数据挖掘技术在民生银行客户关系管理中的应用研究.docx

  • 需要金币2000 个金币
  • 资料目录论文助手 > 大学本科 > 管理大学 >
  • 转换比率:金钱 X 10=金币数量, 例100元=1000金币
  • 论文格式:Word格式(*.doc)
  • 更新时间:2020-12-11
  • 论文字数:14622
  • 课题出处:(芳芳老师)提供原创资料
  • 资料包括:完整论文

支付并下载

摘要:在发展的过程中,中国的商业银行已经积累了大量的客户信息数据和业务数据。能否在这些海量数据中发现有价值的信息,已成为当今中国的银行业共同关注的话题。随着金融市场竞争的加剧和消费者个性化需求的日益增强,如何从庞大的客户信息数据通过数据挖掘技术找出有价值的信息,是银行业所关注的问题。解决这一问题的关键方法就是进行银行客户细分业务。通过客户的分类,对客户进行差别化管理,有针对性地提供服务,从而改进客户关系,提高客户的满意度,增加银行的收益。本文主要分析聚类技术在民生银行客户细分中的应用。

关键词:数据挖掘;客户关系管理;客户细分;k-means

 

目录

摘要

Abstract

1绪论-3

1.1研究背景与意义-3

1.2国内外研究现状-3

1.2.1国内研究现状-3

1.2.2.国外研究现状-4

1.3论文的主要研究内容和总体结构-4

2相关理论介绍-5

2.1客户关系管理(CRM)的概念-5

2.2银行客户关系管理-6

2.2.1银行客户关系管理基本内容-6

2.2.2银行CRM的基本作用-6

2.3数据挖掘的概念-7

2.4数据挖掘的过程-7

2.5数据挖掘中常用的四种技术-8

2.5.1聚类-8

2.5.2关联分析-9

2.5.3分类分析-10

2.5.4神经网络-10

2.6在民生银行CRM中的应用模块介绍-11

2.6.1客户分类,管理客户-11

2.6.2交叉销售,提高银行收益-11

2.6.3发现客户异常现象,防止客户流失-12

2.6.4风险评估和欺诈检查-12

3基于 k-means聚类的民生银行客户细分算法-13

3.1民生银行CRM的客户细分过程-13

3.2民生银行所采用的k-means聚类算法概述-14

4民生银行客户分类k-means算法的改进-15

4.1民生银行客户分类中k-means算法的不足分析-15

4.1.1无法确定最优的聚类个数 k 值-15

4.1.2初始聚类中心的选择-15

4.2民生银行客户分类中k-means算法的改进-15

4.2.1对聚类的K 值的改进-15

4.2.2对初始聚类中心的改进-17

4.3改进后k-means算法的银行客户细分流程-17

5民生银行客户细分中k-means技术优化的案例论证-18

5.1数据来源-18

5.2数据预测处理-18

5.3客户细分准确率比较-19

结论-21

致谢-22

参考文献-23


支付并下载

提示:本站支持手机(IOS,Android)下载论文,如果手机下载不知道存哪或打不开,可以用电脑下载,不会重复扣费