数据仓库技术在银行客户管理系统中的研究和实现

论文摘要

随着金融行业的国际化,竞争的日益深入。银行之间竞争的焦点已变为争夺客户,尤其是为银行提供80%利润的20%优质客户。由于我国各商业银行提供的服务内容基本相同,市场竞争日益激烈,风险越来越大,仅靠传统的服务已不能创造更多的利润,为了提高投资的有效性,降低风险,就要广泛收集各方面信息,充分利用已有的各种数据来争取更多的优良客户,支持决策的科学性、可靠性。将国际商业银行中的“深度效益”观念融入我国商业银行的管理策略之中：把客户细化为不同的个体,细化和分析客户信息,由分析工具和经验选择特定的客户群,跟踪每位消费者个体以及满足个性化的需求,在营销方面实施关系营销,由传统的注重交易转变为注重客户关系和客户价值。本文是以数据仓库技术为核心,数据挖掘方法为手段,对个人客户进行细分管理,在客户细分的基础上实现客户的营销方案针对性设计。本人将银行个人业务系统中的经营信息、客户个人信息等进行获取、提取、加工、输出。从而建立个人客户信息数据仓库。在建立数据仓库的基础上,使用数据挖掘算法将客户规模、客户评价、客户使用产品、客户属性进行细分。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究的背景与意义
• 1.2 数据仓库及数据挖掘技术在国内外研究与应用现状
• 1.2.1 数据仓库技术的发展及应用现状
• 1.2.2 数据挖掘技术的发展及应用现状
• 1.3 数据仓库技术及数据挖掘技术在银行业务中的应用现状和前景
• 1.4 论文的研究内容和结构
• 1.4.1 论文的研究内容
• 1.4.2 论文的结构
• 2 数据仓库和OLAP的基本概念
• 2.1 数据仓库的概念和特征
• 2.2 数据仓库与传统操作数据库之间的区别
• 2.3 数据仓库的体系结构
• 2.3.1 ETL介绍
• 2.3.2 数据仓库的存储
• 2.4 OLAP（联机分析处理）
• 2.4.1 OLAP的概念和特征
• 2.4.2 OLAP分析的基本操作
• 2.4.3 OLAP的分类
• 2.4.4 OLAP与数据仓库的关系
• 2.5 数据仓库和数据集市
• 2.6 数据仓库的数据组织结构
• 3 数据挖掘的基本概念
• 3.1 数据挖掘（Data Mining）的基本概念
• 3.2 数据挖掘的特点
• 3.3 数据挖掘的步骤
• 3.4 数据挖掘系统的结构
• 3.5 数据挖掘与数据仓库
• 3.6 数据挖掘和联机分析（OLAP）处理
• 4 银行数据仓库的系统设计和实现
• 4.1 系统的结构和功能
• 4.2 系统建设得到目标
• 4.3 系统使用的工具SQLserver2005介绍
• 4.4 银行个人客户数据仓库系统模型设计
• 4.4.1 概念模型的设计
• 4.4.2 逻辑模型设计
• 4.4.3 物理模型的设计
• 4.5 基于关系数据库OLAP（ROLAP）设计
• 4.5.1 维表及事实表设计
• 4.5.2 星型模型、雪花型模型、星座模型、雪暴模型相关介绍
• 4.6 数据装载接口设计
• 4.7 数据仓库的运行维护及优化
• 4.7.1 数据仓库的维护
• 4.7.2 数据仓库的优化
• 5 客户细分数据挖掘模型设计
• 5.1 客户细分理论简介
• 5.2 客户细分数据挖掘模型构造方法
• 5.2.1 决策树分析模型构造
• 5.2.2 聚类分析模型构造
• 5.2.4 客户贡献的分级模型分析
• 6 银行个人客户管理系统设计与实现
• 6.1 银行客户管理系统的框架结构及运用主要技术
• 6.2 系统的功能展示
• 6.2.1 登陆模块
• 6.2.2 客户细分模块的功能简要介绍
• 6.2.3 其他模块需要实现的功能
• 7 结论和展望
• 致谢
• 参考文献