邮储银行山东省分行客户关系管理系统的设计与实现
发布时间:2020-07-27 11:36
【摘要】:信息处理与网络技术的迅速发展,使计算机在各个行业中变得必不可少。通过使用计算机与互联网,即提高了工作人员的工作效率,又可以降低工作中的失误,易于数据保存。金融是现代经济的核心,银行是现代金融体系的主体。银行业信息化发展的水平,通常代表着国家经济的信息化发展水平。银行对客户进行分析与管理的行为不仅是一种管理的理念,还是一种用于改善企业与客户之间关系的新型管理机制。现代信息技术和互联网技术的发展,现代银行客户在银行管理和分析系统,充分利用信息的基础上,对了解自身现有客户的价值和寻找自己的目标客户方面将起到极大的推动作用。 本文选择了中国邮政储蓄银行山东省分行客户信息系统作为研究对象,通过对客户关系管理和数据挖掘,分析邮储银行山东省分行客户管理系统如何将信息技术与营销决策相结合,设计邮储银行山东省分行客户关系管理系统。邮储银行通过对掌握的客户资源进行整理和分析,挖掘潜在的优质客户,同时保留已有的客户资源,从而保证和扩展银行的市场份额,使银行高层能做出及时正确的决策。本文从系统的需求分析出发,首先详细论述了功能要求,通过对系统数据的全面解析,结合数据的特点,将系统的特定数据需求整理;其次讨论了系统的架构设计、数据库设计与界面设计,包括整个系统的整体架构的解决方案;再次讨论了系统设计和应用的界面设计和最终的解决方案,并重点讨论了客户管理子系统的实现。本文以C4.5算法为基础算法,设计和实现了邮储银行山东省分行客户关系管理系统,通过对系统中不同部分的系统论述分析,提炼出邮储银行CRM的各部分需求,按需开发完成系统。同时由于时间短暂,仍有许多方面没有被充分考虑到,留待后期工作完成。
【学位授予单位】:大连理工大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:TP311.52
【图文】:
图4. 3客户信息E-R图Fig. 4.3 Client Information E-R Diagram(5)分析和决策。数据挖掘的最终目标是协助决策。根据数据挖掘决策的结
图4.7展示的是一个客户关系管理系统层次结构。从图可以看出,金额超过三万元的活期存款用户可以定期转储50000,年龄在二十到三十客户存款总额超过一百五十万,他们会通过银行贷款购车者;用户五十至六十时间如果他们的存款总额超过五万元,更有可能购买政府债券等等。(3)使用现有客户分类的分类分类用来确定数据库对象中具有共同特征的一组数据,通过分类模型将数据集中的数据贴上不同的分类标签。它可以应用到客户的分类、属性和特点的客户分析、客户满意度分析和客户需求预测等。优秀的分类算法可以高效率地完成各种精度的数据划分。对客户进行分类已成为商业银行的共识。商业银行可以通过现有客户贷款多少将客户划分为五类。商业银行正在寻找方法从如此多的客户中挖掘“优质客户”,“银行业百分之八十的利润是由占客户总数百分之二十的优质客户带来的,但现在没有明确的评估方法来区分优质客户。现在,可以假设一个类标签,被指定为“是否优质客户”,然后使用训练数据集对分类模型进-29 -
4.2.2决策树分类数据挖掘系统的建立图4.9展示的对金融客户进行分类处理时,使用决策树分类算法进行数据挖掘的流程。C4.5算法是ID3的后继和改进,也是最流行的分类树方法。其中实值变量的处理如CART 一样,对语义属性则懫用多重分支。不纯度的计算同ID3 —样是“增益比不纯度”,本算法利用了分支的统计显著性的启发式技术来实现剪枝。在训练阶段,C4.5并没有为后继的缺损模型的分类提供专门的考虑。如果分支率为B的节点N查询某个丢失的特征时,C4.5将遵循所有B个可能的回答,直到下层B个叶节点。最终的分类结果是依据B个叶节点的加权标志
本文编号:2771796
【学位授予单位】:大连理工大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:TP311.52
【图文】:
图4. 3客户信息E-R图Fig. 4.3 Client Information E-R Diagram(5)分析和决策。数据挖掘的最终目标是协助决策。根据数据挖掘决策的结
图4.7展示的是一个客户关系管理系统层次结构。从图可以看出,金额超过三万元的活期存款用户可以定期转储50000,年龄在二十到三十客户存款总额超过一百五十万,他们会通过银行贷款购车者;用户五十至六十时间如果他们的存款总额超过五万元,更有可能购买政府债券等等。(3)使用现有客户分类的分类分类用来确定数据库对象中具有共同特征的一组数据,通过分类模型将数据集中的数据贴上不同的分类标签。它可以应用到客户的分类、属性和特点的客户分析、客户满意度分析和客户需求预测等。优秀的分类算法可以高效率地完成各种精度的数据划分。对客户进行分类已成为商业银行的共识。商业银行可以通过现有客户贷款多少将客户划分为五类。商业银行正在寻找方法从如此多的客户中挖掘“优质客户”,“银行业百分之八十的利润是由占客户总数百分之二十的优质客户带来的,但现在没有明确的评估方法来区分优质客户。现在,可以假设一个类标签,被指定为“是否优质客户”,然后使用训练数据集对分类模型进-29 -
4.2.2决策树分类数据挖掘系统的建立图4.9展示的对金融客户进行分类处理时,使用决策树分类算法进行数据挖掘的流程。C4.5算法是ID3的后继和改进,也是最流行的分类树方法。其中实值变量的处理如CART 一样,对语义属性则懫用多重分支。不纯度的计算同ID3 —样是“增益比不纯度”,本算法利用了分支的统计显著性的启发式技术来实现剪枝。在训练阶段,C4.5并没有为后继的缺损模型的分类提供专门的考虑。如果分支率为B的节点N查询某个丢失的特征时,C4.5将遵循所有B个可能的回答,直到下层B个叶节点。最终的分类结果是依据B个叶节点的加权标志
【参考文献】
相关期刊论文 前4条
1 张震;王文发;;人工智能原理在人类学习中的应用[J];吉首大学学报(自然科学版);2006年01期
2 陈海珍,黄德才,郭海东,纪筱斐;数据挖掘技术在CRM中的应用[J];计算机工程;2003年07期
3 李新安;石冰;;基于决策树方法的特定主题Web搜索策略[J];计算机应用;2006年01期
4 严仍荣;;数值型关联规则挖掘在客户关系管理中的应用[J];皖西学院学报;2007年05期
本文编号:2771796
本文链接:https://www.wllwen.com/guanlilunwen/kehuguanxiguanli/2771796.html