论文部分内容阅读
摘 要:客户关系管理是一种改善企业与客户关系,以客户服务为中心的新型管理机制。数据挖掘技术能够对大量的数据信息进行分析处理,提取出有潜在价值的规则和信息,利用获取的模式对客户需求进行预测,为企业决策提供指导。数据挖掘是客户关系管理成功的关键和基础。
关键词:数据挖掘;客户关系管理;决策
中图分类号:TP311.13
随着改革开放的不断深入,银行业面临着不断涌入的外国金融机构的激烈竞争,对中国银行业来说外国金融机构在很多方面都存在着优势,尤其是在客户关系管理方面,国外银行已经有多年的经验。为了能够在市场竞争中处于优势,因此中国银行业必须迅速转变经营观念,加快客户关系管理方面的建设,真正以客户满意为宗旨。银行业务处理过程中积累了大量的数据信息,利用数据挖掘技术加强客户关系的管理具有得天独厚的优势。将数据挖掘应用于银行客户关系管理,对重点客户进行识别,为客户提供更完善的服务,进行金融风险预警。利用数据挖掘技术加强客户关系管理势在必行[1]。
1 数据挖掘的定义和本质
数据挖掘是一种信息处理技术,主要是对数据库存储的大量业务数据进行抽取、分析和处理,提取出来辅助企业决策的关键性信息和规则。数据挖掘作为一种深层次的数据分析技术,最终目标是发现有应用价值的知识,如规则、模式和模型等,为企业的管理和决策提供有利的参考依据。
2 客户关系管理的概念及组成
客户关系管理是指企业为了获取最大限度的经济效益,在产品销售、客户服务和管理决策等一系列流程中不断完善公司与客户之间的关系,以客户为中心进行有效管理的新型管理模式。客户关系管理主要由客户数据的获取与转换、数据的分析处理、企业决策与客户服务等3个部分组成,客户数据的收集与集成是客户关系管理的基础,收集有关客户的数据信息,对数据进行整理、转换。客户关系管理的主要部分是数据分析处理,从转换的数据中发现与客户相关的模式与规则,挖掘出有用的信息。企业决策与客户服务作为客户关系管理的应用部分,根据分析结果制定经营策略,为管理决策、客户服务、和生产销售等提供辅助指导。
3 数据挖掘技术在银行客户关系管理中的应用
在银行客户关系管理中,数据挖掘技术应用广泛于金融市场分析和预测、客户分类、信用评估方面等。首先需要收集和处理大量信息数据,银行在处理业务的过程中存储了大量的客户数据,数据挖掘通过对这些数据的分析和处理,找出数据和数据信息之间的关联,发现金融市场的变化趋势,然后利用挖掘出来的规则进行合理地分析预测。进而发现潜在客户及现有客户,以及客户的投资习惯和兴趣等,针对不同客户进行合理的市场营销活动[2]。
数据挖掘在银行客户关系管理中的应用主要有以下几个方面:
(1)客户群体分类分析。银行要与客户建立持久的关系,就要了解每一个客户,目前,一对一个性化服务正在受到银行业的重视。利用数据挖掘技术可以通过对对大量的客户数据分析处理,实现对客户的分类划分,对不同的客户提供有针对性的产品和服务。
(2)交叉销售。银行对客户进行交叉销售,即为客户提供新的产品和服务,不断完善银行和客户之间的关系。对不同类别的客户,运用数据挖掘技术帮助银行分析出合理的服务匹配。
(3)客户的获得和保持分析。银行需要不断维持老客户和获得新客户,才能实现业务扩充和规模的发展壮大,数据挖掘能够发现潜在的客户群体,为市场营销活动的推广提供帮助和支持。
(4)客户盈利能力分析和预测。每个客户的价值是不同的。数据挖掘技术可以对客户盈利能力进行分析和预测,为银行制定合适的市场营销策略提供帮助。
(5)客户背景分析。通过对客户背景信息的分析,数据挖掘能够从大量的客户数据资料中提取出许多对银行有用的信息,有助于银行对客户的了解和分析,从而更好的制定客户服务策略。
(6)客户满意度分析。通过客户对银行产品和服务的满意程度的分析,可以进一步完善企业的客户业务策略和流程,从而提高客户的忠诚度。数据挖掘技术可以通过对客户反馈信息的分析处理,得到客户的满意度信息。
(7)信贷风险评估。数据挖掘可以对异常的信用卡使用情况进行分析处理,确定极端客户的消费行为。根据信用卡历史数据的分析,对信贷风险客户的特征和背景进行分析,发现导致贷款风险的因素,降低信贷风险的发生。
4 银行客户关系管理系统的架构
银行客户关系管理系统的建立,可以为业务部门提供一个统一面对客户分析的平台。其次,可以为银行制定市场营销策略提供数据支持,使营销能够有针对性地进行,降低了银行成本,从整体上提高了银行的经济效益[3]。系统的结构设计按照功能划分为六个层面:
(1)基础数据层。银行各级业务部门积累的大量的客户基础数据,它是银行客户关系管理系统获取数据的来源,涉及的数据量大、范围广。
(2)数据提取层。数据提取层是对来源于基础数据库的基础数据进行初步加工处理,得到有价值的数据。数据提取层面临的主要问题包括:有些数据可能被输错,有些数据可能已经过时,有些数据可能有冗余,甚至有的数据根本就是错误数據。因此需要根据对数据进行清理、转换,对数据进行重新组织和加工。
(3)数据仓库层。数据经过提取层加工、清理后,需要存放在数据仓库中,形成只读数据库,以直接面向数据分析、数据挖掘。
(4)信息提取层。信息提取层则是在数据提取层的基础上,运用数据分析工具,从数据中提取出对决策有用的信息。数据挖掘是信息提取的有力工具,将发现的知识和规则提供给银行,作为银行制定各种营销策略、管理政策和各种咨询服务的依据。
(5)信息展示层。信息展示层为银行展示数据处理分析后的结果。
(6)营销活动层。在银行客户关系管理系统中运用数据挖掘分析和提取的有关客户知识、投资趋势的信息和规则,如果想在整个银行内得到有效的应用,还需要将这些信息和知识作为制定营销策略和决策的参考依据,提高同客户交流的有效性和针对性。
5 结束语
数据挖掘具有强大的数据信息分析和处理能力,为企业活动提供决策参考依据和技术支持。我国银行业要在激烈的同业竞争环境中立于不败之地,必须将数据挖掘技术运用于客户数据分析平台。通过建立基于数据挖掘技术的客户关系管理系统,使银行对自身的经营情况,有一定的了解,迅速准确地发现银行的赢利客户和具有潜在赢利能力的客户,分析客户的消费习惯,帮助银行开发出适应消费者需要的新产品,为争取客户提供有利的保障[4]。
参考文献:
[1]孔德汉.数据挖掘技术在银行业客户关系管理中的应用[J].合作经济与科技,2010(20):60-61.
[2]尹晓丽,方旭昇.数据挖掘技术在银行CRM中的应用[J].经济研究导刊,2009(20):112-113.
[3]张忠磊,孙玉娟.数据挖掘技术在银行客户关系管理系统中的应用研究[J].华南金融电脑,2006(14):89-91.
[4]郭佳,李潇潇,冯雪.数据挖掘在银行CRM中的应用研究[J].商场现代化,2008(14):43-44.
作者简介:杜丽英(1969-),女,吉林长春人,讲师,硕士,研究方向:计算机应用。
作者单位:吉林建筑大学 计算机科学与工程学院,长春 130118;长春市137中学,长春 130051
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;客户关系管理;决策
中图分类号:TP311.13
随着改革开放的不断深入,银行业面临着不断涌入的外国金融机构的激烈竞争,对中国银行业来说外国金融机构在很多方面都存在着优势,尤其是在客户关系管理方面,国外银行已经有多年的经验。为了能够在市场竞争中处于优势,因此中国银行业必须迅速转变经营观念,加快客户关系管理方面的建设,真正以客户满意为宗旨。银行业务处理过程中积累了大量的数据信息,利用数据挖掘技术加强客户关系的管理具有得天独厚的优势。将数据挖掘应用于银行客户关系管理,对重点客户进行识别,为客户提供更完善的服务,进行金融风险预警。利用数据挖掘技术加强客户关系管理势在必行[1]。
1 数据挖掘的定义和本质
数据挖掘是一种信息处理技术,主要是对数据库存储的大量业务数据进行抽取、分析和处理,提取出来辅助企业决策的关键性信息和规则。数据挖掘作为一种深层次的数据分析技术,最终目标是发现有应用价值的知识,如规则、模式和模型等,为企业的管理和决策提供有利的参考依据。
2 客户关系管理的概念及组成
客户关系管理是指企业为了获取最大限度的经济效益,在产品销售、客户服务和管理决策等一系列流程中不断完善公司与客户之间的关系,以客户为中心进行有效管理的新型管理模式。客户关系管理主要由客户数据的获取与转换、数据的分析处理、企业决策与客户服务等3个部分组成,客户数据的收集与集成是客户关系管理的基础,收集有关客户的数据信息,对数据进行整理、转换。客户关系管理的主要部分是数据分析处理,从转换的数据中发现与客户相关的模式与规则,挖掘出有用的信息。企业决策与客户服务作为客户关系管理的应用部分,根据分析结果制定经营策略,为管理决策、客户服务、和生产销售等提供辅助指导。
3 数据挖掘技术在银行客户关系管理中的应用
在银行客户关系管理中,数据挖掘技术应用广泛于金融市场分析和预测、客户分类、信用评估方面等。首先需要收集和处理大量信息数据,银行在处理业务的过程中存储了大量的客户数据,数据挖掘通过对这些数据的分析和处理,找出数据和数据信息之间的关联,发现金融市场的变化趋势,然后利用挖掘出来的规则进行合理地分析预测。进而发现潜在客户及现有客户,以及客户的投资习惯和兴趣等,针对不同客户进行合理的市场营销活动[2]。
数据挖掘在银行客户关系管理中的应用主要有以下几个方面:
(1)客户群体分类分析。银行要与客户建立持久的关系,就要了解每一个客户,目前,一对一个性化服务正在受到银行业的重视。利用数据挖掘技术可以通过对对大量的客户数据分析处理,实现对客户的分类划分,对不同的客户提供有针对性的产品和服务。
(2)交叉销售。银行对客户进行交叉销售,即为客户提供新的产品和服务,不断完善银行和客户之间的关系。对不同类别的客户,运用数据挖掘技术帮助银行分析出合理的服务匹配。
(3)客户的获得和保持分析。银行需要不断维持老客户和获得新客户,才能实现业务扩充和规模的发展壮大,数据挖掘能够发现潜在的客户群体,为市场营销活动的推广提供帮助和支持。
(4)客户盈利能力分析和预测。每个客户的价值是不同的。数据挖掘技术可以对客户盈利能力进行分析和预测,为银行制定合适的市场营销策略提供帮助。
(5)客户背景分析。通过对客户背景信息的分析,数据挖掘能够从大量的客户数据资料中提取出许多对银行有用的信息,有助于银行对客户的了解和分析,从而更好的制定客户服务策略。
(6)客户满意度分析。通过客户对银行产品和服务的满意程度的分析,可以进一步完善企业的客户业务策略和流程,从而提高客户的忠诚度。数据挖掘技术可以通过对客户反馈信息的分析处理,得到客户的满意度信息。
(7)信贷风险评估。数据挖掘可以对异常的信用卡使用情况进行分析处理,确定极端客户的消费行为。根据信用卡历史数据的分析,对信贷风险客户的特征和背景进行分析,发现导致贷款风险的因素,降低信贷风险的发生。
4 银行客户关系管理系统的架构
银行客户关系管理系统的建立,可以为业务部门提供一个统一面对客户分析的平台。其次,可以为银行制定市场营销策略提供数据支持,使营销能够有针对性地进行,降低了银行成本,从整体上提高了银行的经济效益[3]。系统的结构设计按照功能划分为六个层面:
(1)基础数据层。银行各级业务部门积累的大量的客户基础数据,它是银行客户关系管理系统获取数据的来源,涉及的数据量大、范围广。
(2)数据提取层。数据提取层是对来源于基础数据库的基础数据进行初步加工处理,得到有价值的数据。数据提取层面临的主要问题包括:有些数据可能被输错,有些数据可能已经过时,有些数据可能有冗余,甚至有的数据根本就是错误数據。因此需要根据对数据进行清理、转换,对数据进行重新组织和加工。
(3)数据仓库层。数据经过提取层加工、清理后,需要存放在数据仓库中,形成只读数据库,以直接面向数据分析、数据挖掘。
(4)信息提取层。信息提取层则是在数据提取层的基础上,运用数据分析工具,从数据中提取出对决策有用的信息。数据挖掘是信息提取的有力工具,将发现的知识和规则提供给银行,作为银行制定各种营销策略、管理政策和各种咨询服务的依据。
(5)信息展示层。信息展示层为银行展示数据处理分析后的结果。
(6)营销活动层。在银行客户关系管理系统中运用数据挖掘分析和提取的有关客户知识、投资趋势的信息和规则,如果想在整个银行内得到有效的应用,还需要将这些信息和知识作为制定营销策略和决策的参考依据,提高同客户交流的有效性和针对性。
5 结束语
数据挖掘具有强大的数据信息分析和处理能力,为企业活动提供决策参考依据和技术支持。我国银行业要在激烈的同业竞争环境中立于不败之地,必须将数据挖掘技术运用于客户数据分析平台。通过建立基于数据挖掘技术的客户关系管理系统,使银行对自身的经营情况,有一定的了解,迅速准确地发现银行的赢利客户和具有潜在赢利能力的客户,分析客户的消费习惯,帮助银行开发出适应消费者需要的新产品,为争取客户提供有利的保障[4]。
参考文献:
[1]孔德汉.数据挖掘技术在银行业客户关系管理中的应用[J].合作经济与科技,2010(20):60-61.
[2]尹晓丽,方旭昇.数据挖掘技术在银行CRM中的应用[J].经济研究导刊,2009(20):112-113.
[3]张忠磊,孙玉娟.数据挖掘技术在银行客户关系管理系统中的应用研究[J].华南金融电脑,2006(14):89-91.
[4]郭佳,李潇潇,冯雪.数据挖掘在银行CRM中的应用研究[J].商场现代化,2008(14):43-44.
作者简介:杜丽英(1969-),女,吉林长春人,讲师,硕士,研究方向:计算机应用。
作者单位:吉林建筑大学 计算机科学与工程学院,长春 130118;长春市137中学,长春 130051
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)。