K-means聚类算法在银行CRM系统客户细分中的应用

发布时间：2023-10-14 07:26

　　随着互联网金融的逐步发展和小额贷款公司的兴起,银行业务受到了较大的冲击,银行传统的业务方案已不再适合今天激烈竞争的局面,对于目前的银行业来说,资产概念已经不那么重要了,最重要的是客户概念,谁抓住了客户的需求,谁就能在未来掌握市场和财富。所以如何区分客户的类型,精准的定位客户需求,对银行业的发展来说是至关重要的。要想了解客户的需求,就需要对银行与客户交互过程中的各种数据进行挖掘,找出隐含在数据中的有用信息。在银行的客户关系管理(CRM)系统中,就存储着海量的客户数据信息,这些数据是挖掘客户需求的基础。然而,如何在海量的数据中挖掘出有用的信息,是银行业面临的难题。数据挖掘技术的出现正好可以为银行业解决这个难题。K-means聚类算法是数据挖掘技术中比较重要的一种算法,是获取隐含信息的重要技术手段,它可以将CRM数据系统中杂乱无章的客户数据进行处理,然后分成特征各不相同的几类,银行可以根据不同类别客户的特点对客户进行有针对性的管理与服务,做到真正的投客户所好。本文首先介绍了客户细分及CRM的理论基础,之后根据目前银行业务的特点,分析了银行业CRM的结构及功能。接下来对常用聚类方法的基本原理、...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题来源及研究背景和意义
        1.1.1 课题来源
        1.1.2 课题研究的背景和意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 国内外文献综述
    1.4 课题主要研究内容
第2章 客户细分及CRM方法
    2.1 客户细分理论
        2.1.1 客户细分简述
        2.1.2 客户细分的方法
        2.1.3 客户细分意义
    2.2 CRM方法
        2.2.1 CRM的含义
        2.2.2 银行CRM系统构成
        2.2.3 CRM的作用
    2.3 本章小结
第3章 聚类方法及K-means聚类
    3.1 相似性度量
        3.1.1 样品相似性的度量
        3.1.2 变量相似性的度量
    3.2 系统聚类分析
        3.2.1 系统聚类的基本原理
        3.2.2 系统聚类的分类
    3.3 K-means聚类分析
        3.3.1 K-means聚类的基本原理
        3.3.2 K-means聚类的优缺点
    3.4 本章小结
第4章 数据细分及K-means算法改进
    4.1 数据准备
        4.1.1 银行客户细分指标的选取
        4.1.2 数据的获取及预处理
    4.2 K-means聚类算法的改进
        4.2.1 算法改进步骤
        4.2.2 确定效果比较准则
        4.2.3 算法改进前后分类效果对比
    4.3 本章小结
第5章 基于改进K-means算法的银行客户细分
    5.1 客户细分结果分析
    5.2 提出针对性策略及建议
    5.3 本章小结
结论
参考文献
致谢



本文编号：3853864