数据挖掘技术在银行CRM系统中的应用

开篇：润墨网以专业的文秘视角，为您筛选了一篇数据挖掘技术在银行CRM系统中的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：数据挖掘技术是对海量数据信息进行分析和处理的技术，能为制定客户决策提供有价值的信息，银行客户关系管理系统运用数据挖掘技术施以有效的客户关系管理，能够提高客户服务水平，增强市场竞争能力。决策树是归纳学习和数据挖掘的重要方法。本文对决策树C4.5算法进行了介绍，阐述了数据挖掘技术在银行客户关系管理系统中的应用。

关键词：数据挖掘技术；银行客户关系管理系统；决策树

中图分类号：TP311.13

随着社会的不断发展和进步，企业逐渐转变以往“以产品为导向”的做法，开始注重发掘客户资源，通过分析客户信息和把握客户需求，提供方便便捷的服务渠道和售后服务，建立持久的客户关系等措施，来加强对客户关系的有效管理。客户关系管理crm的概念最早被美国GartnerGroup最早提了出来，目的在于建立一个系统，使企业在客户服务、市场竞争、营销等方面形成一个协调的关系实体，为企业赢得竞争的优势。

1 银行客户关系管理系统

客户关系管理（Customer Relationship Management，简称CRM）作为一种改善企业与客户关系的管理模式，主要对业务处理流程及服务环节进行有效的整合和管理，使企业以较低的成本获得较高的收益，最大限度地满足客户需求，提高企业的经济效益和收益。随着各领域对客户关系管理理念认同的不断扩大，CRM在银行领域的实施也逐渐被一些大型银行列入工作日程。银行作为客户密集型行业，日常的业务处理中积累了大量的客户数据信息，但是缺乏数据管理与分析工具，很难有效地为决策提供帮助，建立CRM系统能够有效地解决这些问题[1]。

基于数据挖掘技术的CRM系统能帮助银行准确地发现目前具有潜在经济效益的客户，帮助银行开拓符合消费者需求的新产品，为银行留住原有客户提供有效的方法和手段。利用数据挖掘技术对客户数据信息进行挖掘和分析，能够充分利用积累的数据资源，挖掘出其中的模式和规则，进一步深化和客户的关系，发现潜在的客户群体，提高竞争能力，降低投资风险，提高投资经济效益。

2 数据挖掘技术

数据挖掘是指从大量的数据中提取有用的信息和知识，用来指导实际决策的制定。数据挖掘通过对数据的综合分析处理过程，发现潜藏在数据之间的关联关系，从数据信息中推导并揭示出模式与未来趋势。数据挖掘技术是银行CRM系统采用的关键技术，通过数据挖掘和分析，了解把握客户的消费偏好和行为模式，有助于决策者商业策略的制定和参考，使银行最大限度地获取利润[2]。

数据挖掘技术从功能上主要包括分类分析、关联分析、聚类分析等分析技术，广泛应用于客户分类和预测等。数据挖掘主要有以下功能：（1）分类分析。以训练数据集的某一属性为类别进行分类划分，建立描述数据分类的模型，对其它数据集进行划分。分类的方法有决策树分类、贝叶斯分类、遗传算法分类等，其中决策树算法是数据挖掘分类的一种重要方法；（2）关联分析。数据关联是数据库的数据之间中存在的―类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。关联分析的目的是找出数据库数据中隐藏的关联关系；（3）聚类分析。聚类是将数据库中的记录划分为一系列有意义的子集。

3 数据挖掘技术在银行CRM系统中的应用

近年来，数据挖掘作为一种发现大量数据中潜在信息的数据分析方法和技术，受到各界的广泛关注。数据挖掘主要包括决策树算法、神经元网络算法、遗传算法以及关联规则挖掘方法等。其中，决策树以其出色的数据分析效率高、形象直观易懂等特点，广泛应用在机器学习、知识发现等各领域。构建决策树有多种算法，ID3和C4.5算法最具有代表性，都是基于信息熵的决策树分类算法。ID3算法采用信息熵作为节点属性的选择标准，易偏向于具有较多取值的候选属性。C4.5算法用信息增益率来选择节点属性标准，它继承ID3算法的优点的基础上增加了对连续属性的离散化、对未知属性的处理等功能，C4.5算法在商业、金融、医疗等各领域得到了成功的应用[3]。

3.1 决策树C4.5算法描述

决策树数据挖掘算法作为数据挖掘分类的一种重要方法，具有数据分析准确率高、稳定性好等特点。决策树生成算法的输入是一组带有类别标记的实例，构造的输出结果是一棵二叉或多叉的树。C4.5算法构造决策树的过程：计算数据集中每个属性的信息增益率，选择最大信息增益率的属性作为当前的属性节点，依据属性的每一个取值构建一个分支，对该子节点所包含的样本子集递归地执行上述过程，直到子集中的数据记录的类别取值都相同，或没有属性可划分，由此构造一棵决策树。通过决策树提取分类规则，对从根到叶子节点的每一条路径获取一个规则，形成规则集。将规则集显示给用户，把经过筛选过的认为可行的规则存入规则数据库。

3.2 决策树C4.5算法的应用

银行在信贷业务中，积累了大量客户信息和还贷情况等数据，在这些客户数据的基础上运用决策树算法构造的简单决策树如下。当新客户在银行进行信贷业务时，系统运用决策树所得到规则对新客户进行分析，预测该客户的行为属于哪一等级，从而帮助银行判断是否允许该客户贷款。

4 结束语

随着时代的进步和发展，人们观念的转变以及我国银行经营垄断的局面逐渐被打破，银行经营观念开始从传统的“以产品为中心”向“以客户为中心”转变。CRM作为一种改善企业与客户之间关系的新型管理机制，能够帮助银行建立完善的客户服务体系，优化银行的业务流程，为客户提供高质量服务。在银行CRM系统中有效利用数据挖掘技术，通过对大量的客户信息进行分析，找出各种数据之间的关联性，为银行高层决策者提供准确的客户分类、盈利能力及潜在用户等有用信息，指导他们制定最优的银行营销策略、降低运营成本、增加利润及加速银行的发展[4]。

参考文献：

[1]陈建成.数据挖掘技术在客户关系管理系统中的应用[J].电脑与电信，2007（02）：41-43.

[2]左爱群，杜波.数据挖掘在银行客户关系管理系统中的应用[J].武汉工业学院学报，2006（25）：52-55.

[3]刘耀南.C4.5算法的分析及应用[J].东莞理工学院学报，2012（19）：47-52.

[4]孔德汉.数据挖掘技术在银行业客户关系管理中的应用[J].合作经济与科技，2010（20）：60-62.

作者简介：杜丽英（1969-），女，吉林长春人，讲师，硕士，研究方向：计算机应用。

作者单位：吉林建筑大学 计算机科学与工程学院，长春 130118

基金项目：吉林省教育厅“十二五”科学技术研究项目（项目编号：吉教科合字[2012]第198号）。