doc下载>>毕业论文>>论文格式>>
本文关于客户关系管理及管理系统及数据库方面的免费优秀学术论文范文，关于客户关系管理论文范例,与基于数据挖掘的银行客户模型相关毕业论文格式范文，对不知道怎么写客户关系管理论文范文课题研究的大学硕士、本科毕业论文开题报告范文和文献综述及职称论文的作为参考文献资料下载。
摘 要 随着通信技术和互联网络的迅猛发展及市场的成熟.本文分析了中国银行嘉兴分行客户关系管理的现状和存在的问题,运用客户价值管理理论,同时客户关系管理,分类出不同的客户有性的个性化营销,为其提供个性化的服务,以降低服务成本,提高利润,争取更大的客户.
关 键 词 数据挖掘,聚类分析,客户价值,客户关系管理
中图分类号TP311.13 文献标识码A 文章编号16747712 （2013） 02007101
随着通信技术和互联网络的迅猛发展及市场的成熟,世界经济了全球化、电子化的时代,银行间产品和服务的差别开始变得越来越小.在一种背景下,各银行的销售方式正从传统的以产品为中心向以客户为中心转变,服务方式从无差异服务向差异化服务转变.1近年来,研究和分析数据挖掘技术在银行领域的应用是计算机技术发展的热点.
（一）客户关系管理概述.客户关系管理（CRM）的来源于关系营销学.随着市场经济的发展,企业之间的竞争加剧,企业普遍开始重视客户关系管理.客户关系管理是伴随着关系营销、客户关系价值、客户关系生命周期等理论的发展而发展和完善的.
（二）银行客户关系价值理论. 客户关系价值是银行营销策划过程中最有价值的营销工具,银行来说,客户关系价值是客户未来价值贡献的一个良愿望,并说银行计算得出的客户终生价值是就能实现,这还需要银行通过有机的客户关系管理策略的实施来.3
（三）数据挖掘技术理论.数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程.
（四）基于数据挖掘的银行客户关系管理.数据挖掘技术在国家早已受到青睐,己经广泛应用于银行领域.例如摩根斯坦利采用了SAS的数据仓库和数据挖掘产品.将深藏在各样平台和数据库中的数据抽取、清洗加工、分析和挖掘,并将其转换成易于与行政主管和财务顾问共享和访问的信息,过程都尽可能的自动化处理.
（五）数据挖掘在银行客户关系管理的作用.数据挖掘技术在客户关系管理的不同生命周期内具有不同的作用,介绍如下
（1）利用聚类分析方法客户分类,获取客户.发现和开拓新客户任何一家银行来说至关重要.客户分类又称为客户细分,是将大量的客户分成不同的类型,同一类型的客户拥有某些相似的属性,如背景资料、盈利能力、消费偏好等.（2）防止客户流失.客户流失是银行难以控制的常见问题,流失现象会给银行带来不利影响.在客户关系管理系统中,利用孤立点分析法,除了可用于欺诈发现外,还可发现客户的异常,从而使银行减少和避免不必要的客户流失.
中国银行的机构设置是采用总行分行支行的形式,都建有分支机构,因此系统采用分布式数据库,即所有分行都拥有自己的分系统,并与本的业务系统及客户呼叫中心连接.
中国银行客户价值管理系统主要由客户信息、系统管理、数据仓库、客户价值分析、信息查询模块组成,系统功能架构如图3所示.各模块功能描述如下
（1）客户信息模块,包括客户信息、企业客户信息、业务往来信息三部分.（2）系统管理模块,包括用户管理、权限管理和系统管理三部分.（3）数据仓库模块,将现在各业务系统中的客户信息和业务数据归并、整理,转换成统一的格式,建成一个基础的信息平台,供以后分析、决策使用.包括数据采集、数据集成、数据转换、数据装载四部分.（4）客户价值分析模块,利用数据挖掘技术,对数据仓库中的数据挖掘、分析,计算出
关于客户关系管理论文范例客户的价值,从而根据价值评估模型对客户分类.包括客户价值评价、客户分类两部分.（5）信息查询模块,包括信息查询、企业信息查询两部分.
组在系统实施必须做好充分的准备工作,首先建立组织保障,成立领导小组,对全体员工宣传和培训,从思想上统一全行人员的意识,让大家认识到客户价值管理的重要性.系统的具体实施工作主要包括以下步骤和内容
（1）成立实施小组.系统实施成功的与否,必须的强有力的组织保障,中国银行嘉兴分行在系统实施时成立了分行主要领导带头,由各分支机构负责人和信息科技部组成的实施小组.实施小组制定的详细的工作计划,明确各部门的分工与责任.
（2）数据准备工作.系统运行数据是系统实施的关键和基础,必须事先准备好所有数据,才能系统的实施.数据用于计算客户价值分析的存贷款数据、交易数据和客户服务数据等,存贷款数据通过整理每日存贷款余额表中获得,客户交易历史记录从银行的结算系统中获得,客户服务数据从银行信贷管理系统中获得.将数据通过数据管理工具导入客户价值分析系统中.
聚类是指把一组个体按似性归成若干类别,目的是使得属于同一类别的个体之间的距离尽可能的小,不同类别的个体之间的距离尽可能的大.采用KMeans算法聚类分析,KMeans算法是一种基于样本间相似性度量的间接聚类方法,属于非监督学习方法.它输入聚类个数k,以及包含n个数据对象的数据库,输出满足方差最小标准的k个聚类.
该文来源
推荐：