基于决策树的银行业客户分类模型构建研究.docx

摘要：近年来，随着全面开放的银行业以及不断完善的银行政策，我国的银行业得以快速发展，银行业面临着机遇和挑战。银行为了保持重要客户，吸引有潜力的客户，通过对银行客户信息大数据的挖掘来发现客户的需求，调整银行决策，从而提高客户忠诚度，留住目标客户。面对大量的数据，如何发现其中有用的客户信息是相关研究人员面对的一个重要课题。决策树分类算法应用到银行客户信息系统中，也是目前在银行业中比较完善的算法之一。

本文主要以数据挖掘技术中的决策树法为理论基础，对银行客户关系管理中客户基本信息进行了调查，运用了文献研究法，调查了关于决策树建模的不同文献，掌握了基本的建模方法并将其运用到商业银行客户分类中，从而能够更好地对客户细分和研究，有利于银行更好的发展，同时运用实证研究和观察法，利用科学的理论依据得到决策树建立的客户分类模型，对其进行计算，从而得到不同客户不同条件下的期望，根据期望比较，最终剪枝得到结果。再对该模型的准确性进行测试，利用数理统计验证该模型是否能正确反映出实际情况，得到基于决策树的银行客户分类模型是合理有效的。

关键词：数据挖掘；银行客户分类；决策树

目录

摘要

Abstract

1 绪论-1

1.1研究背景及意义-1

1.2国内外研究现状-1

1.3研究内容及方法-2

2客户关系管理及数据挖掘理论-4

2.1客户关系管理概述-4

2.1.1客户关系管理的定义-4

2.1.2客户关系管理的分类-4

2.2数据挖掘-4

2.2.1数据挖掘的概念-4

2.2.2数据挖掘应用分析方法-5

2.2.3数据挖掘的过程-5

2.3数据挖掘与银行客户信息管理的内在关系-6

2.3.1客户生命周期-6

2.3.2数据挖掘在银行客户信息系统中的应用模式-6

3基于数据挖掘的银行客户信息系统方法选择-8

3.1银行数据挖掘方法选择-8

3.1.1神经网络法-8

3.1.2决策树法-8

3.1.3两种方法比较-9

3.2决策树在银行业客户关系管理中的应用-9

4基于决策树的银行业客户分类模型应用实例-11

4.2.1概念分层-11

4.2.2建立决策树对商业银行进行客户分类预测-13

4.2.3由决策树提取出商业银行客户分类规则-16

5商业银行决策树分类模型的测试及总结-18

5.1商业银行决策树分类模型的测试-18

5.1.1测试过程-18

5.1.2测试结果-19

5.2商业银行客户市场细分及差别化管理对策-19

总结-21

致谢-22

参考文献-23