数据挖掘在银行征信CRM系统中的应用

论文摘要

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”。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。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“金块”。本文就是着眼于如何通过数据挖掘技术,实现基于银行征信系统的CRM管理。从数据挖掘分类分析理论入手,对数据挖掘的内涵、过程、应用以及征信CRM系统的核心思想进行了论述。文中重点研究了数据挖掘的分类算法,并将相关的分类算法应用到银行客户分类研究之中。在数据挖掘分类分析中,本文描述了一般的决策树算法,介绍并比较了几种典型的决策树算法。商业银行有一项主要业务是贷款,对于申请贷款的众多客户,银行难以发现他们的分类特征,针对这些客户的营销策略的制订就显得缺乏依据。为此,银行可以利用系统数据库或数据仓库中的征信等数据对客户群进行分类,发现申请或不申请贷款的客户类型特征,从而为银行贷款业务制定最佳的指导策略。在本文中利用数据挖掘的分类功能,主要采用经典的ID3决策树算法,进行客户分类应用研究。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 论文的选题背景及研究意义
• 1.2 国内外研究的现状与发展趋势
• 1.2.1 数据挖掘的研究现状及前景
• 1.2.2 银行客户征信业务
• 1.2.3 数据挖掘在银行征信CRM系统中的应用的现状
• 1.2.4 数据挖掘分类算法研究现状
• 1.3 论文总体结构及创新之处
• 1.3.1 论文总体结构
• 1.3.2 论文创新之处
• 第二章 相关理论
• 2.1 CRM概述
• 2.1.1 CRM的基本概念
• 2.1.2 CRM的核心内容
• 2.2 数据挖掘概述
• 2.2.1 数据挖掘的一般流程
• 2.2.2 数据挖掘技术实现
• 2.2.3 数据挖掘与数据仓库融合发展
• 2.2.4 数据挖掘的应用
• 2.3 分类算法概述
• 2.3.1 分类的概念
• 2.3.2 分类算法评估
• 2.3.3 分类算法的比较
• 第三章 银行征信CRM系统构架
• 3.1 系统总体架构
• 3.2 主要功能
• 3.3 个人征信数据仓库模型的建立
• 3.3.1 CRM建模
• 3.3.2 修正模型
• 3.4 本章小结
• 第四章 数据挖掘算法在银行客户分类中的实现
• 4.1 银行客户分类问题
• 4.2 决策树算法
• 4.2.1 决策树算法的一般描述
• 4.2.2 典型的决策树算法简介
• 4.3 决策树算法用于客户分类
• 4.3.1 数据预处理
• 4.3.2 构造决策树
• 4.3.3 提取分类规则
• 4.4 性能分析
• 结论
• 致谢
• 参考文献