超大规模客户关系管理策略研究以银行业为例

发布时间：2020-12-10 07:11

　　目前，全球正处于一个数据激增的时代，数据规模呈几何级数增长。海量的数据给管理和维护带来困难的同时也为企业提供了巨大的潜在价值。数据就像一个神奇的钻石矿，当它的首要价值被发掘后仍然能不断给予。它的真实价值就像漂浮在海洋中的冰山，第一眼只能看到冰山的一角，而绝大部分都隐藏在表面之下。超大规模客户时代，企业拥有的海量客户数据一方面为企业更全面深入的了解客户需求提供了丰富的原材料；另一方面，随着数据规模的不断激增，传统的数据分析方法在对海量数据的处理上力不从心，一些客户关系管理思想也不再能有效的指导企业及时的制定有针对性的，科学的客户关系管理策略。本文在分析超大规模客户环境特点的基础上，对传统的客户关系管理理论进行梳理，探究超大规模客户环境给企业客户关系管理带来的影响，通过对比分析发现超大规模客户环境下企业客户关系管理的发展趋势。超大规模客户数据有助于企业将客户的各种相关数据进行整合，构建客户信息全景图，动态管理企业客户，提高企业的客户关系管理能力。同时，超大规模客户环境下，不仅仅是数据规模在增长，数据类型、数据处理对象和数据处理分析工具都在变化，数据的价值密度非常低，需要对数据进行整合，反复... 

【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第1章 绪论
    1.1 研究背景、目的及意义
        1.1.1 研究背景
        1.1.2 研究目的及意义
    1.2 国内外相关研究现状
        1.2.1 客户关系管理策略
        1.2.2 大数据管理
        1.2.3 知识发现相关研究综述
    1.3 研究内容
    1.4 研究方法及技术路线
第2章 相关理论基础
    2.1 超大规模客户环境的特点
        2.1.1 传统数据库与大数据的区别
        2.1.2 大数据的含义与特征
    2.2 传统客户关系管理理论框架
        2.2.1 客户关系管理理论发展过程
        2.2.2 客户关系管理理论的内涵阐释
        2.2.3 传统客户关系管理的相关理论
    2.3 超大规模客户环境对企业进行客户关系管理的影响
        2.3.1 企业提高客户管理能力需要超大规模客户数据的支持
        2.3.2 超大规模客户给企业进行数据处理带来的问题
        2.3.3 数据分析方法亟待创新
    2.4 知识发现
        2.4.1 知识发现的定义
        2.4.2 知识发现的相关概念
        2.4.3 基于关联数据的知识发现
第3章 加权大规模数据子空间聚类算法
    3.1 问题的提出
    3.2 K 均值算法
    3.3 优化初始聚类中心选择策略
        3.3.1 K 均值算法与遗传算法的映射
        3.3.2 改进算法中的相关定义
        3.3.3 选择计算过程
        3.3.4 变异操作过程
    3.4 数据稀疏问题
        3.4.1 变量加权分析
        3.4.2 子空间聚类算法
    3.5 高维大规模数据聚类算法
        3.5.1 确定流数据聚类中心权重
        3.5.2 加权大规模数据子空间聚类算法
第4章 实证分析
    4.1 知识发现运用于银行业的特征分析
        4.1.1 知识发现的研究内容
        4.1.2 银行数据组织与应用
    4.2 算法准确性测试
    4.3 算法聚类有效性测试
    4.4 改进算法的实证分析
        4.4.1 数据准备
        4.4.2 数据初步分析
        4.4.3 通过改进的 K 聚类算法对数据进行聚类
        4.4.4 结论分析
    4.5 本章小结
第5章 全文总结和研究展望
    5.1 全文总结
    5.2 研究展望
致谢
参考文献


【参考文献】：
期刊论文
[1]电信企业大数据分析、应用及管理发展策略[J]. 漆晨曦.  电信科学. 2013(03)
[2]电子商务环境下客户关系管理应用分析[J]. 黄青.  华章. 2013 (09)
[3]对客户关系管理在中国移动中的地位的探究[J]. 江智源,郭东强.  科技风. 2013(03)
[4]电信业集团客户CRM价值评估模型设计与应用[J]. 姜姣娇,赵涛.  天津大学学报(社会科学版). 2013(01)
[5]浅析客户关系管理的成功因素[J]. 张秋艳.  现代企业教育. 2012(22)
[6]金融行业的大数据管理探讨[J]. 刘启滨.  金融科技时代. 2012(11)
[7]基于社会网络的客户保持策略研究[J]. 王雪静.  科技创业月刊. 2012(10)
[8]大数据发展下的金融市场新生态[J]. 韦雪琼,杨晔,史超.  时代金融. 2012(21)
[9]电信客户社交网络分析方法与营销应用探讨[J]. 漆晨曦.  电信科学. 2012(07)
[10]核DBSCAN算法在民航客户细分中的应用[J]. 潘玲玲,张育平,徐涛.  计算机工程. 2012(10)



本文编号：2908295