基于聚类算法的银行卡客户分类分析系统的设计与实现

论文摘要

准确的客户分类是现代银行有效实施客户关系管理的基础。客户分类是根据客户属性来划分客户的集合,透过获得的客户类别来分析和预测客户的消费模式,建立起更好的客户服务体系,以利银行实行进一步差异化客户的管理,进而使得银行提升竞争能力和赢利能力。由于客户分类问题涉及众多因素,并且会产生海量的客户信息数据,针对该问题,构建有效的银行卡客户分类系统是当前银行管理系统迫切需要解决的问题。K-means算法是数据挖掘中一种简单高效的聚类算法。针对目前银行卡客户关系管理的现状,本文基于数据挖掘技术,利用Delphi工具和SQL server数据库,设计了基于改进的K-means聚类算法的银行客户分类系统。数据挖掘技术可以提取海量的银行卡客户信息数据中隐含的知识和空间关系模式,将代表银行客户的特征数据对象集自动分类成各个由类似的对象组成的簇,实现银行系统的银行卡客户分类。在银行卡业务主机（ES9000）获取系统的银行卡业务数据,经过数据的抽取、转换和加载进入银行卡分析系统前置机（RS6000）端中,通过银行卡分析系统数据库服务器完成数据挖掘和客户分类的功能。该系统的几个主要功能模块包括数据预处理、数据挖掘、数据管理、系统维护四大功能模块,不仅对银行管理者能够提供多种直观、灵活的客户展现方式和分析手段,而且还为操作员提供数据维护功能和管理功能。系统的应用效果也证明了其有效性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题来源
• 1.2 课题意义
• 1.3 研究目的与本文主要工作
• 1.4 论文结构安排
• 第二章银行卡及客户管理基础
• 2.1 银行卡与相关知识
• 2.1.1 银行卡的分类
• 2.1.2 银行卡申领
• 2.1.3 银行卡的使用
• 2.1.4 银行卡的计息和收费
• 2.1.5 银行卡挂失
• 2.1.6 银行卡联网通用
• 2.2 银行卡客户关系管理
• 2.2.1 客户关系管理的内涵
• 2.2.2 我国商业银行实施客户关系管理的必要性
• 2.3 基于数据挖掘的银行客户关系管理
• 2.3.1 客户行为分析
• 2.3.2 银行客户保持
• 2.3.3 数据库营销
• 2.3.4 效果评估
• 2.4 我国商业银行客户关系管理中的客户分类
• 2.4.1 客户细分理论的产生
• 2.4.2 客户细分的概念
• 2.4.3 客户细分问题的特点分析
• 2.4.4 客户细分的方法
• 2.5 银行客户关系管理中基于数据挖掘的客户分类
• 2.6 本章小结
• 第三章系统需求分析与关键实现技术
• 3.1 银行卡客户分类系统需求分析
• 3.2 客户个体分析ER 图
• 3.3 数据挖掘概念
• 3.4 CRM 客户分类中常用的数据挖掘方法
• 3.4.1 决策树
• 3.4.2 类神经网络
• 3.4.3 传统统计分析
• 3.4.4 关联规则分析
• 3.4.5 可视化技术
• 3.5 K-means 聚类算法
• 3.6 本章小结
• 第四章银行卡客户分类系统设计与实现
• 4.1 银行卡客户分类系统架构
• 4.2 数据预处理子模块设计
• 4.2.1 数据编码及相关数据选择
• 4.2.2 数据清理
• 4.2.3 数据集成
• 4.2.4 数据归约
• 4.3 数据挖掘子模块设计
• 4.3.1 基于数据挖掘技术将银行卡的目标客户群体聚类
• 4.3.2 客户分类管理
• 4.4 数据管理子模块
• 4.5 系统维护模块的设计
• 4.6 分类分析系统的实现
• 4.6.1 系统实现的架构
• 4.6.2 硬件平台
• 4.6.3 软件平台
• 4.6.4 程序设计
• 4.7 本章小结
• 第五章银行卡客户分类系统的测试分析与展望
• 5.1 测试与分析
• 5.2 结果与展望
• 第六章结论
• 致谢
• 参考文献