測，分析哪些用戶(hù)對金融產(chǎn)品感興趣，哪些用戶(hù)對理財產(chǎn)品感興趣，從而實(shí)施有效的營(yíng)銷(xiāo)[4].
2. 2. 3 聚類(lèi)分析
與分類(lèi)分析不同，聚類(lèi)分析的數據集合還沒(méi)有進(jìn)行任何分類(lèi)。 聚類(lèi)分析是對數據庫中的記錄數據進(jìn)行分析，按照類(lèi)內相似度最大，類(lèi)間相似度最小的原則分類(lèi)。 聚類(lèi)即平常所說(shuō)的“物以類(lèi)聚”,是把一組個(gè)體按照相似性分成若干類(lèi)別。 業(yè)務(wù)人員面對服務(wù)營(yíng)銷(xiāo)的特定需要和大量的客戶(hù)信息，希望得到有效的幫助和提示，進(jìn)而對特定的客戶(hù)分類(lèi)群體采取相應措施進(jìn)行營(yíng)銷(xiāo)。 通過(guò)聚類(lèi)分析方法，對大量的客戶(hù)數據信息進(jìn)行處理，對客戶(hù)分類(lèi)劃分，可以發(fā)現每個(gè)類(lèi)別客戶(hù)的不同特點(diǎn)，從而提供針對性的服務(wù)，為其提供相應的服務(wù)和產(chǎn)品，快速準確地找到潛在客戶(hù)，提高工作效率，降低營(yíng)銷(xiāo)成本。
聚類(lèi)分析主要有統計方法、機器學(xué)習方法、神經(jīng)網(wǎng)絡(luò )方法等，在實(shí)際應用中經(jīng)常和分類(lèi)分析方法結合起來(lái)使用。 例如，分析人員可先利用聚類(lèi)分析對要分析的數據劃分類(lèi)別，然后用分類(lèi)分析方法進(jìn)一步分析不同類(lèi)別的數據集合，挖掘出各類(lèi)別的分類(lèi)規則，最后使用分類(lèi)規則對整個(gè)數據集合重新進(jìn)行劃分，通常能獲得較好的分類(lèi)結果。 通過(guò)兩種方法的結合使用得到滿(mǎn)意的劃分結果。
3 結語(yǔ)
數據挖掘是客戶(hù)關(guān)系管理中的關(guān)鍵技術(shù)，本文主要探討數據挖掘在客戶(hù)關(guān)系管理上的應用，對聚類(lèi)、分類(lèi)、關(guān)聯(lián)分析等挖掘技術(shù)進(jìn)行了詳細的介紹。 數據挖掘通過(guò)對大量的客戶(hù)信息進(jìn)行分析和處理，為銀行管理人員提供客戶(hù)分類(lèi)、盈利能力以及潛在的用戶(hù)等有用信息，找出各種數據之間的關(guān)聯(lián)性，從而能夠為客戶(hù)提供滿(mǎn)意的服務(wù)，加強了客戶(hù)關(guān)系管理的維護和建設，為決策人員提供準確的指導信息，輔助決策者制定最優(yōu)的營(yíng)銷(xiāo)策略，降低了運營(yíng)成本和決策風(fēng)險。
參 考 文 獻
[1]王小燕，周建民。 數據挖掘技術(shù)在商業(yè)銀行中的應用研究[J]. 華南金融電腦，2005,13（ 5） : 94 -96.
[2]陳建成。 數據挖掘技術(shù)在客戶(hù)關(guān)系管理系統中的應用[J]. 電腦與電信，2007（ 2） : 41 -43.
[3]左愛(ài)群，杜 波。 數據挖掘在銀行客戶(hù)關(guān)系管理系統中的應用[J]. 武漢工業(yè)學(xué)院學(xué)報，2006,25（ 3） : 52 -55.
[4]尹曉麗，方旭昇。 數據挖掘技術(shù)在銀行 CRM 中的應用[J]. 經(jīng)濟研究導刊，2009（ 20） : 112 -113.
【銀行客戶(hù)關(guān)系管理中的數據挖掘探究論文】相關(guān)文章：
大數據挖掘在智游應用中的探究論文04-13
數據挖掘在培訓管理中的應用論文07-02
數據挖掘技術(shù)在客戶(hù)關(guān)系管理中怎么應用探討管理論文07-02
數據挖掘在CRM中的應用論文04-10
數據挖掘論文03-31
數據挖掘論文07-15