数据挖掘外文翻译(同名62016).doc

Applied intelligence, 2005, 22,47-60. 一种用于零售银行客户流失分析的数据挖掘方法 作者：胡晓华 作者单位：美国费城卓克索大学信息科学学院 摘 要 在金融服务业中解除管制，和新技术的广泛运用在金融市场上增加了竞争优势。每一个金融服务公司的经营策略的关键是保留现有客户，和挖掘新的潜在客户。数据挖掘技术在这些方面发挥了重要的作用。在本文中，我们采用数据挖掘方法对零售银行客户流失进行分析。我们讨论了具有挑战性的问题，如倾向性数据、数据按时序展开、字段遗漏检测等，以及一项零售银行损失分析数据挖掘任务的步骤。我们使用枚举法作为损失分析的适当方法，用枚举法比较了决策树，选择条件下的贝叶斯网络，神经网络和上述分类的集成的数据挖掘模型。一些有趣的调查结果被报道。而我们的研究结果表明，数据挖掘技术在零售业银行中的有效性。 关键词 数据挖掘 分类方法 损失分析 简介 在金融服务业中解除管制，和新技术的广泛运用在金融市场上增加了竞争优势。每一个金融服务公司经营策略的关键是保留现有客户，和挖掘新的潜在客户。数据挖掘技术在这些方面中发挥了重要的作用。数据挖掘是一个结合商业知识，机器学习方法，工具和大量相关的准确信息的反复过程，使隐藏在组织中的企业数据的非直观见解被发现。这个技术可以改善现有的进程，发现趋势和帮助制定公司的客户和员工的关系政策。在金融领域，数据挖掘技术已成功地被应用。 ?谁可能成为下两个月的流失客户？ ?谁可能变成你的盈利客户？ ?你的盈利客户经济行为是什么？ ?什么产品的不同部分可能被购买？ ?不同的群体的价值观是什么？ ?不同部分的特征是什么和每个部分在个人利益中扮演的角色是什么？ 在本论文中，我们关注的是应用数据挖掘技术来帮助分析零售银行损失分析。损失分析的目的是确定一组高流失率的客户，然后公司可以控制市场活动来改变所需方向的行为（改变他们的行为，降低流失率）。 在直接营销活动的数据挖掘中，每一个目标客户是无利可图的，无效的，这个概念很容易被理解。因为有限的营销预算和员工，所以数据挖掘模型过去常常被用来排列客户组成，且只有一定比例的客户通过邮件，电话等联系。如果建立更完善的数据挖掘模型和定义正确的目标，该公司便就能够接触潜在的高密度客户流失的集中群体。下面描述了银行流失分析的数据挖掘过程的步骤： 1.商业问题的定义：在客户保留的领域中商业问题的明确说明 2.数据审查和初步筛选 3.在现有的数据方面问题的说明 4.数据集成，编目和格式化 5.数据预处理：（a）数据清洗，数据展开和定义时间敏感度的变量定义，定义目标变量，（b）统计分析，（C）敏感度分析，（d）漏泄检测，（e）特征选择 6.通过分类模型建立数据模型：决策树，神经网络，促进朴素贝叶斯网络，自然选择条件下的贝叶斯网络，分类器的集成 7.结果表达与分析：用数据挖掘模型来预测当前用户中可能的流失客户 8.调度展示：定义可能成为流失客户的对象（称为正式） 这篇论文描述了一种用来分析零售银行客户流失的数据挖掘方法。目的是确认规则、趋向、模式和能够被作为潜在的流失指标的群体和提前确定潜在流失客户，因此银行能够采取积极主动地预防措施来降低流失指数。本论文安排如下：首先我们在第二部分定义客户保留区域上的问题和商业问题的说明，接着我们在第三部分讨论数据选择、数据审查和初步筛选，然后是数据集成、数据目录的编辑和数据格式化、数据演变和时间敏感度变量的定义。接着我们讨论敏感度分析、遗漏侦测和特征选择。在第四部分我们通过决策树，神经网络和贝叶斯网络和自然选择条件下的贝叶斯网络和上述四种分类器的集成来描述数据模型。在第五部分，我们主要讨论调查结果、字段检测结果。最后，我们在第六部分得出结论。 2. 商业问题 2.1. 主要问题的解释 我们的客户是世界十大零售银行之一，这些银行根据不同的客户提供各种种类的金融产品。本论文中讨论的产品属于一项特定的贷款服务。目前超过750，000的客户正在使用这项仍有150亿美元的资金未解决的产品，这项产品已经有了显著的的高流失率。由于高流失率，税收受到了挑战：每个月呼叫中心会受到超过4500个要求注销银行账户的电话；另外接近1200条记录属于缓慢流失（连续超过12个月以上处于不平衡状态），同时非法账户对于产品收益率构成了一系列的挑战，由于指数、贷款限额以及佣金的影响，每月零售银行的流失指数总计达到5700。另外，很多客户只在优惠价时才使用该产品，过期后便作废。每一个账户都有客户管理项目成本和客户获得成本，邮递需要在每个客户上花1美元，电话营销需要在每个客户上花5美元。而刺激成本（比如降低利率来留住客户）能够被考虑，主要取决于你提供了什么样的产品。我们的客户没有主动性