数据挖掘技术在商业银行CRM中应用

浅析数据挖掘技术在商业银行CRM中的应用
中图分类号：f832 文献标识：a 文章编号：1009-4202（2010）12-071-01
摘要随着金融业的全面开放，客户成为各个商业银行竞争的焦点，crm正是一种以客户为核心的、能使银行更好地进行客户关系管理的智能服务系统。

而数据挖掘技术在crm的实施过程中起着关键的作用。

本文主要介绍了商业银行crm的内涵以及数据挖掘技术在crm中的应用。

关键词 crm 客户数据挖掘
一、引言
商业银行是我国金融体系的中心，近年来，随着经济的全球化，我国金融业全面开放，在这样一个以客户为导向的开放金融市场环境之中，客户成为各个商业银行竞争的焦点。

因此，如何高效地发掘新客户、保留现有客户以及如何赢得更大的市场份额，已经成为关系我国商业银行生存和发展的关键性问题。

数据挖掘技术在crm 中的应用，不仅提高了系统的稳定性与时效性，而且提升了各类信息的综合利用率。

本文就将简要地探讨基于数据挖掘技术在商业银行crm中的应用。

二、crm与数据挖掘
（一）商业银行crm的内涵
商业银行的crm是指运用市场营销理论和现代信息技术搭建起来的一种以现代信息技术为手段，包括业务操作、客户信息和数据分
析为主要内容的软、硬件系统集成，是银行经营活动在高度数字化、信息化、电子化和自动化条件下与客户全面接触、全程服务的统一技术平台和智能服务系统。

crm的核心是客户，要求银行将“以资金为中心”的经营模式转变为“以客户为中心”的模式。

现在，银行的客户关系早已不再局限于单纯的存取款等业务关系，也包括了在金融营销及售后服务过程中的各种关系，比如在金融市场推广活动中与潜在客户之间发生的关系、对理财产品的售后服务关系等。

（二）数据挖掘技术在商业银行crm应用的必要性
首先我国商业银行存储的客户资料不全面，客户交易信息不完整，而且这些数据中还有大部分处于闲置状态，客户信息价值远未被充分开发和利用。

其次，银行的crm使用效果欠佳。

虽然员工对电子系统的操作能力不足是导致该问题的一个原因，但更重要的原因是由于银行的各个业务系统间是分离的，客户的各项信息数据被分散于不同的业务系统中，这些被割裂开的客户数据使得商业银行不能够通过积累的相关客户数据去分析客户、了解客户。

而数据挖掘技术是一种高层次的信息处理技术，能够从银行数据库中的大量业务数据进行抽取、转换、分析，从中提取辅助银行决策的关键性数据，建立有用的规则和模式，进行有效的客户群体分类、价值评估和行为预测。

基于以上原因，在crm中引入数据挖掘技术是十分必要并且有价值的。

三、crm中数据挖掘的应用方法
在crm中引入数据挖掘技术，可以更好地帮助银行解决客户管理
中的典型问题，包括客户保持、交叉营销、客户获取、客户细分和欺诈检测等。

现对crm中的数据挖据方法描述如下。

（一）数据收集
银行积累了大量的客户资料数据和业务数据，其中也包括很多历史数据，但在crm中要使用的只是这些数据中的有用客户相关数据，例如客户的借贷款记录、交易详情等信息，而其中的一些无关数据或非常用数据是不需要被存储在数据仓库中的，比如客户的居住地址等。

此外，为了能够更充分地挖掘新客户，数据仓库中还需导入一些银行从外部得到的潜在客户相关信息。

（二）数据整理
在进行数据整理之前，数据仓库中存放的数据仍然是杂乱无类的，因此需要将这些数据进行科学规范的整理。

首先要对数据进行清洗，以保证数据的正确性和有效性。

由于银行中存放的数据中有大量的是历史数据，因此难免有很多错误的、重复的、不完整的数据，而数据清洗就是要把这些数据找出来并且“清洗”掉，而只将有用的客户相关数据提取出来并整合到数据仓库中。

（三）数据挖掘
数据挖据是crm应用的核心。

数据整理完成后，就要根据银行实际需要对数据进行分类，然后选择合适的数据挖掘技术，如聚类分析、关联分析、分类预测和孤立点分析等，运用数据挖掘工具，如基于olap机器学习及统计学等技术的数据挖掘工具，对数据进行深层次的挖掘和分析，最后根据分析结果建立适当的模型，以便于
下一步的数据评估。

（四）结果评估
数据挖掘结束后，要对建立的模型进行解释和结果分析。

根据评估结果，预测客户的行为，发现重点客户，挖掘潜在客户，尽可能地提高客户的满意度和忠诚度，帮助银行决策者调整市场策略，减少风险，作出正确的决策，最终实现银行利润的最大化。

参考文献：
[1]郭佳,李潇潇,冯雪.数据挖掘在银行crm中的应用研究.商业现代化.2008.05.
[2]李庆杨,杨超.数据挖掘技术在银行crm中的应用.中国经贸导刊.2010.01.01.
[3]孟娟.数据挖掘在银行业中的应用.大众商务.2010.02.
[4]施凤飞,胡飞,卢超.数据挖掘和知识发现方法研究.电脑知识与技术.2010.02.。