（学士）学位论文 数据挖掘算法在银行客户细分中的应用.docVIP

毕业论文 ? 数据挖掘算法在银行客户细分中的应用 目录 1前言 1 1.1问题的由来 1 1.2国内外研究现状 1 1.3主要内容和创新点 2 2数据挖掘与商业银行客户细分 3 2.1客户细分 3 2.1.1客户细分的概述 3 2.1.2银行客户细分在客户关系管理中的意义 4 2.2数据挖掘 4 2.2.1数据挖掘的概述 4 2.2.2数据挖掘在客户关系管理中的应用途径 6 3数据挖掘方法在银行客户细分中的应用 6 3.1数据挖掘的一般过程 6 3.2客户分类指标的建立 7 3.3客户数据的选择和准备 8 3.3.1数据选择 8 3.3.2数据预处理 8 3.3.3数据转换 9 3.4数据挖掘 10 3.4.1数据挖掘使用的算法 10 3.4.2 K-mean算法的挖掘过程 11 3.4.3 K-mean算法的数据挖掘的结果 13 3.4.4层次聚类算法的挖掘过程 14 3.4.5层次聚类算法的数据挖掘结果 16 3.5解释与评估，结果转换 18 3.5.1对数据挖掘的结果进行解释和评价 18 3.5.2挖掘结果转换 18 3.6知识运用 19 4结束语 20 参考文献 21 致谢 22 附录一：K-mean算法聚类结果 23 附录二：层次聚类法个案聚类结果 25 附录三：层次聚类法变量聚类结果 27 ??数据挖掘算法在银行客户细分中的应用 专 业：信息管理与信息系统 摘 要:随着改革开放的到来经济的迅速发展和腾飞，信息技术快速兴起的和金融行业的蓬勃发展，企业从客户关系管理中获得大量的客户信息，但是如何利用好这些珍贵的战略资源，并通过这些资源对客户进行分类、保持和发展，已成为决定商业银行在竞争激烈的行业中获得成功的关键。 面对这些亟待解决的问题，利用数据挖掘算法在客户关系管理中对客户进行细分无疑是很好的选择。通过聚类分析能快速的为银行进行客户分类，并针对每一客户群体实施具体的客户关系管理策略和市场营销策略，用最少的成本，为客户带来最合适的服务，并为企业创造最高的价值。 本文通过对银行客户细分的问题由来进行阐述，并对研究文献进行综述，结合数据挖掘算法进行银行客户细分。文章阐明客户细分的重要意义和作用，介绍了数据挖掘的算法和客户细分的方法，选取人口特征和行为特征的相关变量分别采用K-mean算法和层次聚类法对银行客户进行数据挖掘，得出个案的聚类结果和变量的聚类结果，并将数据挖掘结果转换成具有实用价值知识，最后将结果转换成客户细分方式和营销策略，为银行决策提供支持。 关键词：客户细分；数据挖掘；聚类分析 The Use of Date Mining Algorithm in the Customer Segmentation of Bank Major: Information Management Information System Abstract: With the development of our country’s economic and the reforming and opening -up policy, the information technology and the financial sector develop faster than before,compan- ies can get a large scale of customer information from customer relationship management. While how to make full use of these precious resources, divide customer into different clusters, keep and develop customers through these resources, the problem has been the key factor of winning succ- ess of the intense competition of commercial banks. Face to these to be solved problems, date mining is a good choice for managers to make cust- omer segmentation. It can do customer segmentation for banks quickly and give ideas to every cl- uster with lower cost, higher benefit and more appropriat