数据挖掘技术在银行CRM中的应用

摘 要 ：随着中国银行业全面开放,以客户为中心的客户关系管理技术在银行业的不断应用和发展,银行怎么写作在不断改善提高的同时,产生了大量的客户数据.在海量数据面前,传统的数据统计技术已不能满足数据处理的要求,不能充分挖掘到这些数据中隐藏的有用信息.而数据挖掘技术正好能处理海量数据问题,能有效的解决银行客户关系管理中处理客户信息的难题,为银行的经营决策带来了很多帮助.本文首先分析了银行客户关系管理的内涵,分析了目前银行客户关系管理存在的问题.然后,分析了数据挖掘技术在银行客户关系管理中的应用和实施,进而帮助提高银行客户关系管理的质量.

关 键 词 ：客户关系管理；客户数据；数据挖掘

中图分类号：F832 文献标识码：A 文章编号：1674-7712　（2012）　14-0060-01

随着计算机技术、数据库技术和网络技术的发展以及中国银行业全面开放,金融市场的联系更加紧密、竞争日趋激烈,要想应对国内国外银行的挑战,在竞争中脱颖而出,就必须加快银行的信息化建设步伐.银行客户关系管理（CRM）是银行通过对其客户的管理来提升企业市场竞争力的一种电子商务解决方案,其核心技术就是数据仓库和数据挖掘技术.银行客户关系管理结合数据挖掘可以分析客户群体、客户行为、客户价值观、客户流失等主题,准确的发现和保持优质客户,为客户提供个性化产品和怎么写作,有效预测和防范各类风险,真正做到以客户为中心.

一、银行客户关系管理的内涵

1995年,全球最著名的IT分析公司Gartner　Group提出了客户关系管理（Customer　Relationship　Management,简称CRM）的概念：客户关系管理为企业提供全方位的管理视角；赋予企业更完善的客户交流能力,最大化客户的收益率.其宗旨一方面是为了加强企业与客户之间的联系,被用于市场营销、怎么写作、技术支持等各个与客户有关的领域,银行CRM也是一个典型的应用,另一方面,为了降低企业的管理成本.可以说CRM的出现是企业从以产品为中心的模式向以客户为中心的模式转移的重要体现.

CRM按其实施步骤分为三个部分：首先获取客户信息.收集当前客户信息,充分利用历史客户信息.与客户相关的数据可以存储在数据仓库中.其次是信息挖掘.通过传统统计方法、数据仓库技术、数据挖掘技术和联机分析处理系统（OLAP）分析海量客户数据,发现潜在的规律和隐藏的信息.最后,信息的利用.信息的作用是为了发现问题和解决问题.这些信息可以辅助管理者对市场进行准确的预测,从而做出正确的决策.

二、银行客户关系管理面临的问题

目前银行实施客户关系管理面临的问题主要有：

客户识别和分类.银行业的客户面特别广、客户数量特别多、客户种类特别繁杂.如何把客户分成不同特征的客户群,如何识别这些不同特征,从而针对不同客户群提供差异化、个性化怎么写作,提高客户满意度,是CRM首要解决的问题.目前,银行的客户信息采集不完全,采集过程分散,客户流动性大导致客户资料系统化程度不高.

客户保持.即要充分满足客户现在的意愿,预测客户未来的潜在需求,提高客户忠诚度,长期与客户保持联系.

客户流失.由于一些客观原因和主观原因,银行的优质客户流失严重.因此,银行需要建立预警机制,对客户的最近交易进行追踪,一旦异常,银行可以预测,并作出相应的应对措施.

目前,银行CRM存在很多问题,数据挖掘技术正好可以解决这些问题,提高银行的竞争实力.

三、数据挖掘的定义

数据挖掘定义从技术上来说是一个利用各种分析工具,如统计方法、关联分析、聚类、可视化、归纳、神经网络、决策树等在海量数据中发现模型和数据关系的过程,这些模型和关系可以用来做出预测.数据挖掘是一个完整的过程,该过程从大型数据库中挖掘先前未知的、有效的、可实用的信息,并使用这些信息做出决策.

四、数据挖掘与客户关系管理的关系

可以说,银行客户关系管理（CRM）应用水平的发展是伴随着数据仓库技术的应用和发展而逐渐成熟起来的.在国外,数据挖掘技术已在银行业CRM广泛运用.通过搜集和处理大量客户数据,并对这些数据进行分析,发现其数据模式及特征,然后可能发现某个客户、消费群体或组织的金融和商业兴趣,并可观察金融市场的变化趋势.在国内,中国银行业信息化有很大的发展,但是普遍现状是集中了大量数据,却缺乏挖掘数据底层隐藏的知识的技术,往往导致了“数据爆炸”.国内银行业CRM还处于报表和部分分析应用阶段,并不能进行智能预测,未来我国的商业银行必须朝着预测应用的阶段不断的努力,才能使得我国的商业银行在未来的竞争中处于领先的地位.

五、数据挖掘在银行CRM中的实施

随着CRM软件的成熟．将来的CRM软件不仅能帮助商业流程的自动化,还能帮助管理者做决策的分析工具.如利用决策树技术研究客户流失状况,可以找出客户流失原因,提前寻找方法应对,防止客户流失；利用数据挖掘中的模糊聚类分析方法可以对广大的客户群进行快速细分,分析客户类型特征,实现个性化怎么写作；利用数据挖掘中的关联分析可以加强各业务部分之间和各营业网点之间CRM的互通性,跨平台销售,提高客户价值.

在数据挖掘实施过程中,首先要明确我们需要解决的问题,知道问题所属的应用类型,从而判断能否使用数据挖掘技术找到解决方案；其次要选择适合的数据挖掘技术和工具,如上述举例所言,不同的处理方法能达到不同的目的,因此正确的选择才能达到事半功倍的效果.第三,准备数据.我们应从数据仓库中大量的银行客户数据中找到与分析问题有关的样本数据子集.然后对数据进行预处理、分析、加工,保证数据有效性.第四,模型建立.这是数据挖掘的核心,不同的数据挖掘技术会有不同的模型,然后,根据模型对结果进行分析和描述.最后,进行评价和总结.

六、总结

数据挖掘是CRM的灵魂.随着技术更加成熟,它与银行业客户信息会更加紧密地结合,能自动预测个人客户的消费趋势、整个市场走向,指导银行建设个性化智能网站,带来巨大的商业利润,提高银行的核心竞争力.