數(shù)據(jù)挖掘在銀行征信CRM系統(tǒng)中的應(yīng)用.pdf

1、隨著銀行數(shù)據(jù)越來越豐富,大量的數(shù)據(jù)被描述成“數(shù)據(jù)豐富,但信息缺乏”。結(jié)果,收集在大型數(shù)據(jù)庫中的數(shù)據(jù)變成了“數(shù)據(jù)墳?zāi)埂薄y得訪問的數(shù)據(jù)文件。這樣,使得銀行很多重要的決定不是基于數(shù)據(jù)庫信息豐富的數(shù)據(jù),而是基于決策者的直覺,因?yàn)殂y行決策者缺乏從海量數(shù)據(jù)提取有價(jià)值信息的工具。而通過數(shù)據(jù)挖掘工具進(jìn)行數(shù)據(jù)分析,可以發(fā)現(xiàn)重要的數(shù)據(jù)模式,將銀行的數(shù)據(jù)墳?zāi)罐D(zhuǎn)換為知識(shí)“金塊”。 本文就是著眼于如何通過數(shù)據(jù)挖掘技術(shù),實(shí)現(xiàn)基于銀行征信系統(tǒng)的CRM管理。

2、從數(shù)據(jù)挖掘分類分析理論入手,對(duì)數(shù)據(jù)挖掘的內(nèi)涵、過程、應(yīng)用以及征信CRM系統(tǒng)的核心思想進(jìn)行了論述。文中重點(diǎn)研究了數(shù)據(jù)挖掘的分類算法,并將相關(guān)的分類算法應(yīng)用到銀行客戶分類研究之中。 在數(shù)據(jù)挖掘分類分析中,本文描述了一般的決策樹算法,介紹并比較了幾種典型的決策樹算法。商業(yè)銀行有一項(xiàng)主要業(yè)務(wù)是貸款,對(duì)于申請(qǐng)貸款的眾多客戶,銀行難以發(fā)現(xiàn)他們的分類特征,針對(duì)這些客戶的營銷策略的制訂就顯得缺乏依據(jù)。為此,銀行可以利用系統(tǒng)數(shù)據(jù)庫或數(shù)據(jù)倉庫中的征