论文摘要
以客户为中心的银行客户关系管理是当今研究的热点之一,良好的客户关系管理能够为银行带来巨大的利润。数据挖掘能够对客户行为进行预测,从而很好地支持人们的决策。如何有效地使用数据挖掘技术为管理者提供有效的决策信息是商业银行的客户关系管理系统中的关键。从CRM的应用与发展的角度,利用数据挖掘技术,提出了一种控制银行CRM中贷款风险预测的方案,并实现了客户贷款风险预测。首先从客户关系管理和数据挖掘入手,介绍了客户关系管理的定义和组成以及数据挖掘技术的主要方法及其在客户关系管理中的应用,对数据挖掘技术及其在银行客户关系管理中的应用现状进行了分析,详细阐述了数据挖掘技术与银行客户关系管理的内在联系。然后在选择数据挖掘方法的时候,重点研究了决策树算法,该算法已经被成功的应用于很多分类问题,并尝试采用其中的ID3算法来完成银行客户数据的贷款风险预测。根据模拟的银行客户基本资料的数据,通过建立决策树模型,对客户群体的贷款风险进行预测,找出分类规则。具体实现过程中,详细描述了实验数据预处理的方法和步骤、数据库模块、决策树生成模块、以及验证和预测模块。其中,针对ID3算法要求属性离散化这一特点,将连续属性进行区间划分,并对数据进行预处理,使数据能够满足算法的要求。针对在算法实现过程中所遇到的识别性问题提出了一种属性标识方法。在此基础上,结合商业银行的特征,建立了一个银行贷款风险预测模型,对模型进行验证,并从该模型产生出相应的规则。该模型可应用于银行客户关系管理中客户贷款风险的控制。最后利用规则得出的结论结合客户的实际信息来实现对客户贷款风险的预测。