【導(dǎo)讀】層次聚類(lèi)算法的數(shù)據(jù)挖掘結(jié)果........

　　

【正文】 實(shí)際情況進(jìn)行討論。例如：銀行的發(fā)展戰(zhàn)略和客戶(hù)關(guān)系管理策略，客戶(hù)的分布是否均勻，客戶(hù)數(shù)據(jù)是否能滿(mǎn)足模型所需的全部信息等。 本文利用數(shù)據(jù)挖掘的算法對(duì)銀行客戶(hù)進(jìn)行細(xì)分，目的是建立這種模式和方法，為銀行客戶(hù)關(guān)系管理提供決策支持，但不是唯一的要素，只能作為借鑒供銀行參考。 另外，單純的聚類(lèi)分析不能全面反映客戶(hù)在整個(gè)生命周期對(duì)于企業(yè)的價(jià)值，最好與時(shí)間序列分析等技術(shù)結(jié)合使用。最后，企業(yè)要想使聚類(lèi)分析技術(shù)能夠真正地發(fā)揮作用還必須結(jié)合企業(yè)和市場(chǎng)的實(shí)際情況，通過(guò)對(duì)不同聚類(lèi)方法所產(chǎn)生 結(jié)果的比較以及可視化聚類(lèi)結(jié)果，使管理層可以充分理解并且善加利用，從而從真正意義上推動(dòng)企業(yè)客戶(hù)關(guān)系管理的成功實(shí)施。 21 參考文獻(xiàn) .論 CRM在現(xiàn)階段商業(yè)銀行的應(yīng)用 .[ 碩士學(xué)位論文 ].武漢：華中農(nóng)業(yè)大學(xué)圖書(shū)館， 2020 2． 陳宏凱 .基于 BI的商業(yè)銀行個(gè)人客戶(hù)分類(lèi)研究及系統(tǒng)設(shè)計(jì) .[碩士學(xué)位 ]. 武漢：華中農(nóng)業(yè)大學(xué)圖書(shū)館， 2020 、張維然：《中外商業(yè)銀行收入結(jié)構(gòu)比較研究》，載《國(guó)際金融研究》，2020年第 12期 Peppard Customer Relationship Management(CRM)in Financial Services 2020(03) [期刊論文 ]金融論壇 2020(4) .段立娟 .王實(shí) 數(shù)據(jù)挖掘原理與算法 2020 .基于數(shù)據(jù)挖掘的證券業(yè)客戶(hù)關(guān)系管理中的客戶(hù)細(xì)分研究 .[碩士學(xué)位論文 ]. 武漢：華中農(nóng)業(yè)大學(xué)圖書(shū)館， 2020 ，王文琴， 莊燕濱 .基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘技術(shù)在 CRM 中的應(yīng)用研究 . 常州工學(xué)院學(xué)報(bào) .(4).23 ,William ,Life style concept and marketing ,Toward Scientific marketing [M] . Stephen Greyser , ed , Chicago :American Marketing Assn. ,1963 :130. ，吳昊 .客戶(hù)細(xì)分方法研究綜述 .管理工程學(xué)報(bào)， 2020,1： 5354 . Hosseini et al. Cluster analysis using data mining approach to develop CRM methodology to assess the customer Systems with Applications 37 (2020) 5259–5264 .數(shù)據(jù)挖掘在銀行個(gè)人優(yōu)質(zhì)客戶(hù)管理中的應(yīng)用研究 . [碩士學(xué)位論文 ]. 武漢：華中農(nóng)業(yè)大學(xué)圖書(shū)館， 2020 .商業(yè)銀行客戶(hù)細(xì)分模型的建立與應(yīng)用 .統(tǒng)計(jì)與決策 .2020(9):144 145 .顧客細(xì)分模型及實(shí)證研究 .財(cái)經(jīng)問(wèn)題研究 .2020(7):8587 生，劉聰，劉遠(yuǎn)生 .數(shù)據(jù)挖掘技術(shù)在銀行客戶(hù)細(xì)分中的應(yīng)用 .開(kāi)發(fā)應(yīng)用 .2020（ 25）： 3133 .面向金融客戶(hù)關(guān)系管理的數(shù)據(jù)挖掘方法研究 .[碩士學(xué)位論文 ]. 武漢：華中農(nóng)業(yè)大學(xué)圖書(shū)館， 2020 , 1996 J. Anton, Customer relationship management, PrenticeHall, New York, NY (1996). and Hoeck, 2020 J. Anton and M. Hoeck, Ebusiness customer service, The Anton Press, Santa Monica, CA (2020). et al., 2020 M. Baier, . Ruf and G. Chakraborty, Contemporary database marketing: Concepts and applications, Ra Communications, Evanston (2020). , 2020 . Brown, “The three Ws of technology”, customer relation ship management: A strategic imperative in the world of ebusiness (pp. 219–225), Wiley, Toronto (2020). 22 致謝 在此論文寫(xiě)作完成之時(shí)，謹(jǐn)以真誠(chéng)之心，真摯之情感謝華中農(nóng)業(yè)大學(xué)，感謝母校四年來(lái)的諄諄教誨。 感謝我的論文指導(dǎo)老師 ***老 師，在論文的寫(xiě)作過(guò)程中，從論文的選題、開(kāi)題、撰寫(xiě)以及論文的修改斟酌方面始終給予我精心的指導(dǎo)，論文的研究工作才得以順利完成。 感謝我的同學(xué)在平時(shí)生活、學(xué)習(xí)和論文寫(xiě)作中對(duì)我的幫助。 感謝一直以來(lái)關(guān)心我學(xué)習(xí)、研究和發(fā)展的所有老師、同學(xué)、朋友。 感謝家鄉(xiāng)的父母，感謝他們給我精神上和生活上的關(guān)懷和鼓勵(lì)，正是因?yàn)楦改傅年P(guān)愛(ài)和支持，使我更加努力一步一步走下去并不斷奮斗。深深感謝每一位關(guān)心和支持我的人。 最后，對(duì)在百忙之中評(píng)審此論文的各位專(zhuān)家教授表示誠(chéng)摯的謝意！ 唐貝 2020 年 4 月 23 附錄一： Kmean 算法聚類(lèi)結(jié)果 初始聚類(lèi)中心 聚類(lèi) 1 2 3 x1 x2 x3 x4 .00 .00 x5 迭代歷史記錄 a 迭代 聚類(lèi)中心內(nèi)的更改 1 2 3 1 2 .000 3 .000 .000 .000 a. 由于聚類(lèi)中心內(nèi)沒(méi)有改動(dòng)或改動(dòng) 較小而達(dá)到收斂。任何中心的最大絕對(duì)坐標(biāo)更改為 .000。當(dāng)前迭代為 3。初始中心間的最小距離為 。 聚類(lèi)成員 案例號(hào) 聚類(lèi) 距離 1 1 2 2 3 1 4 2 5 2 6 3 7 3 8 3 9 3 10 2 11 3 12 1 13 1 14 3 24 15 3 16 2 17 2 18 2 19 3 20 1 最終聚類(lèi)中心 聚類(lèi) 1 2 3 x1 .40 .57 .50 x2 x3 x4 .20 .43 .13 x5 最終聚類(lèi)中心間的距離 聚類(lèi) 1 2 3 1 2 3 每個(gè)聚 類(lèi)中的案例數(shù) 聚類(lèi) 1 2 3 有效 缺失 .000 25 附錄二：層次聚類(lèi)法個(gè)案聚類(lèi)結(jié)果 案例處理匯總 a,b 案例 有效 缺失 總計(jì) N 百分比 N 百分比 N 百分比 20 0 .0 20 a. 值向量間的相關(guān)性已使用 b. 平均聯(lián)結(jié)（組之間） 平均聯(lián)結(jié)（組之間） 聚類(lèi)表 階 群集組合 首次出現(xiàn)階群集 群集 1 群集 2 系數(shù) 群集 1 群集 2 下一階 1 18 20 0 0 2 2 10 18 0 1 3 3 2 10 0 2 6 4 1 12 0 0 14 5 9 19 0 0 8 6 2 5 .999 3 0 11 7 6 8 .999 0 0 12 8 9 14 .999 5 0 12 9 3 13 .999 0 0 13 10 15 16 .999 0 0 14 11 2 4 .998 6 0 13 12 6 9 .998 7 8 15 13 2 3 .997 11 9 16 14 1 15 .995 4 10 16 15 6 7 .991 12 0 18 16 1 2 .985 14 13 17 17 1 17 .960 16 0 18 18 1 6 .950 17 15 19 19 1 11 .802 18 0 0 26 樹(shù)狀圖 * * * * * H I E R A R C H I C A L C L U S T E R A N A L Y S I S * * * * * * Dendrogram using Average Linkage (Between Groups) Rescaled Distance Cluster Combine C A S E 0 5 10 15 20 25 Label Num ++++++ 18 18 + 20 20 + 10 10 + 2 2 + 5 5 + 4 4 ++ 3 3 + | 13 13 + ++ 1 1 + | | 12 12 ++ ++ 27 15 15 + | | 16 16 + | | 17 17 + ++ 6 6 + | | 8 8 ++ | | 9 9 + | | | 19 19 + ++ | 14 14 + | | 7 7 + | 11 11 + 附錄三：層次聚類(lèi)法變量聚類(lèi)結(jié)果 近似矩陣 案例 矩陣文件輸入 x1 x2 x3 x4 x5 x1 .021 .077 .115 x2 .021 .245 x3 .077 .245 .048 .062 x4 .115 .048 x5 .062 平均聯(lián)結(jié)（組之間） 聚類(lèi)表 階 群集組合 首次出現(xiàn)階群集 群集 1 群集 2 系數(shù) 群集 1 群集 2 下一階 1 2 3 .245 0 0 3 2 1 4 .115 0 0 3 3 1 2 .000 2 1 4 4 1 5 3 0 0 群集成員 案例 3 群集 x1 1 x2 2 x3 2 x4 1 x5 3 28 樹(shù)狀圖 * * ** * * * * * H I E R A R C H I C A L C L U S T E R A N A L Y S I S * * * * * * * * * Dendrogram using Average Linkage (Between Groups) Rescaled Distance Cluster Combine C A S E 0 5 10 15 20 25 Label Num ++++++ x2 2 ++ x3 3 + ++ x1 1 ++ | x4 4 + | x5 5 +