【正文】 分行也缺少對(duì)客戶(hù)數(shù)據(jù)進(jìn)行挖掘的工具。在競(jìng)爭(zhēng)如此激烈的金融市場(chǎng)上分行在有些方面存在有待完善的地方。①數(shù)據(jù)處理不完善：客戶(hù)量大、交易次數(shù)生成的數(shù)據(jù)量更加龐大，XX銀行重慶分行對(duì)巨大的交易數(shù)據(jù)進(jìn)行了簡(jiǎn)單統(tǒng)計(jì)處理，但較少進(jìn)行深入分析，對(duì)有效區(qū)分客戶(hù)的重要程度進(jìn)行客戶(hù)價(jià)值細(xì)分提供差異化的服務(wù)方面存在不足。②缺少差異化客戶(hù)關(guān)系管理策略：以前對(duì)大量數(shù)據(jù)進(jìn)行簡(jiǎn)單統(tǒng)計(jì)處理，在根據(jù)客戶(hù)價(jià)值差異進(jìn)行客戶(hù)價(jià)值細(xì)分，設(shè)定個(gè)性化服務(wù)模式方面有所欠缺。以往分行針對(duì)不同客戶(hù)提供的差異化服務(wù)不強(qiáng)。③只針對(duì)客戶(hù)的資產(chǎn)進(jìn)行客戶(hù)價(jià)值劃分，未對(duì)客戶(hù)的活動(dòng)強(qiáng)度進(jìn)行分析，客戶(hù)的活動(dòng)強(qiáng)度反應(yīng)了客戶(hù)的行為特征，對(duì)銀行具有重要意義。由于客戶(hù)對(duì)銀行的服務(wù)要求越來(lái)越高，銀行金融市場(chǎng)競(jìng)爭(zhēng)加劇，銀行危機(jī)意識(shí)增強(qiáng)，需要利用現(xiàn)代的處理方法使自己在金融市場(chǎng)立于不敗之地。 XX 銀行重慶分行客戶(hù)關(guān)系管理現(xiàn)狀XX 銀行重慶分行在客戶(hù)關(guān)系管理的客戶(hù)細(xì)分中將零售客戶(hù)分類(lèi)為普通客戶(hù)、金卡客戶(hù)、金葵花客戶(hù)（VIP 客戶(hù)） ，金卡客戶(hù)是指總資產(chǎn)在 5 萬(wàn)元以上的客戶(hù)，VIP 客戶(hù)是指總資產(chǎn)在 50 萬(wàn)以上的客戶(hù)或者是客戶(hù)總資產(chǎn)曾經(jīng)達(dá)到 50 萬(wàn)以上的客戶(hù)，分行根據(jù)客戶(hù)不同類(lèi)型提供差異化的服務(wù)。在客戶(hù)關(guān)系管理方面，分行給 5 萬(wàn)以上存款的客戶(hù)發(fā)金卡，VIP 客戶(hù)發(fā)給金葵花卡。分行各營(yíng)業(yè)網(wǎng)點(diǎn)分別設(shè)立普通大廳、金卡區(qū)和 VIP 區(qū)，金卡客戶(hù)可以在普通大廳以及金卡區(qū)接受服務(wù)，VIP 客戶(hù)可以在三個(gè)區(qū)接受服務(wù)。分行在各網(wǎng)點(diǎn)設(shè)有理財(cái)專(zhuān)柜，服務(wù)于對(duì)理財(cái)有需求的客戶(hù)，在各網(wǎng)點(diǎn)設(shè)有零售客戶(hù)經(jīng)理，客戶(hù)經(jīng)理主要對(duì) VIP 客戶(hù)提供一對(duì)一的服務(wù)。由于零售客戶(hù)數(shù)量大，銀行只能根據(jù) VIP 客戶(hù)的要求提供較完善的服務(wù)，不定期組織一部分 VIP 客戶(hù)參加理財(cái)講座，或組織其參加一些聚會(huì)等活動(dòng)；對(duì)于金卡和普通卡客戶(hù)只能在存取業(yè)務(wù)款等業(yè)務(wù)上提供不同的等候服務(wù)，無(wú)法進(jìn)一步差異服務(wù)。分行技術(shù)人員主要向網(wǎng)點(diǎn)客戶(hù)經(jīng)理提供客戶(hù)的總資產(chǎn)等資料，客戶(hù)經(jīng)理在為 VIP 客戶(hù)服務(wù)時(shí)，無(wú)法區(qū)別客戶(hù)的要求，只能依靠日常與客戶(hù)的交往收集到客戶(hù)部分的需要，根據(jù)客戶(hù)的要求提供相關(guān)的服務(wù)，或者根據(jù)分行的要19 / 65求向客戶(hù)提供相關(guān)的服務(wù)和理財(cái)信息。在針對(duì)不同客戶(hù)的差異化服務(wù)上考慮不夠全面，客戶(hù)細(xì)分不夠透徹，未考慮客戶(hù)的活動(dòng)強(qiáng)度。從這點(diǎn)我們可以看出 XX 銀行重慶分行需要采用現(xiàn)代的處理方式對(duì)龐大的交易數(shù)據(jù)進(jìn)行分析，找出適當(dāng)?shù)目蛻?hù)管理策略方法。從商業(yè)角度理解數(shù)據(jù)的目標(biāo)和要求，然后把理解轉(zhuǎn)化為數(shù)據(jù)挖掘問(wèn)題。我們必須明確項(xiàng)目的商業(yè)目標(biāo)，這個(gè)目標(biāo)適于用基于聚類(lèi)分析的方法去達(dá)到，比如不同客戶(hù)的服務(wù)是“了解不同客戶(hù)群的行為特征” 。隨著業(yè)務(wù)的飛速發(fā)展，XX 銀行重慶分行雖然已經(jīng)在零售業(yè)客戶(hù)方面獲得良好市場(chǎng)表現(xiàn)，但在親近客戶(hù)方面，提供個(gè)性化服務(wù)方面還存在不足，XX銀行重慶分行需要保持自身優(yōu)勢(shì)的同時(shí)，加強(qiáng)客戶(hù)價(jià)值細(xì)分的管理，使針對(duì)不同價(jià)值的客戶(hù)做不同的方案，這方面也要在同行業(yè)中保持領(lǐng)先水平。 基于數(shù)據(jù)挖掘的客戶(hù)價(jià)值研究總體思路基于以上分析，針對(duì)該公司的具體現(xiàn)狀情況，本文在數(shù)據(jù)挖掘技術(shù)的基礎(chǔ)上采用聚類(lèi)分析，從信息技術(shù)和客戶(hù)關(guān)系管理的角度出發(fā)，對(duì)該銀行隨機(jī)抽樣提取出來(lái)的客戶(hù)數(shù)據(jù)進(jìn)行全面分析管理，對(duì)客戶(hù)進(jìn)行價(jià)值細(xì)分，建立差異化的服務(wù)模式，從而提出一套有針對(duì)性的客戶(hù)管理策略?；跀?shù)據(jù)挖掘方法的 XX 銀行重慶分行 CRM 策略制定的流程圖如下圖 所示：20 / 65問(wèn)題確定數(shù)據(jù)預(yù)處理基于聚類(lèi)結(jié)果進(jìn)行客戶(hù)分類(lèi)CRM 方案的制定銀行收益的聚類(lèi)分析 客戶(hù)活動(dòng)強(qiáng)度的聚類(lèi)分析圖 基于聚類(lèi)的 CRM 策略流程圖21 / 654 面向 CRM 的聚類(lèi)分析本章首先對(duì) XX 銀行重慶分行數(shù)據(jù)處理方面存在的問(wèn)題和不足進(jìn)行描述；然后對(duì) XX 銀行重慶分行數(shù)據(jù)庫(kù)中抽樣出來(lái)的 600000 條原始交易數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理；預(yù)處理過(guò)的數(shù)據(jù)再?gòu)膬煞矫孢M(jìn)行數(shù)據(jù)挖掘聚類(lèi)分析，一方面是基于客戶(hù)活動(dòng)強(qiáng)度（客戶(hù)在銀行的交易次數(shù)）進(jìn)行聚類(lèi)，另一方面是基于客戶(hù)給銀行帶來(lái)的收益進(jìn)行聚類(lèi)；最后對(duì)聚類(lèi)結(jié)果進(jìn)行評(píng)估。 問(wèn)題描述在競(jìng)爭(zhēng)日益激烈的市場(chǎng)中，銀行承受著巨大的壓力。如果銀行不積極的采取相應(yīng)措施加大力度為現(xiàn)有客戶(hù)提供高質(zhì)量的差異化服務(wù)，保持現(xiàn)有客戶(hù)并爭(zhēng)取新客戶(hù)的加入，就會(huì)讓競(jìng)爭(zhēng)對(duì)手日漸強(qiáng)大，自己日益落后。根據(jù)銀行客戶(hù)數(shù)據(jù)信息進(jìn)行客戶(hù)價(jià)值分析，設(shè)定差異化的服務(wù)模式就變得更加重要。當(dāng)今，客戶(hù)關(guān)系管理是各大銀行越來(lái)越重視的一部分。哪些顧客是對(duì)銀行有價(jià)值的，哪些是能在將來(lái)為銀行創(chuàng)增收入的，這些特征要素關(guān)系到銀行的成本、收益、推出各種服務(wù)的收益率、市場(chǎng)策略、服務(wù)手段等。銀行面臨著海量的客戶(hù)數(shù)據(jù)，憑肉眼很難看出怎樣更有效地進(jìn)行客戶(hù)分類(lèi)和提供個(gè)性化服務(wù)。銀行傳統(tǒng)意義上基于簡(jiǎn)單的客戶(hù)身份（客戶(hù)的年薪）或者客戶(hù)存款數(shù)額來(lái)確定是否為大客戶(hù)這種方式顯得不那么準(zhǔn)確了，如果不能很好的提供高價(jià)值客戶(hù)服務(wù)會(huì)嚴(yán)重影響銀行的收益甚至流失客源，使在激烈的競(jìng)爭(zhēng)中處于劣勢(shì)。對(duì)銀行而言，目前尚處在數(shù)據(jù)挖掘的初步實(shí)施和使用階段——即：通過(guò)先進(jìn)的設(shè)備和大量的投入可以將客戶(hù)數(shù)據(jù)進(jìn)行完整的集中，并能妥善及時(shí)的存儲(chǔ)和備份，由 IT 部門(mén)精心的管理和維護(hù)。雖然企業(yè)花費(fèi)了大量的人、財(cái)、物等資源在上面，但存儲(chǔ)下來(lái)的數(shù)據(jù)本身卻很少為企業(yè)創(chuàng)造價(jià)值。而數(shù)據(jù)挖掘技術(shù)與身俱來(lái)就與海量數(shù)據(jù)密不可分，其強(qiáng)大的數(shù)學(xué)算法使得它能勝任對(duì)海量數(shù)據(jù)的準(zhǔn)確分析處理，可以在當(dāng)前巨大銷(xiāo)售數(shù)據(jù)中發(fā)揮作用，讓這些看似普通的銷(xiāo)售數(shù)據(jù)釋放出珍貴信息，幫助我們進(jìn)行科學(xué)的市場(chǎng)細(xì)分并做出實(shí)時(shí)性強(qiáng)的促銷(xiāo)策略。此外，銀行在海量客戶(hù)數(shù)據(jù)分析上做得不夠，往往沒(méi)有完全的建立在對(duì)客戶(hù)價(jià)值、客戶(hù)特征進(jìn)行科學(xué)客觀的分析上。鑒于目前的現(xiàn)狀，我們通過(guò)數(shù)據(jù)挖掘聚類(lèi)技術(shù)對(duì) XX 銀行重慶分行的海量數(shù)據(jù)進(jìn)行分析，對(duì)客戶(hù)在銀行的行為特征和客戶(hù)價(jià)值進(jìn)行聚類(lèi)，基于聚類(lèi)的結(jié)果制定客戶(hù)關(guān)系管理策略。22 / 65 數(shù)據(jù)采集與預(yù)處理 數(shù)據(jù)模型數(shù)據(jù)模型是建立客戶(hù)分類(lèi)數(shù)據(jù)挖掘聚類(lèi)模型的前提和條件。數(shù)據(jù)的屬性及類(lèi)型見(jiàn)下表 和 所示：表 銀行收益數(shù)據(jù)的屬性及類(lèi)型序號(hào) 屬性名 屬性含義 屬性類(lèi)型1 客戶(hù)代碼 代表客戶(hù)名稱(chēng)的代碼 interval2 第一季度收益某個(gè)客戶(hù)在第一季度為銀行帶來(lái)的收益額，主要包括存款收益、POS消費(fèi)收益、網(wǎng)上消費(fèi)收益、繳費(fèi)收益等interval3 第二季度收益某個(gè)客戶(hù)在第二季度為銀行帶來(lái)的收益額，主要包括存款收益、POS消費(fèi)收益、網(wǎng)上消費(fèi)收益、繳費(fèi)收益等interval4 第三季度收益某個(gè)客戶(hù)在第三季度為銀行帶來(lái)的收益額，主要包括存款收益、POS消費(fèi)收益、網(wǎng)上消費(fèi)收益、繳費(fèi)收益等interval5 第四季度收益某個(gè)客戶(hù)在第四季度為銀行帶來(lái)的收益額，主要包括存款收益、POS消費(fèi)收益、網(wǎng)上消費(fèi)收益、繳費(fèi)收益等interval本數(shù)據(jù)模型用于表示某客戶(hù)在每個(gè)季度的不同交易行為為銀行帶來(lái)的總收益，其中客戶(hù)代碼代表銀行在這段時(shí)間里隨機(jī)抽樣出來(lái)的客戶(hù)；“第一季度收益”表示銀行抽樣出來(lái)的某客戶(hù)在第一季度為銀行帶來(lái)的收益金額，包括存款收益、繳費(fèi)收益、扣費(fèi)收益、網(wǎng)上消費(fèi)收益、POS 消費(fèi)收益等；“第二季度收益”表示抽樣出來(lái)的某個(gè)客戶(hù)在第二季度為銀行帶來(lái)的收益額；其他類(lèi)型類(lèi)似。23 / 65表 客戶(hù)活動(dòng)強(qiáng)度的屬性及類(lèi)型序號(hào) 屬性名 屬性含義 屬性類(lèi)型1 客戶(hù)代碼 代表客戶(hù)名稱(chēng)的代碼 interval2 第一季度交易強(qiáng) 度某客戶(hù)第一季度在銀行交易的次數(shù)合計(jì)，主要包括存款次數(shù)、網(wǎng)上消費(fèi)次數(shù)、POS消費(fèi)次數(shù)、取款次數(shù)、繳費(fèi)次數(shù)等interval3 第二季度交易強(qiáng) 度某客戶(hù)第二季度在銀行交易的次數(shù)合計(jì)，主要包括存款次數(shù)、網(wǎng)上消費(fèi)次數(shù)、POS消費(fèi)次數(shù)、取款次數(shù)、繳費(fèi)次數(shù)等interval4 第三季度交易強(qiáng) 度某客戶(hù)第三季度在銀行交易的次數(shù)合計(jì)，主要包括存款次數(shù)、網(wǎng)上消費(fèi)次數(shù)、POS消費(fèi)次數(shù)、取款次數(shù)、繳費(fèi)次數(shù)等interval5 第四季度交易強(qiáng) 度某客戶(hù)第四季度在銀行交易的次數(shù)合計(jì)，主要包括存款次數(shù)、網(wǎng)上消費(fèi)次數(shù)、POS消費(fèi)次數(shù)、取款次數(shù)、繳費(fèi)次數(shù)等interval本數(shù)據(jù)模型用于表示某客戶(hù)每季度在銀行的交易次數(shù)行為特征，反映該客戶(hù)在銀行的活動(dòng)強(qiáng)度。其中客戶(hù)代碼代表銀行在制定時(shí)間里隨機(jī)抽樣出來(lái)的客戶(hù)；“第一季度交易強(qiáng)度” 表示抽樣出來(lái)的某客戶(hù)第一季度在銀行所有交易次數(shù)的合計(jì)，其中包括存款次數(shù)、網(wǎng)上消費(fèi)次數(shù)、POS 消費(fèi)次數(shù)、取款次數(shù)、繳費(fèi)次數(shù)等所有交易活動(dòng)的次數(shù)；“第二季度交易強(qiáng)度” 表示抽樣出來(lái)的某一客戶(hù)在第二季度中在銀行所有交易次數(shù)的合計(jì)，其他類(lèi)型類(lèi)似。 數(shù)據(jù)預(yù)處理①數(shù)據(jù)采集 本論文使用的是從 XX 銀行重慶分行數(shù)據(jù)庫(kù)中隨機(jī)抽樣的重慶地區(qū)部分客戶(hù) 07 年在該銀行的所有交易記錄，由數(shù)據(jù)庫(kù)的真實(shí)數(shù)據(jù)來(lái)構(gòu)建聚類(lèi)模型。24 / 65以客戶(hù)為銀行所帶來(lái)的收益為具體研究對(duì)象，從其中心數(shù)據(jù)庫(kù)隨機(jī)抽取 2022年 1 月至 12 月重慶地區(qū)部分客戶(hù)的數(shù)據(jù)。為了研究主題的需要，聚類(lèi)分析中以客戶(hù)名和客戶(hù)每季度為銀行帶來(lái)的收益為屬性，一共 5 個(gè)屬性。原始數(shù)據(jù)包含了 6079 個(gè)客戶(hù)約 600000 條交易記錄；基于上述數(shù)據(jù)，對(duì)原始數(shù)據(jù)進(jìn)行了預(yù)處理，得到了數(shù)據(jù)模型的初步目標(biāo)數(shù)據(jù)集。數(shù)據(jù)模型包含觀測(cè)值 6079 個(gè)客戶(hù)，5 種屬性。②數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理是對(duì)選擇后的數(shù)據(jù)進(jìn)一步整理，檢查數(shù)據(jù)完整性以及數(shù)據(jù)的一致性，并通過(guò)一些操作減少數(shù)據(jù)量，減少數(shù)據(jù)噪聲，將數(shù)據(jù)轉(zhuǎn)換成適合挖掘聚類(lèi)的形式。本研究中建立了 2 個(gè)數(shù)據(jù)模型，第一個(gè)是銀行收益客戶(hù)數(shù)據(jù)模型，第二個(gè)是客戶(hù)交易強(qiáng)度數(shù)據(jù)模型。兩個(gè)數(shù)據(jù)模型的預(yù)處理流程圖如下：1）基于銀行收益的數(shù)據(jù)預(yù)處理流程圖如下圖 所示：屬性選擇客戶(hù)資料數(shù)據(jù)庫(kù)中的原始記錄包括 POS 消費(fèi)、保險(xiǎn)金額、貸款金額、工資金額、柜臺(tái)存款、柜臺(tái)取款、國(guó)債金額、基金金額、繳費(fèi)金額、理財(cái)金額、網(wǎng)上消費(fèi)、銀行扣費(fèi)、證券交易、自助存款、自助取款等。但很多屬性對(duì)聚類(lèi)貢獻(xiàn)小，因此在屬性選擇上將國(guó)債、基金等其他屬性刪除，只留下對(duì)銀行收益貢獻(xiàn)大的屬性。同時(shí)考慮到所有客戶(hù)存款、扣費(fèi)等種類(lèi)較多，在進(jìn)行數(shù)據(jù)轉(zhuǎn)換時(shí)會(huì)影響聚類(lèi)效果，因此在屬性選擇上將同種類(lèi)型的活動(dòng)進(jìn)行合并（如：自動(dòng)存款和柜臺(tái)存款合并為存款） ，以利于聚類(lèi)分析。數(shù)據(jù)挖掘聚類(lèi)分析在數(shù)據(jù)導(dǎo)入時(shí)不需要目標(biāo)變量，所以沒(méi)有目標(biāo)屬性。整理后形成聚類(lèi)分析所需的數(shù)據(jù)類(lèi)型。數(shù)據(jù)分析與調(diào)整在進(jìn)行數(shù)據(jù)分析時(shí)，原始數(shù)據(jù)可能有缺陷，建立數(shù)據(jù)挖掘模型之前需要根據(jù)具體問(wèn)題對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步的調(diào)整，用 EXCEL 對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。數(shù)據(jù)采集的時(shí)間原始數(shù)據(jù)中，記錄了客戶(hù)在 2022 年 12 個(gè)月中的每次交易記錄，我們不需要具體的單次交易記錄，為了研究需要以季度為時(shí)間段。利用 EXCEL 對(duì)數(shù)據(jù)進(jìn)行處理，一個(gè)季度中的多次交易記錄金額按照不同的消費(fèi)類(lèi)型相加，得出每季度每項(xiàng)消費(fèi)的總交易金額量。25 / 65數(shù)據(jù)匯總由于每次的交易記錄都記載在原始數(shù)據(jù)中，出現(xiàn)了多少次交易客戶(hù)名就會(huì)重復(fù)多少次。不便于進(jìn)行數(shù)據(jù)分析，必須進(jìn)行屬性約簡(jiǎn)。用 EXCLE 中的自動(dòng)篩選將同一客戶(hù)的交易記錄匯總，最后每個(gè)客戶(hù)在銀行的不同活動(dòng)（如：POS 消費(fèi)、網(wǎng)上消費(fèi)）的交易記錄在一個(gè)季度中只出現(xiàn)一次。制出季度交易總額表如下客戶(hù) 一季度扣費(fèi)額 一季度繳費(fèi)金額 ……p1 0 元 元 ………… …… …… ……續(xù)上圖 ：計(jì)算收益按照季度交易總額表計(jì)算出收益表。如果數(shù)據(jù)直接進(jìn)行聚類(lèi)分析，分類(lèi)太細(xì)旁支太多，很難看出效果，所以按照銀行收益率，把不同類(lèi)型的交易金額乘以該項(xiàng)的收益率計(jì)算出該項(xiàng)的銀行收益額。如：客戶(hù) p1 在 1 季度中 POS 消費(fèi)共 10969 元，銀行對(duì) POS 消費(fèi)的收益率為 %，該項(xiàng)銀行的收益為： 10969*%= 元。各項(xiàng)的收益金額再相加，最后形成每季度的總收益表節(jié)選如下：客戶(hù) 一季度收益金額 二季度收益金額 ……p1 5991 元 730 元 ………… …… …… …… 屬性名稱(chēng)修改SAS 中用簡(jiǎn)單的英文名稱(chēng)好識(shí)別，在收益金額表中季度名稱(chēng)用 c 代替，4 個(gè)季度分別由 c1,c2,c3,c4 表示，客戶(hù)名稱(chēng)用 kehu 表示。如：屬性 c1 表示 XX 銀行重慶分行某個(gè)客戶(hù)第一季度給銀行帶來(lái)的收益額。屬性 kehu 表示不同客戶(hù)的代碼。觀測(cè)值名稱(chēng)修改SAS 中數(shù)字和英文便于識(shí)別，6079 個(gè)客戶(hù)分別用 P1P6079 表示。修改后的收益表節(jié)選模型：kehu C1 C2 ……p1 5991 730…… …… …… …… 26 / 65數(shù)據(jù)歸一處理在聚類(lèi)分析中，收益屬性重要性視為相同，因此將所有主要成份等價(jià)轉(zhuǎn)換到 01 之間的數(shù)值。對(duì)每個(gè)數(shù)據(jù)進(jìn)行歸一處理，數(shù)據(jù)歸一化公式為： minax列列 列歸 一 化 ??歸一化后收益表數(shù)據(jù)模型節(jié)選見(jiàn)下表 所示kehu C1 C2 ……p1 …… …… …… ……圖 收益數(shù)據(jù)預(yù)處理流程預(yù)處 理 完 成 后 的 銀 行 收 益 數(shù) 據(jù) 就 可 以 直 接 導(dǎo) 入 SAS 軟 件 進(jìn) 行 數(shù) 據(jù) 聚 類(lèi) 分 析 。2）基于銀行客戶(hù)活動(dòng)強(qiáng)度的數(shù)據(jù)預(yù)處理流程圖如下圖 所示：數(shù)據(jù)采集的時(shí)間原始數(shù)據(jù)中，記錄了客戶(hù)在 2022 年 12 個(gè)月中的每次交易記錄，我們不需要具體的每次交易記錄，為了研究需要以季度為時(shí)間段。利用 EXCEL 對(duì)數(shù)據(jù)進(jìn)行處理，把 12 個(gè)月中的多次交易次數(shù)按季度匯總（如：客戶(hù)一季度在銀行繳費(fèi) 3 次、網(wǎng)上消費(fèi) 5 次，