【摘要】：信息處理與網(wǎng)絡(luò)技術(shù)的迅速發(fā)展,使計算機在各個行業(yè)中變得必不可少。通過使用計算機與互聯(lián)網(wǎng),即提高了工作人員的工作效率,又可以降低工作中的失誤,易于數(shù)據(jù)保存。金融是現(xiàn)代經(jīng)濟的核心,銀行是現(xiàn)代金融體系的主體。銀行業(yè)信息化發(fā)展的水平,通常代表著國家經(jīng)濟的信息化發(fā)展水平。銀行對客戶進行分析與管理的行為不僅是一種管理的理念,還是一種用于改善企業(yè)與客戶之間關(guān)系的新型管理機制�，F(xiàn)代信息技術(shù)和互聯(lián)網(wǎng)技術(shù)的發(fā)展,現(xiàn)代銀行客戶在銀行管理和分析系統(tǒng),充分利用信息的基礎(chǔ)上,對了解自身現(xiàn)有客戶的價值和尋找自己的目標客戶方面將起到極大的推動作用。 本文選擇了中國郵政儲蓄銀行山東省分行客戶信息系統(tǒng)作為研究對象,通過對客戶關(guān)系管理和數(shù)據(jù)挖掘,分析郵儲銀行山東省分行客戶管理系統(tǒng)如何將信息技術(shù)與營銷決策相結(jié)合,設(shè)計郵儲銀行山東省分行客戶關(guān)系管理系統(tǒng)。郵儲銀行通過對掌握的客戶資源進行整理和分析,挖掘潛在的優(yōu)質(zhì)客戶,同時保留已有的客戶資源,從而保證和擴展銀行的市場份額,使銀行高層能做出及時正確的決策。本文從系統(tǒng)的需求分析出發(fā),首先詳細論述了功能要求,通過對系統(tǒng)數(shù)據(jù)的全面解析,結(jié)合數(shù)據(jù)的特點,將系統(tǒng)的特定數(shù)據(jù)需求整理；其次討論了系統(tǒng)的架構(gòu)設(shè)計、數(shù)據(jù)庫設(shè)計與界面設(shè)計,包括整個系統(tǒng)的整體架構(gòu)的解決方案；再次討論了系統(tǒng)設(shè)計和應(yīng)用的界面設(shè)計和最終的解決方案,并重點討論了客戶管理子系統(tǒng)的實現(xiàn)。本文以C4.5算法為基礎(chǔ)算法,設(shè)計和實現(xiàn)了郵儲銀行山東省分行客戶關(guān)系管理系統(tǒng),通過對系統(tǒng)中不同部分的系統(tǒng)論述分析,提煉出郵儲銀行CRM的各部分需求,按需開發(fā)完成系統(tǒng)。同時由于時間短暫,仍有許多方面沒有被充分考慮到,留待后期工作完成。
【學位授予單位】：大連理工大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP311.52
【圖文】：

圖4. 3客戶信息E-R圖Fig. 4.3 Client Information E-R Diagram(5)分析和決策。數(shù)據(jù)挖掘的最終目標是協(xié)助決策。根據(jù)數(shù)據(jù)挖掘決策的結(jié)

圖4.7展示的是一個客戶關(guān)系管理系統(tǒng)層次結(jié)構(gòu)。從圖可以看出，金額超過三萬元的活期存款用戶可以定期轉(zhuǎn)儲50000，年齡在二十到三十客戶存款總額超過一百五十萬，他們會通過銀行貸款購車者；用戶五十至六十時間如果他們的存款總額超過五萬元，更有可能購買政府債券等等。(3)使用現(xiàn)有客戶分類的分類分類用來確定數(shù)據(jù)庫對象中具有共同特征的一組數(shù)據(jù)，通過分類模型將數(shù)據(jù)集中的數(shù)據(jù)貼上不同的分類標簽。它可以應(yīng)用到客戶的分類、屬性和特點的客戶分析、客戶滿意度分析和客戶需求預測等。優(yōu)秀的分類算法可以高效率地完成各種精度的數(shù)據(jù)劃分。對客戶進行分類已成為商業(yè)銀行的共識。商業(yè)銀行可以通過現(xiàn)有客戶貸款多少將客戶劃分為五類。商業(yè)銀行正在尋找方法從如此多的客戶中挖掘“優(yōu)質(zhì)客戶”，“銀行業(yè)百分之八十的利潤是由占客戶總數(shù)百分之二十的優(yōu)質(zhì)客戶帶來的，但現(xiàn)在沒有明確的評估方法來區(qū)分優(yōu)質(zhì)客戶。現(xiàn)在，可以假設(shè)一個類標簽，被指定為“是否優(yōu)質(zhì)客戶”，然后使用訓練數(shù)據(jù)集對分類模型進-29 -

4.2.2決策樹分類數(shù)據(jù)挖掘系統(tǒng)的建立圖4.9展示的對金融客戶進行分類處理時，使用決策樹分類算法進行數(shù)據(jù)挖掘的流程。C4.5算法是ID3的后繼和改進，也是最流行的分類樹方法。其中實值變量的處理如CART 一樣，對語義屬性則懫用多重分支。不純度的計算同ID3 —樣是“增益比不純度”，本算法利用了分支的統(tǒng)計顯著性的啟發(fā)式技術(shù)來實現(xiàn)剪枝。在訓練階段，C4.5并沒有為后繼的缺損模型的分類提供專門的考慮。如果分支率為B的節(jié)點N查詢某個丟失的特征時，C4.5將遵循所有B個可能的回答，直到下層B個葉節(jié)點。最終的分類結(jié)果是依據(jù)B個葉節(jié)點的加權(quán)標志

【參考文獻】

相關(guān)期刊論文 前4條

1 張震;王文發(fā);;人工智能原理在人類學習中的應(yīng)用[J];吉首大學學報(自然科學版);2006年01期

2 陳海珍,黃德才,郭海東,紀筱斐;數(shù)據(jù)挖掘技術(shù)在CRM中的應(yīng)用[J];計算機工程;2003年07期

3 李新安;石冰;;基于決策樹方法的特定主題Web搜索策略[J];計算機應(yīng)用;2006年01期

4 嚴仍榮;;數(shù)值型關(guān)聯(lián)規(guī)則挖掘在客戶關(guān)系管理中的應(yīng)用[J];皖西學院學報;2007年05期

本文編號：2771796