收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于数据挖掘的银行客户分析管理关键技术研究

赵基  
【摘要】:如何将数据仓库及数据挖掘的相关技术应用于金融业客户关系管理,是目前金融行业迫切需要研究的领域。该领域包括对于数据仓库和数据挖掘技术的研究,CRM系统的构建,以及更加有效挖掘算法的设计等方面。本文具体探讨了金融行业的客户关系管理系统在实施过程的若干关键技术,同时对基于数据挖掘的银行客户关系管理技术进行了研究。 传统的数据挖掘方法在金融行业的应用包括银行客户划分、银行客户流失预警、金融欺诈分析以及基于数据挖掘的银行信用卡分析等方面,本文对于这些传统的方法进行了总结和分析,并且结合具体案例进行了说明,给出了自己的结论。 在第三章中,对于银行的客户聚类分析进行了单独论述,比较分析了决策树方法和粗糙集方法各自的特点,提出了一种基于粗糙集和决策树相结合的多变量决策的银行客户聚类算法,实验结果表明这种方法在一定程度上提高了聚类判别的效率。 银行交易时序数据的挖掘分析是目前研究的热点之一。本文尝试将时序数据字符串化,引入传统的字符串模式匹配相关算法进行金融时序数据的分析。在字符串算法的研究中,经常会关注给定字符串本身的规律性,如重复性。Seed是一种广义的重复性,如果一个给定字符串的超串能够由它的某个子串以多个串接和(或)叠合的形式构成,这个子串就称为给定字符串的Seed。本文对于时间序列预测中的字符串Seed求解算法进行了讨论,提出了一个有效的算法来计算长度为N的字符串的所有Seed,时间复杂度为O(nlogn)。 Agent和多Agent系统(Multi-Agent Systems,简称MAS)是正在崛起为人工智能研究实用化和分布计算环境下软件智能化的重要技术。提供具有社会和相关领域知识,能依据心理状态自主工作,并具有语义互操作和合作行为协调能力的软件实体,作为参与协调合作的软构件,不仅为实施紧凑一致的协同工作提供有力的支持,也为建立面向分布计算的开放性、可重构和可伸缩的新型计算环境建立了基础。本文对于基于MAS的客户关系管理系统的相关理论进行了研究,尝试将多Agent的协商框架应用于银行间的产品营销竞争,客户金融产品的交叉销售分析中,提出了一个客户销售的优化协商框架。 在第六章中,针对项目的具体实施和实践过程中的相关问题,从技术和应用的角度展开数据挖掘相关技术及其实际应用领域的研究,并结合上海浦东发展银行的实际应用背景,提出了一个银行客户关系分析管理系统的设计方案。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 郑荔平;;基于分类的客户响应分析[J];福建电脑;2010年01期
2 石金彦,黄士涛,雷文平;粗糙集与决策树结合诊断故障的数据挖掘方法[J];郑州大学学报(工学版);2003年01期
3 孙友友;郭晓燕;;决策树与聚类算法在数据挖掘中的研究及应用[J];科技创新导报;2007年34期
4 于芳,孔令人,石义芳,陈培正;基于CRM理念的医院信息系统探讨[J];医疗设备信息;2005年11期
5 王善侠;王振华;王吉永;;基于决策树和聚类理论的XML文档数据挖掘的研究[J];科技信息(科学教研);2007年34期
6 彭玉楼,刘亚辉;利用决策树和聚类理论对XML文档数据挖掘的研究[J];株洲工学院学报;2005年04期
7 汪小燕;;粗集结合决策树在高校图书馆中的应用[J];电脑学习;2008年05期
8 于承敏;郑丽萍;刘永涛;;数据挖掘在高校学生综合测评成绩分析中的应用[J];电脑与电信;2009年10期
9 刘霞,王爱民;数据挖掘技术在CRM中的应用[J];现代管理科学;2004年03期
10 焦玉英;黄达;施俊;;e环境下客户关系管理的运行机制研究[J];情报科学;2007年10期
11 沈学利;钟华;;决策树与数据仓库结合的研究与应用[J];计算机工程;2011年11期
12 张锋;常会友;衣杨;路永和;;CRM系统中的商业智能:模型和技术[J];微型机与应用;2007年S1期
13 许杨;胡建华;周海河;杨忠;;数据挖掘在宽带业务流失中的应用[J];科技经济市场;2008年06期
14 孙庆波;孟伟;孙宇;;基于交叉销售模型的客户聚类研究[J];福建电脑;2008年04期
15 徐丽娟;数据挖掘与数据仓库在CRM中的应用[J];绍兴文理学院学报;2002年10期
16 罗华,刘萍,韦有华;数据挖掘与数据仓库技术及其在保险业中的应用[J];微计算机信息;2004年04期
17 李春梅;在CRM中应用DW、DM技术进行商业分析和决策[J];楚雄师范学院学报;2004年03期
18 刘承水;数据挖掘技术在发电行业的解决方案[J];电力信息化;2004年08期
19 汪毅,朱顺泉;数据挖掘技术在客户关系管理中的应用研究[J];软科学;2003年02期
20 谢中梅;曾晓亮;;数据挖掘在电机制造行业中的应用[J];电脑学习;2008年03期
中国重要会议论文全文数据库 前10条
1 朱强生;田英;周延泉;何华灿;;银行业中的客户数据挖掘[A];2006通信理论与技术新进展——第十一届全国青年通信学术会议论文集[C];2006年
2 薛晓东;李海玲;;数据挖掘的客户关系管理应用[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(下册)[C];2004年
3 温国锋;李宏艳;王广成;王永生;王成华;马立强;王敏;张巍巍;宁丰荣;岱云;;数据仓库与粗集数据挖掘在建筑管理决策中的应用研究[A];决策与管理研究(2007-2008)——山东省软科学计划优秀成果汇编(第七册·上)[C];2009年
4 易向军;宋威;;数据挖掘技术在冶金MES中的应用探讨[A];冶金自动化信息网年会论文集[C];2004年
5 陈楚湘;沈建京;陈冰;尚长兴;王运成;;运用粗糙集理论建立中老年肺炎中医症候诊断标准[A];第二十九届中国控制会议论文集[C];2010年
6 肖健;刘杨;沈彩霞;;商业智能(BI)的行业应用[A];广西计算机学会2008年年会论文集[C];2008年
7 武森;金海燕;高学东;;数据挖掘中CABOSFV聚类算法的实现与应用[A];全国第八届工业工程与企业信息化学术会议论文集[C];2004年
8 吕琳;朱东华;刘玉琴;;面向数据仓库的数据预处理研究综述[A];2007年中国智能自动化会议论文集[C];2007年
9 王令群;郑应平;周爱华;;数据挖掘技术在半导体生产过程数据分析中的应用[A];2005年中国智能自动化会议论文集[C];2005年
10 余嘉元;;粗糙集在心理测量数据挖掘中的应用[A];第十届全国心理学学术大会论文摘要集[C];2005年
中国博士学位论文全文数据库 前10条
1 赵基;基于数据挖掘的银行客户分析管理关键技术研究[D];浙江大学;2005年
2 王曙燕;医学图像智能分类算法研究[D];西北大学;2006年
3 王明春;基于粗糙集的数据及文本挖掘方法研究[D];天津大学;2005年
4 刘洪波;汉语认知脑数据挖掘相关算法及应用研究[D];大连理工大学;2006年
5 刘东升;面向连锁零售企业的客户关系管理模型(R-CRM)研究[D];浙江工商大学;2008年
6 马君华;粗糙集属性约简和聚类算法及其在电力自动化中的应用研究[D];华中科技大学;2010年
7 黄定轩;企业核心能力智能挖掘应用基础研究[D];西南交通大学;2005年
8 韩颖;新型农村合作医疗数据挖掘研究[D];山西医科大学;2009年
9 刘业政;基于粗糙集数据分析的智能决策支持系统研究[D];合肥工业大学;2002年
10 贺琳;基于数据挖掘的道路运行安全风险分析[D];大连海事大学;2012年
中国硕士学位论文全文数据库 前10条
1 赵慧;数据仓库和数据挖掘在CRM中的应用研究[D];首都经济贸易大学;2004年
2 朱卫平;基于商务智能的CRM应用研究[D];辽宁工程技术大学;2004年
3 魏兵;数据挖掘技术在客户关系管理中的应用研究[D];南京理工大学;2004年
4 张岩;郑州市公用电话客户关系管理系统设计与实现[D];电子科技大学;2010年
5 易珺;基于数据挖掘的酒店CRM客户获取的研究[D];广东工业大学;2005年
6 张红兵;客户关系管理及其在服务企业中的应用[D];天津大学;2004年
7 张铁钢;数据挖掘在自学考试系统中考生流失分析的应用[D];北京工业大学;2005年
8 谌悦斌;基于数据仓库和数据挖掘的客户关系管理系统[D];电子科技大学;2009年
9 贺敏;关于数据仓库在银行信贷业CRM系统的应用研究[D];重庆大学;2005年
10 曾慧琴;数据挖掘在继电保护故障信息处理系统中的研究[D];广西大学;2005年
中国重要报纸全文数据库 前10条
1 王广宇;数据挖掘 加速银行CRM一体化[N];中国计算机报;2004年
2 创智集团副总裁 胡乐群博士;数据挖掘在CRM中的应用[N];中国计算机报;2002年
3 吴勇毅;危机下,数据挖掘与提供信息决策是关健[N];中国冶金报;2009年
4 中国人民大学数据仓库与商务智能工程研究中心 $$  中国人民大学数据与知识工程研究所王珊、谢佳明、陈红、刘中蔚、邵琦洪、张宁;创建数据仓库:要面向三条路线[N];中国计算机报;2002年
5 张立明;数据挖掘之道[N];网络世界;2003年
6 王玮 蔡莲红;数据挖掘走入语音处理[N];计算机世界;2001年
7 段云峰 杨凤年 宋俊德;数据仓库必不可少[N];计算机世界;2002年
8 记者 晏燕;数据挖掘让决策者告别“拍脑袋”[N];科技日报;2006年
9 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年
10 ;四层面扩展PB级数据仓库[N];网络世界;2004年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978