數據挖掘技術在銀行CRM中的應用研究

摘要：隨著中國銀行業全面開放，以客戶為中心的客戶關系管理技術在銀行業的不斷應用和發展，銀行服務在不斷改善提高的同時，產生了大量的客戶數據。在海量數據面前，傳統的數據統計技術已不能滿足數據處理的要求，不能充分挖掘到這些數據中隱藏的有用信息。而數據挖掘技術正好能處理海量數據問題，能有效的解決銀行客戶關系管理中處理客戶信息的難題，為銀行的經營決策帶來了很多幫助。本文首先分析了銀行客戶關系管理的內涵，分析了目前銀行客戶關系管理存在的問題。然后，分析了數據挖掘技術在銀行客戶關系管理中的應用和實施，進而幫助提高銀行客戶關系管理的質量。

關鍵詞：客戶關系管理；客戶數據；數據挖掘

中圖分類號：F832 文獻標識碼：A 文章編號：1674-7712 （2012） 14-0060-01

隨著計算機技術、數據庫技術和網絡技術的發展以及中國銀行業全面開放，金融市場的聯系更加緊密、競爭日趨激烈，要想應對國內國外銀行的挑戰，在競爭中脫穎而出，就必須加快銀行的信息化建設步伐。銀行客戶關系管理（CRM）是銀行通過對其客戶的管理來提升企業市場競爭力的一種電子商務解決方案，其核心技術就是數據倉庫和數據挖掘技術。銀行客戶關系管理結合數據挖掘可以分析客戶群體、客戶行為、客戶價值觀、客戶流失等主題，準確的發現和保持優質客戶，為客戶提供個性化產品和服務，有效預測和防范各類風險，真正做到以客戶為中心。

一、銀行客戶關系管理的內涵

1995年，全球最著名的IT分析公司Gartner Group提出了客戶關系管理（Customer Relationship Management，簡稱CRM）的概念：客戶關系管理為企業提供全方位的管理視角；賦予企業更完善的客戶交流能力，最大化客戶的收益率。其宗旨一方面是為了加強企業與客戶之間的聯系，被用于市場營銷、服務、技術支持等各個與客戶有關的領域，銀行CRM也是一個典型的應用，另一方面，為了降低企業的管理成本。可以說CRM的出現是企業從以產品為中心的模式向以客戶為中心的模式轉移的重要體現。

CRM按其實施步驟分為三個部分：首先獲取客戶信息。收集當前客戶信息，充分利用歷史客戶信息。與客戶相關的數據可以存儲在數據倉庫中。其次是信息挖掘。通過傳統統計方法、數據倉庫技術、數據挖掘技術和聯機分析處理系統（OLAP）分析海量客戶數據，發現潛在的規律和隱藏的信息。最后，信息的利用。信息的作用是為了發現問題和解決問題。這些信息可以輔助管理者對市場進行準確的預測，從而做出正確的決策。

二、銀行客戶關系管理面臨的問題

目前銀行實施客戶關系管理面臨的問題主要有：

客戶識別和分類。銀行業的客戶面特別廣、客戶數量特別多、客戶種類特別繁雜。如何把客戶分成不同特征的客戶群，如何識別這些不同特征，從而針對不同客戶群提供差異化、個性化服務，提高客戶滿意度，是CRM首要解決的問題。目前，銀行的客戶信息采集不完全，采集過程分散，客戶流動性大導致客戶資料系統化程度不高。

客戶保持。即要充分滿足客戶現在的意愿，預測客戶未來的潛在需求，提高客戶忠誠度，長期與客戶保持聯系。

客戶流失。由于一些客觀原因和主觀原因，銀行的優質客戶流失嚴重。因此，銀行需要建立預警機制，對客戶的最近交易進行追蹤，一旦異常，銀行可以預測，并作出相應的應對措施。

目前，銀行CRM存在很多問題，數據挖掘技術正好可以解決這些問題，提高銀行的競爭實力。

三、數據挖掘的定義

數據挖掘定義從技術上來說是一個利用各種分析工具，如統計方法、關聯分析、聚類、可視化、歸納、神經網絡、決策樹等在海量數據中發現模型和數據關系的過程，這些模型和關系可以用來做出預測。數據挖掘是一個完整的過程，該過程從大型數據庫中挖掘先前未知的、有效的、可實用的信息，并使用這些信息做出決策。

四、數據挖掘與客戶關系管理的關系

可以說，銀行客戶關系管理（CRM）應用水平的發展是伴隨著數據倉庫技術的應用和發展而逐漸成熟起來的。在國外，數據挖掘技術已在銀行業CRM廣泛運用。通過搜集和處理大量客戶數據，并對這些數據進行分析，發現其數據模式及特征，然后可能發現某個客戶、消費群體或組織的金融和商業興趣，并可觀察金融市場的變化趨勢。在國內，中國銀行業信息化有很大的發展，但是普遍現狀是集中了大量數據，卻缺乏挖掘數據底層隱藏的知識的技術，往往導致了“數據爆炸”。國內銀行業CRM還處于報表和部分分析應用階段，并不能進行智能預測，未來我國的商業銀行必須朝著預測應用的階段不斷的努力，才能使得我國的商業銀行在未來的競爭中處于領先的地位。

五、數據挖掘在銀行CRM中的實施

隨著CRM軟件的成熟．將來的CRM軟件不僅能幫助商業流程的自動化，還能幫助管理者做決策的分析工具。如利用決策樹技術研究客戶流失狀況，可以找出客戶流失原因，提前尋找方法應對，防止客戶流失；利用數據挖掘中的模糊聚類分析方法可以對廣大的客戶群進行快速細分，分析客戶類型特征，實現個性化服務；利用數據挖掘中的關聯分析可以加強各業務部分之間和各營業網點之間CRM的互通性，跨平臺銷售，提高客戶價值。

在數據挖掘實施過程中，首先要明確我們需要解決的問題，知道問題所屬的應用類型，從而判斷能否使用數據挖掘技術找到解決方案；其次要選擇適合的數據挖掘技術和工具，如上述舉例所言，不同的處理方法能達到不同的目的，因此正確的選擇才能達到事半功倍的效果。第三，準備數據。我們應從數據倉庫中大量的銀行客戶數據中找到與分析問題有關的樣本數據子集。然后對數據進行預處理、分析、加工，保證數據有效性。第四，模型建立。這是數據挖掘的核心，不同的數據挖掘技術會有不同的模型，然后，根據模型對結果進行分析和描述。最后，進行評價和總結。

六、總結

數據挖掘是CRM的靈魂。隨著技術更加成熟，它與銀行業客戶信息會更加緊密地結合，能自動預測個人客戶的消費趨勢、整個市場走向，指導銀行建設個性化智能網站，帶來巨大的商業利潤，提高銀行的核心競爭力。

參考文獻：

[1]李嘉明.數據挖掘在商業銀行CRM中的應用研究[D].東南大學碩士學位論文，2010.

[2]陳駿.數據挖掘在銀行CRM中的應用研究[J].電脯知識與技術，2010.

[作者簡介]尚鵬（1977.3-），男，河南安陽林州市人，講師，碩士，研究方向：網絡體系結構。