【正文】 ....................................................................................................... 10 數(shù)據(jù)挖掘使用的算法 ........................................................................................................ 10 Kmean 算法的挖掘過(guò)程 ................................................................................................. 11 Kmean 算法的數(shù)據(jù)挖掘的結(jié)果 .................................................................................... 13 層次聚類算法的挖掘過(guò)程 ............................................................................................... 14 層次聚類算法的數(shù)據(jù)挖掘結(jié)果 ....................................................................................... 16 解釋與評(píng)估， 結(jié)果轉(zhuǎn)換 ............................................................................................................... 18 對(duì)數(shù)據(jù)挖掘的結(jié)果進(jìn)行解釋和評(píng)價(jià) ............................................................................... 18 挖掘結(jié)果轉(zhuǎn)換 .................................................................................................................... 18 知識(shí)運(yùn)用 ........................................................................................................................................ 19 II 4 結(jié)束語(yǔ) ........................................................................................................................................................ 20 參考文獻(xiàn) ...................................................................................................................................................... 21 致謝 ............................................................................................................................................................... 22 附錄一： Kmean 算法聚類結(jié)果 ............................................................................................................... 23 附錄二：層次聚類法個(gè)案聚類結(jié)果 ......................................................................................................... 25 附錄三：層次聚類法變量聚類結(jié)果 ......................................................................................................... 27 III 數(shù)據(jù)挖掘算法在銀行客戶細(xì)分中的應(yīng)用 專 業(yè)： 信息管理與信息系統(tǒng) 摘 要 :隨著改革開(kāi)放的到來(lái)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，企業(yè)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(guò)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(jìng)爭(zhēng)激烈的行業(yè)中獲得成功的關(guān)鍵。 面對(duì)這些亟待解決的問(wèn)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(wú)疑是很好的選擇。 本文通過(guò)對(duì)銀行客戶細(xì)分的問(wèn)題由來(lái)進(jìn)行闡述，并對(duì)研究文獻(xiàn)進(jìn)行綜述，結(jié)合數(shù)據(jù)挖掘算法進(jìn)行銀行客戶細(xì)分。 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。 改革開(kāi)放的到來(lái)，在市場(chǎng)經(jīng)濟(jì)的刺激下，商業(yè)銀行之間的競(jìng)爭(zhēng)變得日益激烈，這使得商業(yè)銀行在發(fā)展的過(guò)程中，也需不斷的跟進(jìn)市場(chǎng)的需求和腳步，經(jīng)營(yíng)理念也發(fā)生了從“以市場(chǎng)為導(dǎo)向”到“以客戶為導(dǎo)向”的巨大轉(zhuǎn)變。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(jìng)爭(zhēng)方面凸顯其重要的戰(zhàn)略意義和作用。 同時(shí)，隨著信息技術(shù)的發(fā)展和銀行業(yè)電子化程度的不斷提高，面對(duì)大量的數(shù)據(jù)，許多銀行還是停留在處理客戶投訴的客戶管理關(guān)系階段，這無(wú)疑是對(duì)資源的浪費(fèi)，更是對(duì)企業(yè)發(fā)展的嚴(yán)重阻礙。 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(wú)疑是很好的選擇。 國(guó)內(nèi)外研究現(xiàn)狀 目前在我國(guó)， “ 數(shù)據(jù)海量，信息缺乏 ” 是商業(yè)銀行在數(shù)據(jù)大集中之后普遍所面對(duì)的尷尬。 數(shù) 據(jù) 挖掘的技術(shù)在我國(guó)的研究與應(yīng)用并不是很廣泛深入。在對(duì)客戶進(jìn)行細(xì)分時(shí)，一般也采取傳統(tǒng)的方法，如：基于經(jīng)驗(yàn)的分類方法或基于統(tǒng)計(jì)的簡(jiǎn)單劃分方法，這些方法一般根據(jù)決策者的經(jīng)驗(yàn)或是根據(jù)客戶簡(jiǎn)單的屬性特征，對(duì)客戶進(jìn)行劃分，例如根據(jù)客戶所購(gòu)買的金融產(chǎn)品類別 (如：貸款、申請(qǐng)信用卡 、理財(cái)產(chǎn)品等 )，或根據(jù)客戶的居住地域、年齡等對(duì)客戶劃分類別。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(guó)內(nèi)商業(yè)銀行已積累了越來(lái)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)。有時(shí)為了追求數(shù)量而不重質(zhì)量和效益，往往導(dǎo)致柜臺(tái)資源主要被 80％ 的低端客戶占用，而給其帶來(lái)巨大經(jīng)濟(jì)利益的 20％ 的高端客戶沒(méi)有得到較好的金融服務(wù)。 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(cè)銀行客戶需求。 國(guó)外商業(yè)銀行在管理和技術(shù)上都有著豐富的經(jīng)驗(yàn)，包括花旗銀行、美洲銀行、匯豐銀行等在內(nèi)的眾多國(guó)際大銀行都已確立了以客戶為中心的經(jīng)營(yíng)理念，并充 分利用商業(yè)智能技術(shù)，建立獨(dú)立統(tǒng)一的客戶數(shù)據(jù)庫(kù)和客戶信息分析系統(tǒng)，以便能更好地了解客戶，為客戶提供其所需要的產(chǎn)品設(shè)計(jì)和服務(wù)?；ㄆ煦y行能準(zhǔn)確說(shuō)出誰(shuí)是他們盈利來(lái)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。 通過(guò)這種分析，一方面可以使銀行把握市場(chǎng)動(dòng)態(tài)，開(kāi)發(fā)出新產(chǎn)品占領(lǐng)市場(chǎng)，另一方面可以使銀行針對(duì)不同貢獻(xiàn)度的客戶采取不同的產(chǎn)品和服務(wù)，從而獲得盡可能大的“深度效益”。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(lái)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）。為以后企業(yè)在決策方面提供了科學(xué)的算法和方法，并能運(yùn)用到實(shí)際中去。 主要研究?jī)?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。 3 2 數(shù)據(jù)挖掘與商業(yè)銀行客戶細(xì)分 客戶細(xì)分 客戶細(xì)分的概述 客戶細(xì)分 (Customer Segmentation)，作為客戶關(guān)系管理的核心概念之一，是指企業(yè)在明確的戰(zhàn)略、業(yè)務(wù)模式和特定的市場(chǎng)中，根據(jù)客戶的屬性、行為、需求、偏好以及價(jià)值等區(qū)因素對(duì)于客戶進(jìn)行分類，并提供針對(duì)的產(chǎn)品、服務(wù)和營(yíng)銷模式的過(guò)程?？蛻艏?xì)分是進(jìn)行客戶關(guān)系管理的重要前提和關(guān)鍵步驟。 從理論角度看，客戶關(guān)系管理包括三大基本功能：即客戶發(fā)現(xiàn)、客戶分析、客戶交往。 通過(guò)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。通過(guò)對(duì)現(xiàn)有客戶的了解、分析，找出其特點(diǎn)，然后基于數(shù)據(jù)挖掘的證券業(yè)客戶關(guān)系管理中的客戶細(xì)分研究后可對(duì)一些可能的潛在客戶進(jìn)行接觸，擴(kuò)大客戶群體； （ 3）對(duì)客戶的維系。在一些高風(fēng)險(xiǎn)行業(yè)，通過(guò)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。以客戶為視角的各種細(xì)分方法其基本的維度內(nèi)涵離不開(kāi)客戶的三個(gè)基本特征 :人口特征、行為和心理特征 ,從不同的角度捕捉客戶特征。 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(gòu)買行為。 Haley則認(rèn)為在傳統(tǒng)市場(chǎng)細(xì)分中 ,地理區(qū)域、人口統(tǒng)計(jì)和銷量細(xì)分變量占據(jù)了統(tǒng)治地位。 客戶細(xì)分沒(méi)有統(tǒng)一的模式，總的來(lái)說(shuō)，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?？蛻艏?xì)分方法的選擇要以進(jìn)行細(xì)分的目的、企業(yè)以及市場(chǎng)的實(shí)際情況為基礎(chǔ)。客戶關(guān)系管理的概念最早是由專注于 IT技術(shù)的咨詢顧問(wèn)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(chǎng)競(jìng)爭(zhēng)、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(lái)長(zhǎng)久的競(jìng)爭(zhēng)優(yōu)勢(shì) ?？蛻絷P(guān)系管理解決方案著力于以產(chǎn)品和資源為基礎(chǔ)、以客戶為中心、以贏得市場(chǎng)并取得最大回報(bào)為目標(biāo)，通過(guò)信息的有效集成為基礎(chǔ)進(jìn)行的客戶快速反應(yīng)，給予客戶一對(duì)一、交互式的個(gè)性化服務(wù)，達(dá)到商業(yè)過(guò)程自動(dòng)化并改進(jìn)業(yè)務(wù)流程。 對(duì)商業(yè)銀行來(lái)說(shuō)，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。 (李桂琴 ,2020) 我們所熟悉的 2/8法則，在客戶關(guān)系管理中同樣適用，“ 20%的客戶為企業(yè)帶來(lái) 80%的利潤(rùn)”。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(lái)說(shuō)是非常有用的。也就是根據(jù)預(yù)定義的商業(yè)目標(biāo)，對(duì)大量的企業(yè)數(shù)據(jù)進(jìn)行探索和分析，揭示其中隱含的商業(yè)規(guī)律，并進(jìn)一步將其模型化的先進(jìn)有效技術(shù)過(guò)程。 數(shù)據(jù)挖掘其實(shí)是一類深層次的數(shù)據(jù)分析方法。分析這些數(shù)據(jù)也不再是單純?yōu)榱搜芯康男枰饕菫樯虡I(yè)決策提供真正有價(jià)值的信息，進(jìn)而獲得利潤(rùn)。（ .， 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。 數(shù)據(jù)挖掘涉及的學(xué)科領(lǐng)域和方法很多，有人工智能、數(shù)據(jù)統(tǒng)計(jì)、可視化、并行計(jì)算等，數(shù)據(jù)挖掘有多種分類方法： ，可分為分類模型發(fā)現(xiàn)、聚類、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、序列分析、偏差分析、數(shù)據(jù)可視化等。既可以用此模型分析已有的數(shù)據(jù)，也可以用它來(lái)預(yù)測(cè)未來(lái)的數(shù)據(jù)。聚集和分類的區(qū)別是聚集不依賴于預(yù)先定義好的類，不需要訓(xùn)練集?？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。 (Sequence Analysis) 序列模式分析同樣也是試圖找出數(shù)據(jù)之間的聯(lián)系。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。如果是異常行為，則提示預(yù)防措施：如果是正常的變化，那么就需要更新數(shù)據(jù)庫(kù)記錄。 ，可細(xì)分為歸納學(xué)習(xí)方法 (決策樹(shù)、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。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(lái)進(jìn)行客戶細(xì)分。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。就是找出對(duì)企業(yè)具有 重要意義的客戶，重點(diǎn)客戶發(fā)現(xiàn)主要包括：發(fā)現(xiàn)有價(jià)值的潛在客戶；發(fā)現(xiàn)有更多的消費(fèi)需求的同一客戶；發(fā)現(xiàn)更多使用的同一種產(chǎn)品或服務(wù)；保持客戶的忠誠(chéng)度。 （ 3）交叉營(yíng)銷。交叉營(yíng)銷指向已購(gòu)買商品的客戶推薦其它產(chǎn)品和服務(wù)。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(cè)顧客購(gòu)買該新產(chǎn)品的可能性。分類等技術(shù)能夠