改进K-MEANS聚类算法在银行CRM中的应用与研究

论文摘要

如今各行各业的竞争都相当激烈,特别是在金融（银行）行业,竞争成为了行业规则,对业绩的把握,其实就是对客户的把握,掌握客户需求越及时,越能满足市场的需求,就越能成为行业竞争中的佼佼者。目前大部分企业建立了客户管理系统,信息化程度的提高使中国金融业获得了大量客户电子数据资源,而客户数据信息的理解和利用对提高企业服务水平具有重要作用,特别是准确的客户分类使企业能有效实施客户关系管理策略。如今的企业已经历了数据集中收集的时期,如何对已有信息有效使用,挖掘出对决策者具有价值的信息?显然传统的技术支持已无法满足用户的要求。数据挖掘技术可以对海量数据进行处理,从不完全的、有噪声、模糊的数据中提取隐含在其中的数据,在概括描绘已有的信息数据基础上作分析预测,为决策者提供决策所需要的信息。应用数据挖掘技术可将市场和客户分成有意义的群组,协助企业更好策划活动和设计新的市场运动,通过获得客户类别来分析和预测客户的消费模式。因此,研究数据挖掘技术,对客户进行分类,根据分类结果制定CRM策略具有重要的理论价值与现实意义。本文着重研究了数据挖掘技术在金融业CRM系统中的应用与实现。首先介绍了数据挖掘与客户关系管理的基础理论,然后结合当前金融业务的特点,分析了金融行业CRM的功能及架构,同时本文基于聚类分析算法,提出数据挖掘在金融业客户关系管理中的典型应用。本文就针对银行业数据挖掘的工作流特点及数据的分析,提出必须实现客户关系管理的数据仓库的建设,在分析K-means算法的优缺点后,提出了一种改进的K-means算法。最后本文参照数据挖掘分析的实际工作流,即从目标的定义,到数据的准备,至数据仓库的建立,再到算法的实现与结果输出和应用,选自某银行金融理财部2009至2010年度的信息数据,以此进行挖掘与实现,并一一给出了对应的操作策略说明。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.1.1 课题产生背景
• 1.1.2 课题研究现状
• 1.1.3 课题应用及发展前景
• 1.2 客户关系管理概述
• 1.2.1 客户关系管理的含义
• 1.2.2 客户关系管理的内容
• 1.2.3 客户关系管理系统结构
• 1.3 银行业客户关系管理现状
• 1.4 研究目的与框架
• 1.4.1 研究的目的
• 1.4.2 研究的框架
• 第2章 CRM 与数据挖掘
• 2.1 CRM 的功能与结构
• 2.1.1 CRM 主要功能
• 2.1.2 CRM 系统结构
• 2.2 数据挖掘基本理论
• 2.2.1 数据仓库与数据挖掘
• 2.2.2 数据挖掘的功能
• 2.2.3 数据挖掘的常用方法
• 2.2.4 数据挖掘的一般流程
• 2.3 数据挖掘在CRM 中的应用领域
• 第3章 CRM 中的数据仓库建立
• 3.1 银行业业务数据仓库分析
• 3.2 银行业CRM 中数据仓库设计
• 3.2.1 数据仓库应用系统设计
• 3.2.2 数据仓库的模型设计
• 3.3 数据预处理
• 第4章 CRM 中的挖掘模型及算法设计
• 4.1 聚类分析
• 4.1.1 聚类分析的概念
• 4.1.2 聚类分析的应用
• 4.1.3 主要聚类分析的方法
• 4.2 K-means 算法设计
• 4.2.1 K-means 算法简介
• 4.2.2 K-means 算法改进
• 4.2.3 性能分析
• 4.3 基于K-means 算法的模型设计
• 第5章 数据挖掘在银行客户细分中的应用
• 5.1 银行中的客户管理
• 5.2 相关数据的收集
• 5.3 数据的预处理
• 5.4 数据仓库建立
• 5.5 数据挖掘算法
• 5.6 实验实现和解释
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 附录一：客户交易信息字段表
• 附录二：数据仓库建立过程部分代码
• 致谢
• 攻读学位期间发表的学术论文目录