聚类分析在银行客户细分中的应用研究

发布时间：2017-04-14 16:12

  本文关键词：聚类分析在银行客户细分中的应用研究，由笔耕文化传播整理发布。

【摘要】：近年来,随着社会和经济的快速发展,市场环境日益残酷,企业的竞争越来越激烈,对于银行业来说也同样如此,如何才能在这样残酷的环境下立于不败之地,是所有银行都需要考虑的问题。特别是大数据时代的到来,所有企业包括各大银行都已经积累了大量的数据,但是如何从这些海量数据中找到最有利于银行发展的主要数据信息,对客户进行细分、实现精准营销、提升市场竞争力,是各大银行所面临的一大难题。数据挖掘技术的出现正好解决了这一问题,聚类分析算法作为数据挖掘技术中的一种重要算法,它对于银行未来的发展尤为重要,然而目前一些研究中的所采用聚类分析方法都会存在一定的弊端,通过结合理论与实际,本文分析聚类算法在银行客户细分中的应用。首先介绍了论文的研究背景、国内外的研究发展现状及研究成果,并对客户关系管理和企业客户细分的概念、特征及现状进行分析,从银行实际业务情况出发,选取最适宜的客户细分的指标,运用K-means聚类算法建立模型进行聚类分析,最后对模型结果进行总结,分别对各个类别客户的特点进行综合了解和分析,最后为银行业的发展提供可行性建议。
【关键词】：数据挖掘 客户细分 Kmeans 聚类
【学位授予单位】：暨南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.3
【目录】：

• 中文摘要3-4
• 英文摘要4-6
• 1 前言6-9
• 1.1 论文研究背景及意义6-7
• 1.2 国内外研究现状7-8
• 1.3 主要研究内容8-9
• 2 客户细分理论和方法9-13
• 2.1 客户细分理论9-11
• 2.2 客户细分方法11-13
• 3 客户细分的聚类算法研究13-19
• 3.1 聚类算法的概念13-15
• 3.2 聚类算法的分类15-17
• 3.3 聚类算法的原则17
• 3.4 K-means聚类算法17-19
• 4 银行客户细分指标的分析和选取19-23
• 4.1 银行客户细分指标选取的原则19-20
• 4.2 银行客户细分指标的分析20-21
• 4.3 银行客户细分指标的选取21-23
• 5 基于K-means聚类分析的银行客户细分模型的运用23-41
• 5.1 数据准备和预处理23
• 5.2 指标的量化23-25
• 5.3 模型的建立与实现25-35
• 5.4 结果分析35-41
• 6 基于聚类分析的营销策略与建议41-43
• 论文发展与展望43-44
• 参考文献44-46
• 致谢信46

【参考文献】

中国期刊全文数据库 前3条

1 李宝东,宋瀚涛;数据挖掘在客户关系管理(CRM)中的应用[J];计算机应用研究;2002年10期

2 刘英姿;何伟;;基于不同视角的客户细分方法研究综述[J];商场现代化;2007年01期

3 王小标;黄治移;杨昆;张雪松;;聚类综述[J];数字技术与应用;2012年05期

中国博士学位论文全文数据库 前1条

1 王中;数据挖掘技术及其在证券领域的应用[D];天津大学;2005年

中国硕士学位论文全文数据库 前5条

1 梁佩佩;基于聚类分析的客户生命周期价值挖掘研究[D];上海海事大学;2004年

2 吕昀卿;商业银行客户细分及应用研究[D];对外经济贸易大学;2006年

3 耿炜欣;模糊聚类在银行客户细分中的应用研究[D];对外经济贸易大学;2007年

4 庞夫星;基于聚类分析的烟草行业客户细分研究[D];山东财经大学;2014年

5 谢丽;基于聚类分析的机场客户细分服务系统的设计与实现[D];西安电子科技大学;2014年

  本文关键词：聚类分析在银行客户细分中的应用研究，由笔耕文化传播整理发布。

，

本文编号：306369