【正文】 g or Association Rules) 關(guān)聯(lián)規(guī)則是尋找數(shù)據(jù)庫中值的相關(guān)性，主要是尋找在同一個(gè)事件中出現(xiàn)的不同項(xiàng)的相關(guān)性，比如在一次購買活動(dòng)中所買不同商品的相關(guān)性。 (Clustering) 聚集是對(duì)記錄分組，把相似的記錄放在一個(gè)聚集里?？梢赃@樣概括： (1)指從數(shù)據(jù)（大型數(shù)據(jù)庫或數(shù)據(jù)倉庫）中提取隱含的、未知的、非平凡的及有潛在應(yīng)用價(jià)值的信息或模式的高級(jí)處理過程； (2)模式：即知識(shí)，它給出了數(shù)據(jù)特性或數(shù)據(jù)之間的關(guān)系，是對(duì)數(shù)據(jù)所包含的信息更抽象的描述； (3)是一個(gè)過程，它利用一種或多種計(jì)算機(jī)學(xué)習(xí)技術(shù)，從數(shù)據(jù)庫中的數(shù)據(jù)自動(dòng)分析并提取知識(shí)，目的是確定數(shù)據(jù)的確趨勢(shì)和模式。由于各行業(yè) 業(yè)務(wù)自動(dòng)化的實(shí)現(xiàn)，商業(yè)領(lǐng)域產(chǎn)生了大量的業(yè)務(wù)數(shù)據(jù)，這些數(shù)據(jù)不再是為了分析的目的而收集的，而是由于純機(jī)會(huì)的商業(yè)運(yùn)作面產(chǎn)生。 數(shù)據(jù)挖掘 數(shù)據(jù)挖掘的概述 所謂數(shù)據(jù)挖掘，是從海量的數(shù)據(jù)中，抽取出潛在的、有價(jià)值的知識(shí) (模型或規(guī)則 )的過程。從競爭的角度看，一個(gè)真正有效的客戶關(guān)系管理策略應(yīng)該可以對(duì)客戶進(jìn)行細(xì)分，使銀行能夠?yàn)椴煌瑢哟蔚目蛻籼峁┎煌降姆?wù)，并因此獲得最大的投入產(chǎn)出比。客戶關(guān)系管理是一種旨在改善企業(yè)與客戶之間關(guān)系的新型運(yùn)作機(jī)制，它實(shí)施于企業(yè)的市場營銷、銷售、服務(wù)與技術(shù)支持等與客戶有關(guān)的領(lǐng)域?？蛻艏?xì)分的實(shí)現(xiàn)技術(shù)很多，諸如人工神經(jīng)網(wǎng)絡(luò)、因素分析、擬和分析和聚類分析等都在實(shí)踐中有著廣泛的應(yīng)用。 Schiffman按照地理、人口、心理、社會(huì)文化、使用情境、利益以及混合細(xì)分變量進(jìn)行歸納。 客戶細(xì)分的第一步就是要了解所要研究的對(duì)象特征。通過與客戶的多種渠道的交互，可以高效、快速、準(zhǔn)確地完成對(duì)客戶的反饋，同時(shí)可降低服務(wù)的成本； （ 2）對(duì)潛在客戶的挖掘。進(jìn)行客戶細(xì)分是為了使企業(yè)更精確地回答誰是企業(yè)的客戶，哪些客戶有哪些實(shí)際需求，哪些客戶對(duì)企業(yè)的利潤貢獻(xiàn)最大，哪些是企業(yè)應(yīng)該重點(diǎn)保持的客戶，企業(yè)應(yīng)該如何針對(duì)不同用戶提出自己的營銷政策，從而實(shí)現(xiàn)企業(yè)利潤最大化等問題。 本文創(chuàng)新點(diǎn)： 利用 Kmean 算法和層次聚類分析方法，分別對(duì)客戶進(jìn)行細(xì)分和客戶屬性進(jìn)行聚類， 不僅能得到客戶的聚類結(jié)果，并且能得到客戶屬性特征的聚類結(jié)果，提出典型客戶特征，為客戶細(xì)分提供了更加有效的方法和結(jié)果，為客戶細(xì)分的客戶特征的選取提供了參考。 主要內(nèi)容和創(chuàng)新點(diǎn) 利用數(shù)據(jù)挖掘算法在商業(yè)銀行客戶細(xì)分中進(jìn)行實(shí)際應(yīng)用，并為商業(yè)銀行在客戶細(xì)分方面 提供決策支持。 在商業(yè)智能的幫助下，花旗銀行可以按照客戶為銀行創(chuàng)造盈利的多少和盈利潛在可能性的大小將自己的客戶進(jìn)行分類，進(jìn)而根據(jù)不同客戶以往的消費(fèi)習(xí)慣，預(yù)測其未來的消費(fèi)傾向，并結(jié)合外部經(jīng)濟(jì)、人口統(tǒng)計(jì)等相關(guān)數(shù)據(jù)預(yù)測未來的市場發(fā)展趨勢(shì)。一旦獲得了這些信息，銀行就可以改善自身營銷。 2 我國商業(yè)銀行對(duì)客戶資源沒有細(xì)分，沒有相應(yīng)的客戶定位，對(duì)所有客戶都一視同仁。 國內(nèi)商業(yè)銀行在過去的十幾年中，一直堅(jiān)持以產(chǎn)品為中心的經(jīng)營理念，并以此來進(jìn)行部門人員的設(shè)置及信息化系統(tǒng)的開發(fā)，其結(jié)果是導(dǎo)致各個(gè)產(chǎn)品系統(tǒng)之間大多相對(duì)獨(dú)立，毫無關(guān)系，客戶的各項(xiàng)信息分布于多個(gè)系統(tǒng)中，各系統(tǒng)自己的數(shù)據(jù)標(biāo)準(zhǔn)也各不一致，客戶信息無法全面展現(xiàn)。通過聚類分析和決策樹分析能快速的為銀行進(jìn)行客戶分類，并針對(duì)每一客戶群體實(shí)施具體的客戶關(guān)系管理策略和市場營銷策略。 隨著信息經(jīng)濟(jì) 時(shí)代的到來，銀行從客戶關(guān)系管理中獲得大量的客戶信息，但是如何利用好這些珍貴的戰(zhàn)略資源，并通過這些資源對(duì)客戶進(jìn)行分類、保持和發(fā)展，已成為決定商業(yè)銀行在競爭激烈的行業(yè)中獲得成功的關(guān)鍵。 Information System Abstract: With the development of our country’s economic and the reforming and opening up policy, the information technology and the financial sector develop faster than before,pan ies can get a large scale of customer information from customer relationship management. While how to make full use of these precious resources, divide customer into different clusters, keep and develop customers through these resources, the problem has been the key factor of winning succ ess of the intense petition of mercial banks. Face to these to be solved problems, date mining is a good choice for managers to make cust omer segmentation. It can do customer segmentation for banks quickly and give ideas to every cl uster with lower cost, higher benefit and more appropriate service. This article elaborated the origin of bank customer segmentation problems, reviewed the li terature, and used the date mining algorithms to make customer segmentation. It elaborated the use and importance of customer segmentation, introduced the date mining algorithms and ways of customer segmentation, selected population characteristics and behavior characteristics, using kmean algorithm and hierarchical clustering methods for date mining to do customer segmen IV tation, changed the results of customer clustering and variable clustering into useful tactics about customer segmentation and marketing, and give decision support for banks at last. Keywords： Customer Segmentation； Date Mining； Cluster Analysi 1 1 前言 問題的由來 隨著改革開放以來中國經(jīng)濟(jì)的迅速發(fā)展和騰飛，信息技術(shù)快速興起的和金融行業(yè)的蓬勃發(fā)展，我國的金融行業(yè)特別是銀行業(yè)面臨著巨大的機(jī)遇和挑戰(zhàn)。通過聚類分析能快速的為銀行進(jìn)行客戶分類，并針對(duì)每一客戶群體實(shí)施具體的客戶關(guān)系管理策略和市場營銷策略，用最少的成本，為客戶帶來最合適的服務(wù)，并為企業(yè)創(chuàng)造最高的價(jià)值。 面對(duì)這些亟待解決的問題，利用數(shù)據(jù)挖掘算法在客戶關(guān)系管理中對(duì)客戶進(jìn)行細(xì)分無疑是很好的選擇。 關(guān)鍵詞： 客戶細(xì)分；數(shù)據(jù)挖掘；聚類分析 The Use of Date Mining Algorithm in the Customer Segmentation of Bank Major: Information Management amp。作為客戶關(guān)系管理的重要功能之一的客戶細(xì)分便提高商業(yè)銀行競爭方面凸顯其重要的戰(zhàn)略意義和作用。 利用數(shù)據(jù)挖 掘算法在客戶關(guān)系管理中對(duì)客戶進(jìn)行細(xì)分無疑是很好的選擇。 數(shù) 據(jù) 挖掘的技術(shù)在我國的研究與應(yīng)用并不是很廣泛深入。隨著信息技術(shù)的不斷發(fā)展和金融電子化程度的不斷提高，國內(nèi)商業(yè)銀行已積累了越來越多的客戶數(shù)據(jù)，面對(duì)海量的客戶數(shù)據(jù)，傳統(tǒng)的客戶細(xì)分方法則更顯得力不從心 (陳宏凱， 2020)。 數(shù)據(jù) 挖掘技術(shù)已經(jīng)被廣泛應(yīng)用在西方金融行業(yè)企業(yè)中，它可以成功預(yù)測銀行客戶需求。花旗銀行能準(zhǔn)確說出誰是他們盈利來源最多的客戶，能在 10分鐘之內(nèi)講清楚重要的銀行客戶使用了多少種銀行產(chǎn)品。他們利用商業(yè)智能的卓越性能，了解每個(gè)客戶的行為特征、消費(fèi)習(xí)慣、財(cái)務(wù)狀況及未來的需要，從而為客戶做出恰當(dāng)和切合其需要的財(cái)務(wù)建議和安排，同時(shí)更有針對(duì)性和更有效地進(jìn)行推廣工作（陳宏凱， 2020）。 主要研究內(nèi)容： 第一，客戶細(xì)分的概念，原理和方法，客戶細(xì)分在客戶關(guān)系管理中的重要地位和意義； 第二，數(shù)據(jù)挖掘的理論和方法，以及數(shù)據(jù)挖掘?qū)蛻艏?xì)分的重要意義； 第三，銀行客戶細(xì)分的數(shù)據(jù)挖掘和結(jié)果討論； 第四，數(shù)據(jù)挖掘算法在銀行客戶細(xì)分方面的展望和發(fā)展。客戶細(xì)分是進(jìn)行客戶關(guān)系管理的重要前提和關(guān)鍵步驟。 通過對(duì)前面客戶關(guān)系管理的構(gòu)成的了解，我們可以把客戶關(guān)系管理分為下面幾個(gè)方面： （ 1） 對(duì)現(xiàn)有客戶的服務(wù)與支持。在一些高風(fēng)險(xiǎn)行業(yè)，通過對(duì)客戶的類別及其消費(fèi)特點(diǎn)，可以對(duì)客戶異常進(jìn)行預(yù)警。 基于客戶細(xì)分研究 Wilkie和 Cohen最早按照不同的層次將細(xì)分變量分 為五種 :個(gè)人總體特征描述變量 (如性別、年齡、職業(yè)、收入等 )、心理圖示、需要的價(jià)值、品牌感知和購買行為。 客戶細(xì)分沒有統(tǒng)一的模式，總的來說，客戶細(xì)分的方法主要包括基于客戶統(tǒng)計(jì)學(xué)特征的客戶細(xì)分、基于客戶行為的客戶細(xì)分、基于客戶生命周期的客戶細(xì) 分 4 和基于客戶價(jià)值相關(guān)指標(biāo)的客戶細(xì)分?？蛻絷P(guān)系管理的概念最早是由專注于 IT技術(shù)的咨詢顧問公司 Gartner Group提出的，目的在于建立一個(gè)系統(tǒng)，使企業(yè)在客戶服務(wù)、市場競爭、銷售及支持方面形成彼此協(xié)調(diào)的全新的關(guān)系實(shí)體，為企業(yè)帶來長久的競爭優(yōu)勢(shì) 。 對(duì)商業(yè)銀行來說，單純的滿足客戶需求，強(qiáng)調(diào)為所有客戶提供同樣優(yōu)質(zhì)的服務(wù)，很可能是事倍功半，得不償失。因此，需要確定客戶的 價(jià)值區(qū)間 (例如大客戶、重要客戶、普通客戶、小客戶或特殊客戶等 )對(duì)銀行來說是非常有用的。 數(shù)據(jù)挖掘其實(shí)是一類深層次的數(shù)據(jù)分析方法。（ .， 2020) 5 因此，數(shù)據(jù)挖掘可以描述為：按企業(yè)既定業(yè)務(wù)目標(biāo)，對(duì)大量的企業(yè)數(shù)據(jù)進(jìn)行探索和分析， 揭示隱藏的、未知的或驗(yàn)證已知的規(guī)律性，并進(jìn)一步將其模型化的先進(jìn)有效的方法。既可以用此模型分析已有的數(shù)據(jù)，也可以用它來預(yù)測未來的數(shù)據(jù)?？梢暬遣捎脠D形、圖表等易于理解的方式表達(dá)數(shù)據(jù)挖掘結(jié)果。序列模式分析非常適于尋找事物的發(fā)生趨勢(shì)或重復(fù)性模式。 ，可細(xì)分為歸納學(xué)習(xí)方法 (決策樹、規(guī)則歸納等自、基于范例學(xué)習(xí)、遺傳算法、進(jìn)化策略等； 計(jì)方法中，可細(xì)分為：回歸分析 (多元回歸、自回歸等 )、判別分析 (貝葉斯判別、費(fèi)歇爾判別、非參數(shù)判別等 )、聚類分析 (系統(tǒng)聚類、動(dòng)態(tài)聚類等 )、探索性分析 (主元分析法、相關(guān)分析法等 )等。在行為分組完成后，還要進(jìn)行客戶理解、客戶行為規(guī)律發(fā)現(xiàn)和客戶組之間的交叉分析。 （ 3）交叉營銷。聚類分析能夠發(fā)現(xiàn)對(duì)特定產(chǎn)品感興趣的用戶群，神經(jīng)網(wǎng)絡(luò)、回歸等方法能夠預(yù)測顧客購買該新產(chǎn)品的可能性。利用數(shù)據(jù)挖掘技術(shù)，可以通過挖掘大量的客戶信息來構(gòu)建預(yù)測模型，較準(zhǔn)確地找出易流失客戶群，并制定相應(yīng)的方案，最大程度地保持住老客戶。 分類和聚類等挖掘方法可以把大量的客戶分成不同的類（群體），適合于用來進(jìn)行客戶細(xì)分。 （ 2）數(shù)據(jù)預(yù)處理：對(duì)于選擇出的數(shù)據(jù)，進(jìn)行“清洗”工作，將數(shù)據(jù)轉(zhuǎn)變?yōu)椤案蓛簟睌?shù)據(jù)。 7 客戶分類指標(biāo)的建立 商業(yè)銀行個(gè)人客戶常用的細(xì)分方法有： （ 1）按數(shù)據(jù)屬性分類 用于商業(yè)銀行個(gè)人客戶細(xì)分的數(shù)據(jù)包括客戶的基本屬性數(shù)據(jù)、銀行業(yè)務(wù)屬性數(shù)據(jù)、資信屬性數(shù)據(jù)等： A. 客戶的基本屬性數(shù)據(jù)。 家庭成員信息包括：是否有配偶、配偶姓名、配偶證件名稱、配偶證件號(hào)碼、配偶聯(lián)系電話、配偶工作單位、配偶月均收入、配偶地區(qū)號(hào)、子女姓名、子女證件名稱、子女證件號(hào)碼、子女聯(lián)系電話、子女工作單位等。 資產(chǎn)數(shù)據(jù)用于描述客戶在銀行的各項(xiàng)存款 (活期存款、通知存款、定期存單、定期一本通、存本取息、零存整取、定活二便等 )、投資 (記名國庫券 )等數(shù)據(jù)。 。 數(shù)據(jù)預(yù)處理 對(duì)于選擇出的數(shù)據(jù)，進(jìn)行“清洗”工作，將數(shù)據(jù)轉(zhuǎn)變?yōu)椤案蓛簟睌?shù)據(jù)。得出下列可直接用于數(shù)據(jù)挖掘的數(shù)據(jù)格式，如表 3所示： 表 of Date Mining 特征分類 人口特征 行為特征 客戶編號(hào) 性別 年齡 年收入（ K） 信用信息是否 列入黑名單 主要購買方式 1 1 35 40 0 1 2 1 55 89 0 2 3 0 25 39 0 3 4 0 35 59 0 3 5 0 40 61 1 1 6 0 45 45 0 2 7 1 40 32 0 2 8 0 42 44 0 1 9 0 43 40 0 3 10 1 38 60 0 1 11 1 55 25 0 2 12 0 35 39 0 1 13 0 27 39 0 3 10 14 1 43 40 1 1