資源描述：
《數(shù)據(jù)挖掘技術在銀行crm系統(tǒng)中的應用》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、數(shù)據(jù)挖掘技術在銀行CRM系統(tǒng)中的應用摘要：數(shù)據(jù)挖掘技術是對海量數(shù)據(jù)信息進行分析和處理的技術，能為制定客戶決策提供有價值的信息，銀行客戶關系管理系統(tǒng)運用數(shù)據(jù)挖掘技術施以有效的客戶關系管理，能夠提高客戶服務水平，增強市場競爭能力。決策樹是歸納學習和數(shù)據(jù)挖掘的重要方法。本文對決策樹C4.5算法進行了介紹，闡述了數(shù)據(jù)挖掘技術在銀行客戶關系管理系統(tǒng)中的應用。關鍵詞：數(shù)據(jù)挖掘技術；銀行客戶關系管理系統(tǒng)；決策樹中圖分類號：TP311.13隨著社會的不斷發(fā)展和進步，企業(yè)逐漸轉變以往“以產品為導向”的做法，開始注重發(fā)掘客戶資源，通過分
2、析客戶信息和把握客戶需求，提供方便便捷的服務渠道和售后服務，建立持久的客戶關系等措施，來加強對客戶關系的有效管理?？蛻絷P系管理CRM的概念最早被美國GartnerGroup最早提了出來，目的在于建立一個系統(tǒng)，使企業(yè)在客戶服務、市場競爭、營銷等方面形成一個協(xié)調的關系實體，為企業(yè)贏得競爭的優(yōu)勢。1銀行客戶關系管理系統(tǒng)客戶關系管理（CustomerRelationship6Management，簡稱CRM）作為一種改善企業(yè)與客戶關系的管理模式，主要對業(yè)務處理流程及服務環(huán)節(jié)進行有效的整合和管理，使企業(yè)以較低的成本獲得較高的收
3、益，最大限度地滿足客戶需求，提高企業(yè)的經(jīng)濟效益和收益。隨著各領域對客戶關系管理理念認同的不斷擴大，CRM在銀行領域的實施也逐漸被一些大型銀行列入工作日程。銀行作為客戶密集型行業(yè)，日常的業(yè)務處理中積累了大量的客戶數(shù)據(jù)信息，但是缺乏數(shù)據(jù)管理與分析工具，很難有效地為決策提供幫助，建立CRM系統(tǒng)能夠有效地解決這些問題[1]。基于數(shù)據(jù)挖掘技術的CRM系統(tǒng)能幫助銀行準確地發(fā)現(xiàn)目前具有潛在經(jīng)濟效益的客戶，幫助銀行開拓符合消費者需求的新產品，為銀行留住原有客戶提供有效的方法和手段。利用數(shù)據(jù)挖掘技術對客戶數(shù)據(jù)信息進行挖掘和分析，能夠充
4、分利用積累的數(shù)據(jù)資源，挖掘出其中的模式和規(guī)則，進一步深化和客戶的關系，發(fā)現(xiàn)潛在的客戶群體，提高競爭能力，降低投資風險，提高投資經(jīng)濟效益。2數(shù)據(jù)挖掘技術6數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中提取有用的信息和知識，用來指導實際決策的制定。數(shù)據(jù)挖掘通過對數(shù)據(jù)的綜合分析處理過程，發(fā)現(xiàn)潛藏在數(shù)據(jù)之間的關聯(lián)關系，從數(shù)據(jù)信息中推導并揭示出模式與未來趨勢。數(shù)據(jù)挖掘技術是銀行CRM系統(tǒng)采用的關鍵技術，通過數(shù)據(jù)挖掘和分析，了解把握客戶的消費偏好和行為模式，有助于決策者商業(yè)策略的制定和參考，使銀行最大限度地獲取利潤[2]。數(shù)據(jù)挖掘技術從功能上主要包
5、括分類分析、關聯(lián)分析、聚類分析等分析技術，廣泛應用于客戶分類和預測等。數(shù)據(jù)挖掘主要有以下功能：（1）分類分析。以訓練數(shù)據(jù)集的某一屬性為類別進行分類劃分，建立描述數(shù)據(jù)分類的模型，對其它數(shù)據(jù)集進行劃分。分類的方法有決策樹分類、貝葉斯分類、遺傳算法分類等，其中決策樹算法是數(shù)據(jù)挖掘分類的一種重要方法；（2）關聯(lián)分析。數(shù)據(jù)關聯(lián)是數(shù)據(jù)庫的數(shù)據(jù)之間中存在的―類重要的可被發(fā)現(xiàn)的知識。若兩個或多個變量的取值之間存在某種規(guī)律性，就稱為關聯(lián)。關聯(lián)分析的目的是找出數(shù)據(jù)庫數(shù)據(jù)中隱藏的關聯(lián)關系；（3）聚類分析。聚類是將數(shù)據(jù)庫中的記錄劃分為一系列
6、有意義的子集。3數(shù)據(jù)挖掘技術在銀行CRM系統(tǒng)中的應用近年來，數(shù)據(jù)挖掘作為一種發(fā)現(xiàn)大量數(shù)據(jù)中潛在信息的數(shù)據(jù)分析方法和技術，受到各界的廣泛關注。數(shù)據(jù)挖掘主要包括決策樹算法、神經(jīng)元網(wǎng)絡算法、遺傳算法以及關聯(lián)規(guī)則挖掘方法等。其中，決策樹以其出色的數(shù)據(jù)分析效率高、形象直觀易懂等特點，廣泛應用在機器學習、知6識發(fā)現(xiàn)等各領域。構建決策樹有多種算法，ID3和C4.5算法最具有代表性，都是基于信息熵的決策樹分類算法。ID3算法采用信息熵作為節(jié)點屬性的選擇標準，易偏向于具有較多取值的候選屬性。C4.5算法用信息增益率來選擇節(jié)點屬性標準，
7、它繼承ID3算法的優(yōu)點的基礎上增加了對連續(xù)屬性的離散化、對未知屬性的處理等功能，C4.5算法在商業(yè)、金融、醫(yī)療等各領域得到了成功的應用[3]。3.1決策樹C4.5算法描述決策樹數(shù)據(jù)挖掘算法作為數(shù)據(jù)挖掘分類的一種重要方法，具有數(shù)據(jù)分析準確率高、穩(wěn)定性好等特點。決策樹生成算法的輸入是一組帶有類別標記的實例，構造的輸出結果是一棵二叉或多叉的樹。C4.5算法構造決策樹的過程：計算數(shù)據(jù)集中每個屬性的信息增益率，選擇最大信息增益率的屬性作為當前的屬性節(jié)點，依據(jù)屬性的每一個取值構建一個分支，對該子節(jié)點所包含的樣本子集遞歸地執(zhí)行上述
8、過程，直到子集中的數(shù)據(jù)記錄的類別取值都相同，或沒有屬性可劃分，由此構造一棵決策樹。通過決策樹提取分類規(guī)則，對從根到葉子節(jié)點的每一條路徑獲取一個規(guī)則，形成規(guī)則集。將規(guī)則集顯示給用戶，把經(jīng)過篩選過的認為可行的規(guī)則存入規(guī)則數(shù)據(jù)庫。3.2決策樹C4.5算法的應用銀行在信貸業(yè)務中，積累了大量客戶信息和還貸情況等數(shù)據(jù)，在這些客戶數(shù)據(jù)的基礎上運用決策樹算法構
