spss-金融行业运用.pdfVIP

SPSS-金融行业应用 金融行业应用 1.前言 随着中国加入WTO，国内金融市场正在逐步对外开放，外资金融企业的进入在带来先进经营理 念的同时，无疑也加剧了中国金融市场的竞争。金融业正在快速发生变化。合并、收购和相关法 规的变化带来了空前的机会，也为金融用户提供了更多的选择。节约资金、更完善的服务诱使客 户转投到竞争对手那里。即便是网上银行也面临着吸 客户的问题，最有价值的客户可能正离您 而去，而您甚至还没有觉察。在这样一种复杂、激烈的竞争环境下，如何才能吸 、增加并保持 最好的客户呢？ 数据挖掘（Data Mining，DM）是指从大量不完全的、有噪声的、模糊的、 机的数据中，提 取隐含在其中的、有用的信息和知识的过程。其表现形式为概念 （Concepts）、规则(Rules)、 模式(Patterns)等形式。 SPSS 使用统计分析和数据挖掘解决商务问题。预测技术帮助商业和 公共部门的客户做出更好的决策，获得更好的成果。SPSS 的软件和服务在一系列应用中得到成 功的使用，包括客户吸 和保留、交叉销售、调查研究、欺诈侦测、网站性能、预报以及科研等 方面。SPSS 拥有一系列在市场上领先的产品，包括SPSS for Windows、Clementine 和Amos 等。 SPSS 金融业分析方案可以帮助银行和保险业客户进行交叉销售来增加销售收入、对客户进行细 分和细致的行为描述来有效挽留有价值客户、提高市场活动的响应效果、降低市场推广成本、达 到有效增加客户数量的目的等。 1 客户细分 使客户收益最大化的同时最大程度降低风险 市场全球化和购并浪潮使市场竞争日趋激烈，新的管理需求迫切要求金融机构实现业务革新。为 在激烈的竞争中脱颖而出，业界领先的金融服务机构正纷纷采用成熟的统计分析和数据挖掘技 术，来获取有价值的客户，提高利润率。他们在分析客户特征和产品特征的同时，实现客户细分 和市场细分。 SPSS 帮助您实现客户价值的最大化和风险最小化。SPSS 预测分析技术能够适应用于各种金融 服务，采用实时的预测分析技术，分析来自各种不同数据源－来自ATM、交易网站、呼叫中心 以及相关分支机构的客户数据。采用各种分析技术，发现数据中的潜在价值，使营销活动更具有 针对性，提高营销活动的市场回应率，使营销 用优化配置。 客户流失 挽留有价值的客户 在银行业和保险业，客户流失也是一个很大的问题。例如，抵押放款公司希望知道，自己的哪些 客户会因为竞争对手采用低息和较宽松条款的手段而流失；保险公司则希望知道如何才能减少取 消保单的情况，降低承包成本。 为了留住最有价值的客户，您需要开展有效的保留活动。然而，首先您需要找出最有价值的客户， 理解他们的行为。有了Clementine，您可以在整个客户群的很小一部分中尽可能多地找出潜在 的流失者，从而进行有效的保留活动并降低成本。接着您可以用Clementine 的模型按照客户 的价值和流失倾向给客户排序，找出最有价值的客户。 2 交叉销售 在客户关系管理中，交叉销售是一种有助于形成客户对企业忠诚关系的重要工具，有助于企业避 开 挤奶式”的饱和竞争市场。由于客户从企业那里获得更多的产品和服务，客户与企业的接触点 也就越多，企业就越有机会更深入地了解客户的偏好和购买行为，因此，企业提高满足客户需求 的能力就比竞争对手更有效。 研究表明，银行客户关系的年限与其使用的服务数目、银行每个账户的利润率之间，存在着较强 的正相关性。企业通过对现有客户进行交叉销售，客户使用企业的服务数目就会增多，客户使用 银行服务的年限就会增大，每个客户的利润率也随着增大。 SPSS 帮助您从客户的交易数据和客户的自然属性中寻找、选择最有可能捆绑在一起销售的产品 和服务，发现有价值的产品和服务组合，从而有效地向客户提供额外的服务，提高活期收入并提 升客户的收益率。 欺诈监测 通过侦测欺诈、减少欺诈来降低成本。为了与欺诈活动作斗争，首先您需要预测欺诈在何时、何 地发生。Clementine 使用数据挖掘技术侦测在欺诈中常见的模式，预测欺诈活动将在哪里发生。 对于银行业的公司来说，欺诈活动频繁发生的一个领域是自动取款机 （ATM ）。数据挖掘帮助 公司预测欺诈性的ATM