銀行客戶關係管理中的數據挖掘探究論文

0 引言

隨着我國利率市場的推進和改革的不斷深入，我國銀行業面臨的競爭壓力也越來越大，若想在競爭中處於不敗之地，中國金融業必須改變經營觀念，以客戶需要爲中心，以客戶滿意爲宗旨，改善企業與客戶關係，不斷地提高自身的服務水平和決策能力。 由於在銀行日常的業務處理過程中，收集並積累了大量和客戶有關的業務數據，銀行希望能夠對數據庫中存儲的這些大量數據資訊進行分析和處理，提取潛在的、有應用價值的資訊，從而提高銀行的服務和決策水平。 對企業或銀行而言，能否對客戶相關數據加以進一步利用，已成爲在競爭中取得優勢的關鍵和基礎。 數據挖掘就是對大量的數據資訊進行提取、發現和獲得有用的知識和規則的技術，爲制定經營策略提供有利的參考依據，進而提高客戶服務水平，加強客戶關係管理[1].

1 客戶關係管理的涵義

客戶關係管理是指企業爲了獲取最大限度的經濟效益，制定以客戶服務爲中心的發展策略，引導客戶的投資行爲，最大限度地滿足客戶的需求，建立與客戶持久的關係，企業也從營銷中獲得利潤，實現雙贏。 客戶是企業重要的資源，客戶關係也越來越受到關注和重視，應該加強客戶關係的建立和維護，改善企業和客戶的關係，進而形成長期穩定的客戶羣體，實現企業盈利的目的。

2 數據挖掘技術在銀行客戶關係管理中的應用

數據挖掘是一種資訊處理方法和技術，主要是對大量實際應用的數據進行提取，並進行深入地分析和處理，從而獲得有用的資訊和規則，爲企業的管理和制定經營策略提供參考依據。 數據挖掘作爲一種新興的技術被廣泛應用到銀行客戶關係管理中，對數據庫中存儲的大量客戶相關數據進行深層次的挖掘，提取出來的有用的知識或資訊可爲管理人員提供參考依據，進而制定出合理的、有利於企業發展的決策，提高企業的競爭能力。 常用的數據挖掘方法有決策樹、遺傳算法、神經網絡及聚類分析等[2].

2. 1 數據挖掘技術在銀行客戶關係管理中的重要性

數據挖掘技術在銀行客戶關係管理中的`作用主要體現在以下幾個方面：

（ 1） 客戶盈利能力分析。 不同客戶的價值是不同的，數據挖掘可以對不同市場活動情況下客戶盈利能力的變化進行分析和預測，進而制定合適的市場策略；（ 2） 客戶獲得、流失和保持分析。 銀行爲客戶提供的產品基本都相同，由於企業間競爭的不斷加劇，發展新客戶的同時也應重視原有客戶，可以透過不斷地改善現有客戶的服務來避免客戶流失。 利用數據挖掘技術建立客戶流失的預測模型，可以採取預防措施防止客戶流失；（ 3） 交叉營銷。 銀行爲客戶提供新的產品或服務，即進行交叉銷售。 數據挖掘技術可以提供幫助資訊，爲不同客戶分析並制定出合理的服務匹配；（ 4） 客戶羣體分類分析。 優質客戶能夠爲銀行帶來客觀利潤，因而爲高價值客戶提供優質服務很重要。 多數的中間客戶則處於高價值與低價值中間，也是銀行重要的客戶羣體。 透過數據挖掘技術對大量的客戶進行分類，針對不同的客戶提供不同的產品和服務。

2. 2 數據挖掘技術方法

數據挖掘技術主要有聚類、分類和關聯分析等分析方法，廣泛應用於客戶關係管理。 聚類分析實現對客戶進行分類，利用分類法能夠識別優質客戶，透過關聯分析進行交叉銷售[3].

2. 2. 1 分類分析

假定數據庫中每條記錄都屬於某一確定的類別，由一個稱作類屬性的值確定。 分類分析就是透過對訓練數據集中的數據的分析，對不同類別進行描述並建立分析模型或獲得分類規則，然後將這個分類規則應用於其它數據庫中的記錄。 分類分析有兩步過程： 第一步是建立模型。 透過分析記錄數據來構造模型； 第二步是使用模型進行分類。 如果模型的預測準確率可以接受，就可以用它對類別未知的數據對象進行分類。

分類法可將客戶劃分爲不同的羣體，各個羣體有着明顯的行爲特徵。 企業可以更好地理解客戶和發現羣體客戶的特點，從而制定相應的市場策略。 同時，透過對不同客戶羣的交叉分析，還可以發現羣間的特點和規律。 分類方法通常建立的模型以分類規則、判定樹形式出現，主要包括決策樹、貝葉斯分類、遺傳算法分類等，最爲典型的決策樹方法是 ID3 算法和算法 C4. 5.

例如，針對某一產品的營銷，銀行如何在衆多的客戶中識別出相應的客戶。 這裏可首先假設類屬性是“是否爲優質客戶”,然後採用分類法，最後確定出優質客戶的評估標準。 分類法可以幫助企業快速確定相應客戶，進而提供相應服務。 同樣爲了防止客戶流失，首先要了解顧客的需求。 首先設類屬性是“顧客是否流失”,再利用數據挖掘方法對大量的客戶資訊進行分析，建立數據模型，以確定客戶的特點和屬性，爲其提供個性化服務。

2. 2. 2 關聯分析

關聯分析就是在訓練集的基礎上，透過分析記錄集合，推匯出相關性的結果，目的是爲了挖掘出隱含在數據間的相互關係，發現客戶數據資訊之間的相互依賴或某種規律性。 交叉銷售是指銀行向客戶推銷新的產品或服務，客戶可以得到相應的服務而受益，銀行也因營業額的增長而獲得利潤。 關聯分析法可以在對客戶過去的購買數據的分析找出影響客戶購買產品的因素，即找出客戶的投資行爲與其他屬性如性別、年齡、職位等的關聯關係，並建立預測模型對客戶以後的購買進行預測，分析哪些用戶對金融產品感興趣，哪些用戶對理財產品感興趣，從而實施有效的營銷[4].

2. 2. 3 聚類分析

與分類分析不同，聚類分析的數據集合還沒有進行任何分類。 聚類分析是對數據庫中的記錄數據進行分析，按照類內相似度最大，類間相似度最小的原則分類。 聚類即平常所說的“物以類聚”,是把一組個體按照相似性分成若干類別。 業務人員面對服務營銷的特定需要和大量的客戶資訊，希望得到有效的幫助和提示，進而對特定的客戶分類羣體採取相應措施進行營銷。 透過聚類分析方法，對大量的客戶數據資訊進行處理，對客戶分類劃分，可以發現每個類別客戶的不同特點，從而提供針對性的服務，爲其提供相應的服務和產品，快速準確地找到潛在客戶，提高工作效率，降低營銷成本。

聚類分析主要有統計方法、機器學習方法、神經網絡方法等，在實際應用中經常和分類分析方法結合起來使用。 例如，分析人員可先利用聚類分析對要分析的數據劃分類別，然後用分類分析方法進一步分析不同類別的數據集合，挖掘出各類別的分類規則，最後使用分類規則對整個數據集合重新進行劃分，通常能獲得較好的分類結果。 透過兩種方法的結合使用得到滿意的劃分結果。

3 結語

數據挖掘是客戶關係管理中的關鍵技術，本文主要探討數據挖掘在客戶關係管理上的應用，對聚類、分類、關聯分析等挖掘技術進行了詳細的介紹。 數據挖掘透過對大量的客戶資訊進行分析和處理，爲銀行管理人員提供客戶分類、盈利能力以及潛在的用戶等有用資訊，找出各種數據之間的關聯性，從而能夠爲客戶提供滿意的服務，加強了客戶關係管理的維護和建設，爲決策人員提供準確的指導資訊，輔助決策者制定最優的營銷策略，降低了運營成本和決策風險。

參 考 文 獻

[1]王小燕，周建民。 數據挖掘技術在商業銀行中的應用研究[J]. 華南金融電腦，2005,13（ 5） : 94 -96.

[2]陳建成。 數據挖掘技術在客戶關係管理系統中的應用[J]. 電腦與電信，2007（ 2） : 41 -43.

[3]左愛羣，杜 波。 數據挖掘在銀行客戶關係管理系統中的應用[J]. 武漢工業學院學報，2006,25（ 3） : 52 -55.

[4]尹曉麗，方旭昇。 數據挖掘技術在銀行 CRM 中的應用[J]. 經濟研究導刊，2009（ 20） : 112 -113.