论文部分内容阅读
摘 要：数据挖掘技术的主要作用是进行客户的信息整合，揭示出潜在的关联性和规律，进行客户细分和沟通，为决策者制定决策提供参考，为客户提供个性化服务，从而提升银行的盈利与竞争力。客户关系管理一种新型的以客户中心的管理机制，银行客户关系管理系统利用数据挖掘技术实现有效的客户关系管理，能够提高市场竞争能力。本文在对客户关系管理和数据挖掘简要介绍的基础上，主要阐述了数据挖掘技术在银行客户关系管理系统的应用。
关键词：数据挖掘技术；客户关系管理系统；银行
中图分类号：TP311.13
银行在业务处理中积累了大量的客户数据信息，如何将这些数据转化为有用的信息，并应用于客户服务和企业管理。数据挖掘技术能够从这些信息中发现潜在规律和知识支持管理决策，优化市场营销，实现有效的客户管理，通过对客户需求的分析进行客户价值、客户消费行为分析，从而为客户提供高质量的服务。因此在激烈行业竞争中银行为了实现长远发展的需要，建立银行客户关系管理系统势在必行。
1 银行客户关系管理系统
客户关系管理（Customer Relationship Management，简称CRM） 是一种改善企业与客户之间关系的新型管理模式。它强调以客户为中心，以客户满意为宗旨，实施与企业的市场营销、客户服务、管理等各方面，使企业在市场竞争中处于优势。建设CRM有助于银行识别优质客户，提高竞争能力；有利于银行提供差异化的优质服务，提高客户满意度和忠诚度；也是拓宽服务渠道、降低营销成本，为银行决策层提供决策支持的需要。因此，CRM 系统已成为目前银行业关注的热点[1]。
基于数据挖掘的银行CRM系统分析现有客户和潜在客户相关的需求、模式、机会、风险和成本，从而最大限度地赢得银行的整体经济效益。就是帮助银行集成、优化银行的业务流程，为客户提供高质量服务，协助银行从“以金融产品为中心”的大众化营销到“以客户为中心”的经营策略营销转变，通过优质服务提高客户满意度和忠诚度。CRM提供多种交互渠道，在实现基本业务的前提下，开展积极的金融服务；通过对客户信息的管理和分析，大力拓展中间业务，不断开发新的金融产品，开拓市场。通过深层次的数据分析，洞察市场发展趋势。
2 数据挖掘技术
数据挖掘是从大量的数据中提取隐含的、潜在有用的信息和知识的过程，其目的是通过对数据的分析处理，揭示数据之间的相互关系，预测未来的发展趋势，辅助工作问题分析求解、为制定决策提供参考和支持。在数据挖掘中，决策树是进行客户分类和预测的常用方法。决策树是通过分析处理数据集中的信息来发现规则和关系的分析工具[2]。
在个人信贷业务中，可以对客户进行分类，通过对客户的收入、工作年限的不同对风险进行控制，当客户向银行提出贷款的申请时，系统根据已建好的分类， 同时根据该客户以往的历史交易记录和信息， 将客户划分为某一类中， 如高风险类、低风险类. 以此给银行决策者们提供贷款业务的决策支持。
3 数据挖掘技术在银行CRM系统中的实施过程
3.1 明确问题的类型，选择合适的数据挖掘方法。明确要分析的问题属于的类型。例如，分析信用卡客户的流失的原因，应对客户进行分类，可采用分类或聚类分析工具。在明确所要分析解决的问题属于哪一类应用问题后，就可以选择合适的数据挖掘技术。例如，分类问题可以采用的技术有遗传算法、决策树和人工神经网络等。
3.2 准备数据。数据挖掘的成功与否在很大程度上取决于数据的数量和质量。应从大量的客户数据中筛选出与分析问题有关的具有代表性的数据子集，这样可以减少处理的数据量，然后进行数据预处理。
3.3 建立模型和获取规则和模式。在选择好数据挖掘的技术和方法后，开始对数据的分析处理。这是数据挖掘的核心环节。根据数据挖掘建立的模型的结果进行分析描述，即获取模式和规则。不同的技术方案建立的模型结果是不同的。例如，用决策树和人工神经网络技术产生模型结果是不同的。
3.4 证实和评价。通过处理之后得到一系列的分析结果和模型。这时需要对它们进行验证和评价，以得到有效的决策信息。可以采用的方法另找一批数据对其进行检验。
4 银行CRM系统的体系结构
银行CRM系统的体系结构主要由业务系统数据集成、数据预处理、数据分析及展示、客户联系中心部分组成[3]。
4.1 业务系统数据集成，整合客户数据信息。针对银行各个业务子系统中的数据进行集成整合，建立统一的客户数据库，实现不同渠道的客户数据信息共享，具有对来自各子系统的数据进行收集、更新的功能。
4.2 数据预处理。将业务系统数据和外部系统的数据，按照数据分析模型的需要整合到数据库中去， 完成数据抽取、数据转换、数据清洗、数据装载。
4.3 数据的分析及展示。数据分析处理是系统的核心部分，利用查询和分析工具、数据挖掘工具等对数据库中的信息进行分析处理，在面向用户的界面中，使信息变为对决策有益的知识并以有效的形式展现出来。
4.4 客户联系中心。通过呼叫中心、客户服务中心等不同渠道，为客户提供多途径的服务；客户信息分析处理的结果应用于客户业务流程优化和银行决策，更好地服务于客户，充分发挥客户数据信息的作用，将对客户数据信息转变为对银行发展有益的信息。
5 结束语
在银行CRM中利用数据挖掘技术，从大量的数据和信息中发掘出有用的知识，通过对客户、销售等信息的分析与挖掘，对市场的变化做出及时的反应，并据据客户需求推出相应的服务，使管理者得到关于市场、销售和客户服务等活动的信息，可以为银行高层决策者提供准确的客户分类、信用等级及潜在用户等有用信息，指导决策者制定最优的银行营销策略、降低运营成本、提高银行的经济效益的，加快银行的发展[4]。
参考文献：
[1]王小燕，周建民.数据挖掘技术在商业银行中的应用研究[J].华南金融电脑，2005，13脑（5）：94-96.
[2] 周晶平.基于数据仓库的银行客户关系管理系统的设计[J].中南民族大学学报（自然科学版），2006，25（4）：64-66
[3] 李兴国，于海峰，金芳芳. 基于数据挖掘的银行业客户关系管理体系结构[J].合肥工业大学学报（自然科学版），2004，27（7）：725-729
[4] 郑华.基于数据挖掘银行客户关系管理系统构建研究[J]. 广西轻工业，2008（10）
作者简介：杜丽英（1969-），女，吉林长春人，讲师，硕士，主要从事计算机应用方面的研究。
作者单位：吉林建筑大学计算机科学与工程学院，长春 130118
基金项目：吉林省教育厅“十二五”科学技术研究项目（项目编号：吉教科合字[2012]第198号）。
关键词：数据挖掘技术；客户关系管理系统；银行
中图分类号：TP311.13
银行在业务处理中积累了大量的客户数据信息，如何将这些数据转化为有用的信息，并应用于客户服务和企业管理。数据挖掘技术能够从这些信息中发现潜在规律和知识支持管理决策，优化市场营销，实现有效的客户管理，通过对客户需求的分析进行客户价值、客户消费行为分析，从而为客户提供高质量的服务。因此在激烈行业竞争中银行为了实现长远发展的需要，建立银行客户关系管理系统势在必行。
1 银行客户关系管理系统
客户关系管理（Customer Relationship Management，简称CRM） 是一种改善企业与客户之间关系的新型管理模式。它强调以客户为中心，以客户满意为宗旨，实施与企业的市场营销、客户服务、管理等各方面，使企业在市场竞争中处于优势。建设CRM有助于银行识别优质客户，提高竞争能力；有利于银行提供差异化的优质服务，提高客户满意度和忠诚度；也是拓宽服务渠道、降低营销成本，为银行决策层提供决策支持的需要。因此，CRM 系统已成为目前银行业关注的热点[1]。
基于数据挖掘的银行CRM系统分析现有客户和潜在客户相关的需求、模式、机会、风险和成本，从而最大限度地赢得银行的整体经济效益。就是帮助银行集成、优化银行的业务流程，为客户提供高质量服务，协助银行从“以金融产品为中心”的大众化营销到“以客户为中心”的经营策略营销转变，通过优质服务提高客户满意度和忠诚度。CRM提供多种交互渠道，在实现基本业务的前提下，开展积极的金融服务；通过对客户信息的管理和分析，大力拓展中间业务，不断开发新的金融产品，开拓市场。通过深层次的数据分析，洞察市场发展趋势。
2 数据挖掘技术
数据挖掘是从大量的数据中提取隐含的、潜在有用的信息和知识的过程，其目的是通过对数据的分析处理，揭示数据之间的相互关系，预测未来的发展趋势，辅助工作问题分析求解、为制定决策提供参考和支持。在数据挖掘中，决策树是进行客户分类和预测的常用方法。决策树是通过分析处理数据集中的信息来发现规则和关系的分析工具[2]。
在个人信贷业务中，可以对客户进行分类，通过对客户的收入、工作年限的不同对风险进行控制，当客户向银行提出贷款的申请时，系统根据已建好的分类， 同时根据该客户以往的历史交易记录和信息， 将客户划分为某一类中， 如高风险类、低风险类. 以此给银行决策者们提供贷款业务的决策支持。
3 数据挖掘技术在银行CRM系统中的实施过程
3.1 明确问题的类型，选择合适的数据挖掘方法。明确要分析的问题属于的类型。例如，分析信用卡客户的流失的原因，应对客户进行分类，可采用分类或聚类分析工具。在明确所要分析解决的问题属于哪一类应用问题后，就可以选择合适的数据挖掘技术。例如，分类问题可以采用的技术有遗传算法、决策树和人工神经网络等。
3.2 准备数据。数据挖掘的成功与否在很大程度上取决于数据的数量和质量。应从大量的客户数据中筛选出与分析问题有关的具有代表性的数据子集，这样可以减少处理的数据量，然后进行数据预处理。
3.3 建立模型和获取规则和模式。在选择好数据挖掘的技术和方法后，开始对数据的分析处理。这是数据挖掘的核心环节。根据数据挖掘建立的模型的结果进行分析描述，即获取模式和规则。不同的技术方案建立的模型结果是不同的。例如，用决策树和人工神经网络技术产生模型结果是不同的。
3.4 证实和评价。通过处理之后得到一系列的分析结果和模型。这时需要对它们进行验证和评价，以得到有效的决策信息。可以采用的方法另找一批数据对其进行检验。
4 银行CRM系统的体系结构
银行CRM系统的体系结构主要由业务系统数据集成、数据预处理、数据分析及展示、客户联系中心部分组成[3]。
4.1 业务系统数据集成，整合客户数据信息。针对银行各个业务子系统中的数据进行集成整合，建立统一的客户数据库，实现不同渠道的客户数据信息共享，具有对来自各子系统的数据进行收集、更新的功能。
4.2 数据预处理。将业务系统数据和外部系统的数据，按照数据分析模型的需要整合到数据库中去， 完成数据抽取、数据转换、数据清洗、数据装载。
4.3 数据的分析及展示。数据分析处理是系统的核心部分，利用查询和分析工具、数据挖掘工具等对数据库中的信息进行分析处理，在面向用户的界面中，使信息变为对决策有益的知识并以有效的形式展现出来。
4.4 客户联系中心。通过呼叫中心、客户服务中心等不同渠道，为客户提供多途径的服务；客户信息分析处理的结果应用于客户业务流程优化和银行决策，更好地服务于客户，充分发挥客户数据信息的作用，将对客户数据信息转变为对银行发展有益的信息。
5 结束语
在银行CRM中利用数据挖掘技术，从大量的数据和信息中发掘出有用的知识，通过对客户、销售等信息的分析与挖掘，对市场的变化做出及时的反应，并据据客户需求推出相应的服务，使管理者得到关于市场、销售和客户服务等活动的信息，可以为银行高层决策者提供准确的客户分类、信用等级及潜在用户等有用信息，指导决策者制定最优的银行营销策略、降低运营成本、提高银行的经济效益的，加快银行的发展[4]。
参考文献：
[1]王小燕，周建民.数据挖掘技术在商业银行中的应用研究[J].华南金融电脑，2005，13脑（5）：94-96.
[2] 周晶平.基于数据仓库的银行客户关系管理系统的设计[J].中南民族大学学报（自然科学版），2006，25（4）：64-66
[3] 李兴国，于海峰，金芳芳. 基于数据挖掘的银行业客户关系管理体系结构[J].合肥工业大学学报（自然科学版），2004，27（7）：725-729
[4] 郑华.基于数据挖掘银行客户关系管理系统构建研究[J]. 广西轻工业，2008（10）
作者简介：杜丽英（1969-），女，吉林长春人，讲师，硕士，主要从事计算机应用方面的研究。
作者单位：吉林建筑大学计算机科学与工程学院，长春 130118
基金项目：吉林省教育厅“十二五”科学技术研究项目（项目编号：吉教科合字[2012]第198号）。