银行代发工资业务的数据挖掘及CRM系统的设计

发布时间：2017-10-30 12:11

  本文关键词：银行代发工资业务的数据挖掘及CRM系统的设计

  更多相关文章： 商业银行 代发工资 数据挖掘 客户细分

【摘要】：代发工资业务能给银行提供大量优质的客户、增加银行沉淀资金，，是银行的优质业务。为推动代发工资业务发展，提升银行盈利能力，银行需准确地对代发工资业务客户进行分类，并建立客户关系管理系统，实现交叉营销和个性化服务，提升银行核心竞争力。 针对海量代发工资数据，银行建立企业级数据仓库。在TERADATA数据库上，通过业务分析、概念模型建立、逻辑模型建立、物理模型建立，构建出数据仓库的模型，通过DATASTAGE软件实现ETL实施和数据质量评估，完成数据仓库的构建，并最终通过OLAP进行多维数据分析。银行针对代发工资业务客户关系管理的现状，利用SAS统计工具，设计了基于K-means聚类算法的代发工资业务客户细分模型。论文详细介绍了代发工资业务数据挖掘过程：数据挖掘工具的选择、数据挖掘算法的选择、数据挖掘算法的优化和数据降噪、数据理解和数据准备及实例展现。数据挖掘模型的分析结果为代发工资业务客户细分提供了依据。银行从数据仓库中抽取数据挖掘结果，并对结果进行分析，结合银行业务人员和管理人员的工作流程，提出了分行级代发工资客户管理系统的设计方案，使数据挖掘与实际业务紧密结合，实现数据产生价值，为领导提供决策和营销依据。
【关键词】：商业银行 代发工资 数据挖掘 客户细分
【学位授予单位】：天津大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F832.2
【目录】：

• 中文摘要3-4
• ABSTRACT4-8
• 第一章 绪论8-14
• 1.1 课题背景及研究意义8-9
• 1.1.1 论文选题背景8
• 1.1.2 论文研究的目的和意义8-9
• 1.2 国内外研究现状9-11
• 1.2.1 代发工资业务在国外发展状况9
• 1.2.2 代发工资业务在国内发展状况9-11
• 1.3 论文研究内容、目标及方法11-12
• 1.3.1 论文研究内容、目标11
• 1.3.2 论文研究方法11-12
• 1.4 论文组织结构12-14
• 第二章 论文的理论基础14-23
• 2.1 数据仓库概述14-16
• 2.1.1 数据仓库的体系结构14-15
• 2.1.2 针对银行的数据仓库的设计与实现15-16
• 2.2 数据挖掘技术概述16-19
• 2.2.1 数据挖掘的常用方法16-17
• 2.2.2 数据挖掘技术在国内和国外的发展状况17-18
• 2.2.3 数据挖掘技术在银行业的应用18-19
• 2.3 商业银行客户细分理论及商业银行的 CRM19-23
• 2.3.1 客户细分概念19
• 2.3.2 基于数据挖掘的客户细分19-20
• 2.3.3 商业银行的客户关系管理（CRM）20-21
• 2.3.4 银行代发工资客户关系管理的现实意义21-23
• 第三章 银行代发工资客户管理系统需求分析23-35
• 3.1 银行现状简介23-24
• 3.2 银行代发工资现状24-27
• 3.2.1 银行 2012 年下半年代发工资规模分析25
• 3.2.2 银行 2012 年下半年代发工资企业账户状况分析25-27
• 3.2.3 银行 2012 年下半年代发工资个人账户状况分析27
• 3.3 银行代发工资业务问题分析27-29
• 3.4 银行代发工资业务客户管理系统业务流程29-32
• 3.4.1 银行代发工资业务客户管理系统渠道业务流程29
• 3.4.2 银行代发工资业务客户管理系统营销业务流程29-31
• 3.4.3 银行代发工资业务客户管理系统服务业务流程31-32
• 3.5 银行代发工资业务客户管理系统用例分析32-35
• 3.5.1 管理部门用例分析32
• 3.5.2 营销部门用例分析32
• 3.5.3 服务部门用例分析32-33
• 3.5.4 高管用例分析33
• 3.5.5 科技部门用例分析33-35
• 第四章 系统总体设计35-43
• 4.1 系统的设计目标35
• 4.2 系统架构设计35-37
• 4.3 功能设计37-39
• 4.3.1 在数据仓库基础上的数据挖掘的功能设计37-38
• 4.3.2 分行端代发工资业务客户管理系统的功能设计38-39
• 4.4 数据库设计39-43
• 第五章 数据仓库建立、数据挖掘的设计与实现43-62
• 5.1 银行数据仓库的建立43-55
• 5.1.1 银行数据仓库的架构设计43-44
• 5.1.2 数据仓库概念模型的设计44-47
• 5.1.3 数据仓库逻辑模型的设计47-50
• 5.1.4 数据仓库物理模型的设计50-51
• 5.1.5 ETL 设计和实施51-52
• 5.1.6 数据仓库的数据质量评估52
• 5.1.7 OLAP52-55
• 5.2 银行代发工资业务数据挖掘55-62
• 5.2.1 数据挖掘工具的选择55
• 5.2.2 数据挖掘方法的选择55-56
• 5.2.3 算法优化及数据降噪56-58
• 5.2.4 数据理解58
• 5.2.5 数据准备58
• 5.2.6 数据挖掘模型建立及实例58-62
• 第六章 数据挖掘模型实证分析及成果展示62-78
• 6.1 银行行代发工资企业账户实证分析及成果展示62-74
• 6.1.1 代发工资企业账户整体情况62-64
• 6.1.2 “休眠代发工资企业”营销推荐64-66
• 6.1.3 “间歇代发工资企业”营销推荐66-68
• 6.1.4 “连续代发工资企业”营销推荐68-72
• 6.1.5 潜在代发工资企业的识别分析72-74
• 6.2 银行大额代发工资个人账户的实证分析及成果展示74-78
• 6.2.1 大额代发工资客户区域分布75
• 6.2.2 大额代发工资客户的客户分群构成75-76
• 6.2.3 大额代发工资客户不同客户群体的资产结构情况76-78
• 第七章 总结与展望78-80
• 7.1 总结78-79
• 7.2 展望79-80
• 参考文献80-82
• 发表论文和参加科研情况说明82-83
• 附录83-95
• 致谢95

【参考文献】

中国期刊全文数据库 前2条

1 杨登;;企业客户资源管理系统分析与设计[J];科技创新与应用;2014年02期

2 马斐;姚尧;;数据仓库技术在商业银行中的应用与发展[J];经济视角(上);2012年05期

本文编号：1117632