數(shù)據(jù)挖掘在銀行CRM中的應用

摘要:隨著市場經(jīng)濟競爭的不斷加劇，信息對銀行的生存和發(fā)展起著越來越重要的作用。在科技高速發(fā)展的今天，面對雪崩式增長的龐大海量信息，銀行通過手工方式很難對客戶數(shù)據(jù)的分布找出規(guī)律，并進行分析決策，必須借助相應的數(shù)據(jù)工具，發(fā)現(xiàn)客戶數(shù)據(jù)中隱藏的規(guī)律或模式為銀行的決策服務。銀行建立以客戶為中心的服務體系，對于維系老客戶，爭取新客戶，挖掘黃金客戶，增強市場競爭能力有重要的意義。

關(guān)鍵詞:CRM 數(shù)據(jù)挖掘 數(shù)據(jù)倉庫

1 CRM的概念

客戶關(guān)系管理(Customer Relationship Management，CRM) 最初由Gartner Group提出，是“以客戶為中心”的新型管理機制，是現(xiàn)代管理科學與信息技術(shù)結(jié)合的產(chǎn)物，是企業(yè)為實現(xiàn)信息化運營目標所創(chuàng)造和使用的軟、硬件系統(tǒng)集成技術(shù)和管理方法、解決方案的總和。CRM不僅是一種通過完善的客戶服務和深入的客戶分析來滿足客戶的需求，保證實現(xiàn)客戶終身價值的管理理念，而且是一種旨在改善企業(yè)與客戶之間關(guān)系的新型管理機制，使企業(yè)從“以產(chǎn)品為中心”向“以客戶為中心”的模式轉(zhuǎn)移，即企業(yè)關(guān)注的焦點是從內(nèi)部運作轉(zhuǎn)移到客戶關(guān)系上來。

2 數(shù)據(jù)倉庫和數(shù)據(jù)挖掘

2.1 數(shù)據(jù)倉庫的概念 “數(shù)據(jù)倉庫”這個名詞是在號稱“數(shù)據(jù)倉庫之父”WilliamH.Inmon的《建立數(shù)據(jù)倉庫》一書中首次出現(xiàn)的，他把數(shù)據(jù)倉庫定義為:一個面向主題的、集成的、非易失的、隨時間變化的、用來支持管理人員決策的數(shù)據(jù)集合。

2.1.1 面向主題 操作型數(shù)據(jù)庫的數(shù)據(jù)組織面向事務處理任務，各個業(yè)務系統(tǒng)之間各自分離;而數(shù)據(jù)倉庫中的數(shù)據(jù)按照一定的主題域進行組織。主題是一個抽象的概念，是指用戶使用數(shù)據(jù)倉庫進行決策時所關(guān)心的重點方面，一個主題通常與多個操作型信息系統(tǒng)相關(guān)。

2.1.2 集成的數(shù)據(jù) 對源數(shù)據(jù)的集成是數(shù)據(jù)倉庫建設中最關(guān)鍵，也是最復雜的一步。數(shù)據(jù)倉庫中存儲的數(shù)據(jù)是從各個分散子系統(tǒng)中提取出來的，但并不是原有數(shù)據(jù)的簡單拷貝，而是經(jīng)過了統(tǒng)一綜合。由于源數(shù)據(jù)不適合用來分析，在進入數(shù)據(jù)倉庫之前必須經(jīng)過綜合、計算、拋棄等方法來分析處理不需要的數(shù)據(jù)項，并增加一些可能涉及的外部數(shù)據(jù)，以此來消除不一致和錯誤之處，以保證數(shù)據(jù)的質(zhì)量。否則，用那些不準確或不正確的數(shù)據(jù)分析得出的結(jié)果不能做出科學的決策。

2.1.3 數(shù)據(jù)不可更新 數(shù)據(jù)保存到數(shù)據(jù)倉庫后，最終用戶只能通過分析工具進行查詢和分析，而不能修改，即數(shù)據(jù)倉庫的數(shù)據(jù)對最終用戶而言是只讀的。

2.1.4 數(shù)據(jù)隨時間變化 數(shù)據(jù)倉庫數(shù)據(jù)的不可更新是針對應用而言，即用戶分析處理時不更新數(shù)據(jù)。但不是說，數(shù)據(jù)進入數(shù)據(jù)倉庫以后就永遠不變，這些數(shù)據(jù)會隨時間變化而定期更新。每隔一段固定的時間間隔，將抽取運行數(shù)據(jù)庫系統(tǒng)中產(chǎn)生的數(shù)據(jù)，經(jīng)過轉(zhuǎn)換后集成到數(shù)據(jù)倉庫中。隨著時間的變化，數(shù)據(jù)以更高的綜合層次被不斷綜合，以適應趨勢分析的要求。當數(shù)據(jù)超過數(shù)據(jù)倉庫的存儲期限，或?qū)Ψ治鰺o用時，就從數(shù)據(jù)倉庫中刪除這些數(shù)據(jù)。

2.2 數(shù)據(jù)挖掘 數(shù)據(jù)挖掘是指從大量數(shù)據(jù)集中抽取隱含的，潛在的，有用的信息的方法和過程。它是數(shù)據(jù)庫技術(shù)、人工智能、機器學習、統(tǒng)計分析、模糊邏輯、人工神經(jīng)網(wǎng)絡等學科相結(jié)合的產(chǎn)物。數(shù)據(jù)倉庫上的數(shù)據(jù)挖掘是數(shù)據(jù)挖掘技術(shù)的主流。

數(shù)據(jù)挖掘的突出特點是在業(yè)務問題和目標明確但考察的問題不清楚時，對數(shù)據(jù)進行探索，揭示隱藏其中的規(guī)律性，進而將其模型化。

數(shù)據(jù)挖掘從技術(shù)上看，基本過程分為:數(shù)據(jù)準備、挖掘操作、結(jié)果表達和解釋三個階段。

數(shù)據(jù)挖掘常用到?jīng)Q策樹、遺傳算法、貝葉斯網(wǎng)絡、神經(jīng)網(wǎng)絡、粗糙集方法、統(tǒng)計分析和可視化等技術(shù)，各種技術(shù)方法都有它的特點與不足，都有其潛在應用范圍和應用領域，與之對應的數(shù)據(jù)挖掘技術(shù)和算法主要有:

①信息論方法:利用信息論中信息增益尋找數(shù)據(jù)庫中具有最大信息量的字段，建立決策樹的一個節(jié)點，并根據(jù)字段的不同取值建立樹的分枝，在每個分枝子集中重復建樹的下層節(jié)點和分枝的過程，建成決策樹。②集合論方法:粗集方法、概念樹方法。③人工神經(jīng)網(wǎng)絡方法:前饋網(wǎng)絡:含感知機，反向傳輸模型，函數(shù)式網(wǎng)絡。反饋式網(wǎng)絡:用于聯(lián)想記憶和優(yōu)化計算。自組織網(wǎng)絡:用于聚類。④遺傳算法:模擬生物進化過程的方法。⑤統(tǒng)計分析方法:相關(guān)分析、回歸分析、差異分析、因子分析、聚類分析、判別分析等。

3 數(shù)據(jù)倉庫和數(shù)據(jù)挖掘在銀行CRM中的應用

3.1 利用聚類分析方法進行客戶分類 客戶分類又稱為客戶細分，是指把一個龐大的消費群體劃分為一個個細分的客戶群，同一細分群中的客戶具有某些相似的特征。和通常所做的單純按照性別、年齡等進行的固定分類不同，聚類分析方法是通過無指導學習，按最大化類內(nèi)部的相似性、最小化類之間的相似性的原則，自動對數(shù)據(jù)分類。

對于客戶關(guān)系管理系統(tǒng)中的大量數(shù)據(jù)，管理人員常常希望能得到有意義的提示，以做出正確的客戶分類判斷。此時，使用聚類分析結(jié)果，先給出多個不同的相對較大的類劃分，然后再進行精確劃分。通過聚類分析，銀行往往可以發(fā)現(xiàn)客戶的群體行為，發(fā)現(xiàn)客戶的共性，掌握他們的投資理念，從而提供針對性的服務，提高銀行服務的成功率。還可以通過分類或聚類分析對客戶進行群分后，再由模式分析預測哪些人可能成為其客戶，以幫助管理人員找到潛在客戶。

3.2 利用關(guān)聯(lián)分析方法進行交叉銷售，提高客戶價值 交叉銷售就是銀行通過和客戶交流，向現(xiàn)有客戶提供新產(chǎn)品和新服務，從而保持現(xiàn)有客戶資源、提升現(xiàn)有客戶價值的銷售方式，它建立在銀行和客戶雙贏的基礎之上。關(guān)聯(lián)分析是給定一組或一個記錄集合，通過分析記錄集合，推導出其相關(guān)性，目的是為了挖掘出隱含在數(shù)據(jù)間的相互關(guān)系。銀行利用關(guān)聯(lián)分析方法分析客戶的交易行為與其他屬性的關(guān)聯(lián)關(guān)系，即尋找影響客戶交易行為的因素，并建立預測模型對客戶將來可能發(fā)生的交易行為進行預測，分析客戶對銀行業(yè)務構(gòu)成的貢獻，計算客戶的價值度，找出對銀行最有價值和最有盈利潛力的客戶群以及他們最需要的銀行產(chǎn)品和服務，從而實施有效的交叉銷售，提高銀行的客戶價值。

如果銀行通過交叉銷售方式來實現(xiàn)銷售量的增加，以下兩個步驟通常是必須要遵循的。一是通過聚類分析實現(xiàn)客戶細分，鎖定交叉銷售所要面對的目標客戶;二是通過關(guān)聯(lián)分析確定最優(yōu)的銷售組合，并向相應的客戶展開交叉銷售。

3.3 利用分類法保留客戶，提高客戶忠誠度 數(shù)據(jù)分類是通過在訓練集上針對某一屬性進行類劃分，建立描述并區(qū)分數(shù)據(jù)類或概念的模型，再使用該模型對數(shù)據(jù)集進行劃分。

銀行所掌握的客戶信息，尤其是以前購買行為的信息中，可能正包含著這個客戶決定他下一個的購買行為的關(guān)鍵，甚至決定因素。銀行為留住老客戶，就必須了解客戶的需求。利用數(shù)據(jù)挖掘工具分析客戶的交易行為與其它屬性的關(guān)聯(lián)關(guān)系，可以總結(jié)出不同客戶的偏好與特性，確定客戶的交易習慣、交易額度和交易頻率，分析客戶對某個產(chǎn)品的忠誠程度、持久性等，即確定每類客戶的特征，對客戶群進行分類，從而為他們提供個性化定制服務，以提高客戶忠誠度，最大程度地保持住老客戶。

3.4 利用孤立點分析法發(fā)現(xiàn)客戶異常行為，防止客戶流失 孤立點是數(shù)據(jù)集中與一般數(shù)據(jù)模型不相符合的那些數(shù)據(jù)。

客戶流失是銀行難以控制的常見問題，流失現(xiàn)象會給銀行帶來很多不利影響。在客戶關(guān)系管理系統(tǒng)中，利用孤立點分析法，除了可用于欺詐發(fā)現(xiàn)外，還可發(fā)現(xiàn)客戶的異常行為，從而使銀行減少和避免不必要的客戶流失。比如，我們?yōu)榭蛻糍~戶的日常行為(如發(fā)生額、業(yè)務筆數(shù))設立一個閥值，客戶賬戶的日常行為都應該在此閥值之中，如果某賬戶的日交易金額或日交易筆數(shù)超過了該閥值，表明該賬戶出現(xiàn)了異常行為，有可能成為流失客戶。工作人員應及時分析原因，采取一定的措施挽留住該客戶。

在客戶生命周期的整個過程中，各個不同階段都包含許多重要的事件，數(shù)據(jù)挖掘還可以用于判斷客戶所處的生命周期狀態(tài)，并可預測客戶進入客戶生命周期下一階段的時間以及客戶的行為。銀行對客戶生命周期各個階段的準確把握與管理，有利于根據(jù)客戶的狀態(tài)采取相應的交叉銷售或增值銷售等市場活動，從而實現(xiàn)銀行的最高利潤。

3.5 客戶信用分析 通過收集和分析客戶的財務數(shù)據(jù)、信用和背景記錄，歸納總結(jié)出“好客戶”和“壞客戶”的背景特征，并能準確計算出不同屬性值的客戶群所具有的消費能力、還款概率，從而建立起能有效分辨好壞客戶的數(shù)學模型，幫助銀行有效避免壞帳，防范信用風險。對于銀行既有的客戶，數(shù)據(jù)挖掘技術(shù)則能跟蹤和監(jiān)控每個客戶的行為、消費和還款數(shù)據(jù)，并根據(jù)相應的模型，智能化地調(diào)整客戶的信貸額度，對可能出現(xiàn)的拖欠、破產(chǎn)也能提前進行預警。對已經(jīng)出現(xiàn)的壞帳，由數(shù)據(jù)挖掘技術(shù)建立的模型則能根據(jù)客戶的背景、信用記錄，對該筆壞帳的催收成本、回收的概率進行分析計算，幫助銀行采取正確有效的措施。

3.6 欺詐檢測 欺詐檢測是孤立點分析的典型應用。通過對數(shù)據(jù)倉庫中的客戶數(shù)據(jù)設定一些智能分析機制，對客戶交易狀態(tài)進行管理，即對一些非正常的交易金額，即大額的提款和大額的存款進行專門的處理。一旦有客戶狀態(tài)異常的情況發(fā)生，數(shù)據(jù)倉庫會自動做出相關(guān)統(tǒng)計，并將統(tǒng)計的結(jié)果提交給營銷部門的人員，由營銷人員及時與客戶進行接觸，找出客戶狀態(tài)異常的原因，來有效遏制欺詐。

3.7 客戶生命周期管理 在客戶生命周期的過程中，各個不同的階段包含了許多重要的事件，數(shù)據(jù)挖掘可以用于判斷客戶所處的生命周期狀態(tài)，并可以預測客戶進入到客戶生命周期下一階段的時間以及預測客戶的行為，包括爭取新的客戶，讓已有的客戶創(chuàng)造更多的利潤，保持住有價值的客戶等。

銀行對客戶各個階段的準確把握與管理，有利于根據(jù)客戶的狀態(tài)采取相應的交叉銷售或增值銷售等市場活動，從而實現(xiàn)對客戶生命周期的有效管理。

4 結(jié)論

隨著商業(yè)銀行將數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)運用到銀行客戶關(guān)系管理系統(tǒng)中，不斷維護和拓展客戶群，優(yōu)化銀行內(nèi)部的資源，提高銀行的運作效率，準確地制定市場決策，從而推動銀行整體的信息化，實現(xiàn)在競爭中立于不敗之地。