数据仓库与数据挖掘在商业银行客户关系管理中的应用.pdfVIP

摘 要 随着计算机技术的发展，数据仓库和数据挖掘技术也越来越多地被应用到社会的各 个行业，尤其是那些存储着海量客户信息的行业：如电信业、金融业、零售业等。这些 行业之间的竞争归根结底是对客户归属处的竞争，因此掌握客户信息，从众多客户信息 中挖掘出对自己有利的信息则至关重要。数据仓库和数据挖掘技术可以帮助这些企业来 分析客户信息，并且可以预测客户的消费趋势，帮助企业留住现有客户，挖掘潜在客户， 从而帮助企业降低成本，增加收入，在竞争中立于不败之地。 本文主要研究的是数据仓库和数据挖掘技术在银行客户关系管理中的应用。以银行 客户信息为背景，利用数据仓库和数据挖掘技术，主要做了以下工作： （1）基于 Solaris 10 的DB2 数据库建立了数据仓库模型。模型有三个模式，ODS、 EDW 和 DDW 模式。模式和模式之间的数据导入是通过 ETL 来实现的。 （2 ）利用 SQLServer 的BIDS 组件的 OLAP 技术分析客户账户信息、客户贷款账 户信息和银行各分行的交易信息。 （3 ）利用数据挖掘技术，对数据仓库中的数据进行再处理。使用数据用例分析了 DBSCAN 算法、K-Means 算法和 X-Means 算法的优缺点，最后采用 X-Means 算法来实 现个人客户群体细分。在此基础上，利用 FP-Growth 算法实现了银行业务的交叉营销。 本文分析内容有一定的实际和理论意义，可以为银行的决策者提供科学的决策支 持。 关键词：数据仓库，数据挖掘，客户关系管理，OLAP，K-Means ，X-Means I Abstract Withthe development of computer technology, data warehouse and data mining technology is increasingly applied to various industries, especially the industries which store the massive amount of customer information ：such as telecoms, finance, retail, etc. Competition among these industries is ultimately belong to the customer’s competition, therefore, it is crucialto grasp the customer information and excavateavailable information from numerous customer’s information.It is useful for enterprises to analyse customers’ information, to predict customers ’ consumption trends, to retain existing customers and find potential customers using data warehouse and data mining technology, so as to reduce the costs of the enterprises, increase the income of the enterprises, make the enterprises in an impregnable position in the competition. This paper mainly studies the application of data warehouse and data mining technology in bank customer relationship management(CRM).Taking the customer information as