K-means聚类算法在银行CRM中的应用
发布时间：2021-10-14 14:16
随着近年来我国经济的飞速增长,各行各业的竞争日渐激烈,尤其是对于银行等金融领域而言,如何在如此激烈的竞争环境下适者生存成为了其最关心的问题。近年来,信息技术的发展给银行的竞争环境带来了巨大的变化,银行逐渐意识到把握住客户,就是把握住了业绩,越及时地满足客户的需求,就越能满足市场的需求,也就越能在同行业竞争中脱颖而出。目前,我国大部分银行都已经建立了内部客户管理系统,我国的金融行业也积累了海量的客户数据资源,若能有效地利用这些客户数据信息,准确地对客户进行分类,对不同的客户群体提供不同的、更具个性化的服务,就使银行能提供更加有效的服务,对提高银行金融服务水平大有裨益。但是如何有效地利用已有的信息,并从中挖掘出对银行决策者真正有用的信息是个重要的研究课题。在数据挖掘研究领域中,聚类算法研究已经成为一项非常热门的研究课题。K-means算法是目前应用最广泛的一种基于平方误差迭代重分配的聚类算法。本文着重研究了K-means算法它在银行客户分类方向的应用与实现。首先介绍了数据挖掘的基础理论,然后介绍了聚类分析算法的基础理论,详细介绍了K-means聚类算法,分析了该算法的优缺点,之后定义了银行...
【文章来源】：浙江工业大学浙江省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
K-means算法步骤图
浙江工业大学硕士学位论文2009 年开始，该行信息科技总部组织开展了总分联动的挖掘课题研究工作，并分别在多个业务领域进行了探索和实际应用（见图 4-1），通过近几年的积累和提炼，已经初步形成了一套行之有效的工作方法和流程体系。这为该行挖掘数据价值，实现客户差异化管理，切实提升服务和客户经营能力，提供了全新的思路和手段。
浙江工业大学硕士学位论文息针对性和时效的不足，在竞争中容易丧失稍纵即逝机会。因此如何客户管理上、如何通过精细化管理提升客户经营能力成为当前迫切需要解决的业务问题。2 业务问题的分析思路和解决方法针对上述问题，我们希望探索客户精准营销模式为将来行搭建体系（见图 4-2）、化管理积累经验。具体来说，研究目标首先是通过对公司银行客户群进行细分，不同客户群的产品偏好、交易特征。然后挖掘对公客户潜在需求，给予分支行、和营销指引并为一线营销人员提供目标客户清单和产品组合需求，促进交叉售在公价值的同时 并为一线营销人员提供目标客户清单和产品组合需求，促进交叉升分行对公价值的同时提升该行对公客户经营能力，实现该行与客户共同成长。
【参考文献】：
期刊论文
[1]模糊聚类算法在银行客户分类管理中的应用[J]. 张建珍,张秀珍,周星星. 智能计算机与应用. 2014(06)
[2]数据挖掘中的聚类算法在邮政快递CRM中的应用[J]. 刘丽敏,张学锋. 网络安全技术与应用. 2014(08)
[3]优化的聚类分析在企业客户细分中的应用[J]. 徐昆. 经济论坛. 2014(01)
[4]基于聚类分析的商业银行基金客户的分类研究[J]. 赵铭,李雪,李秀婷,吴迪. 管理评论. 2013(07)
[5]证券业客户细分模型构建及实证研究[J]. 王园. 上海管理科学. 2012(02)
[6]改进的蚁群聚类算法在电信CRM客户细分中的应用[J]. 张新丽,范蓉. 移动通信. 2011(22)
[7]CART算法在银行CRM中的应用研究[J]. 冯洁. 科技信息. 2011(26)
[8]K均值聚类算法在商业银行客户分类中的应用[J]. 瞿小宁. 计算机仿真. 2011(06)
[9]基于模糊聚类集成算法的客户细分研究[J]. 高伟,贺昌政,蒋晓毅. 情报杂志. 2011(04)
[10]聚类算法在证券公司CRM中客户细分的应用[J]. 林江云,雷良桃. 心智与计算. 2010(04)
博士论文
[1]银行数据挖掘的运用及效用研究[D]. 李璠.武汉大学 2012
[2]CRM中模糊数据挖掘及客户生命周期价值与客户满意度研究[D]. 单友成.天津大学 2009
硕士论文
[1]基于数据挖掘技术的客户关系管理系统的设计与实现[D]. 王燕.吉林大学 2015
[2]聚类分析在供水企业客户细分中的研究与应用[D]. 黎锦泉.华南理工大学 2014
[3]邮储银行山东省分行客户关系管理系统的设计与实现[D]. 赵万鹏.大连理工大学 2014
[4]基于改进人工蜂群算法的聚类研究[D]. 蒋雪梅.大连海事大学 2014
[5]数据挖掘在农商行客户关系管理中的应用[D]. 唐华.湖南大学 2014
[6]B2C电子商务企业客户分类研究[D]. 杜乐.北方工业大学 2014
[7]基于遗传算法的数据挖掘在客户关系管理中的应用研究[D]. 刘桂桢.大连交通大学 2014
[8]数据挖掘在银行客户关系管理中的应用研究[D]. 秦秀洁.华南理工大学 2014
[9]数据挖掘中聚类算法研究与改进及其应用[D]. 刘禹.辽宁科技大学 2014
[10]基于代价矩阵的C5.0优化算法及在医院客户关系管理中的应用[D]. 张瑞琪.太原理工大学 2014
本文编号：3436324
【文章来源】：浙江工业大学浙江省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
K-means算法步骤图
浙江工业大学硕士学位论文2009 年开始，该行信息科技总部组织开展了总分联动的挖掘课题研究工作，并分别在多个业务领域进行了探索和实际应用（见图 4-1），通过近几年的积累和提炼，已经初步形成了一套行之有效的工作方法和流程体系。这为该行挖掘数据价值，实现客户差异化管理，切实提升服务和客户经营能力，提供了全新的思路和手段。
浙江工业大学硕士学位论文息针对性和时效的不足，在竞争中容易丧失稍纵即逝机会。因此如何客户管理上、如何通过精细化管理提升客户经营能力成为当前迫切需要解决的业务问题。2 业务问题的分析思路和解决方法针对上述问题，我们希望探索客户精准营销模式为将来行搭建体系（见图 4-2）、化管理积累经验。具体来说，研究目标首先是通过对公司银行客户群进行细分，不同客户群的产品偏好、交易特征。然后挖掘对公客户潜在需求，给予分支行、和营销指引并为一线营销人员提供目标客户清单和产品组合需求，促进交叉售在公价值的同时 并为一线营销人员提供目标客户清单和产品组合需求，促进交叉升分行对公价值的同时提升该行对公客户经营能力，实现该行与客户共同成长。
【参考文献】：
期刊论文
[1]模糊聚类算法在银行客户分类管理中的应用[J]. 张建珍,张秀珍,周星星. 智能计算机与应用. 2014(06)
[2]数据挖掘中的聚类算法在邮政快递CRM中的应用[J]. 刘丽敏,张学锋. 网络安全技术与应用. 2014(08)
[3]优化的聚类分析在企业客户细分中的应用[J]. 徐昆. 经济论坛. 2014(01)
[4]基于聚类分析的商业银行基金客户的分类研究[J]. 赵铭,李雪,李秀婷,吴迪. 管理评论. 2013(07)
[5]证券业客户细分模型构建及实证研究[J]. 王园. 上海管理科学. 2012(02)
[6]改进的蚁群聚类算法在电信CRM客户细分中的应用[J]. 张新丽,范蓉. 移动通信. 2011(22)
[7]CART算法在银行CRM中的应用研究[J]. 冯洁. 科技信息. 2011(26)
[8]K均值聚类算法在商业银行客户分类中的应用[J]. 瞿小宁. 计算机仿真. 2011(06)
[9]基于模糊聚类集成算法的客户细分研究[J]. 高伟,贺昌政,蒋晓毅. 情报杂志. 2011(04)
[10]聚类算法在证券公司CRM中客户细分的应用[J]. 林江云,雷良桃. 心智与计算. 2010(04)
博士论文
[1]银行数据挖掘的运用及效用研究[D]. 李璠.武汉大学 2012
[2]CRM中模糊数据挖掘及客户生命周期价值与客户满意度研究[D]. 单友成.天津大学 2009
硕士论文
[1]基于数据挖掘技术的客户关系管理系统的设计与实现[D]. 王燕.吉林大学 2015
[2]聚类分析在供水企业客户细分中的研究与应用[D]. 黎锦泉.华南理工大学 2014
[3]邮储银行山东省分行客户关系管理系统的设计与实现[D]. 赵万鹏.大连理工大学 2014
[4]基于改进人工蜂群算法的聚类研究[D]. 蒋雪梅.大连海事大学 2014
[5]数据挖掘在农商行客户关系管理中的应用[D]. 唐华.湖南大学 2014
[6]B2C电子商务企业客户分类研究[D]. 杜乐.北方工业大学 2014
[7]基于遗传算法的数据挖掘在客户关系管理中的应用研究[D]. 刘桂桢.大连交通大学 2014
[8]数据挖掘在银行客户关系管理中的应用研究[D]. 秦秀洁.华南理工大学 2014
[9]数据挖掘中聚类算法研究与改进及其应用[D]. 刘禹.辽宁科技大学 2014
[10]基于代价矩阵的C5.0优化算法及在医院客户关系管理中的应用[D]. 张瑞琪.太原理工大学 2014
本文编号：3436324
本文链接：https://www.wllwen.com/guanlilunwen/yingxiaoguanlilunwen/3436324.html
