基于数据挖掘的商业银行客户流失预测研究

《基于数据挖掘的商业银行客户流失预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于数据挖掘的商业银行客户流失预测研究作指导教师：张凯李宣东教授翟东升教授南京大学研究生毕业论文I申请工程硕士学位)南京大学软件学院2010年10月CommerciaIBankCustomerChumPredictionBasedonDataMiningZHANGKaiSubmittedinpartialfulfillmentoftherequirementsforthedegreeofMasterofEngineeringSupervisedbyProfessorZHAI，DongshengSof

2、twareInstitute№ⅢI№UNⅣE豁ITYNanjing，China一一，Oct．2010南京大学硕士论文摘要摘要国内大多数商业银行已拥有了数据集中业务平台，建立了庞大的数据仓库，实：沲了对经营信息、客户数据的有效存储，紧接着银行就迫切需要从这些海量的数据当中挖掘出高价值的信息资源，从而精确的把握客户动态等实时信息，然后判断出可能的客户流失，在适当的时间、地点提供客户适当的激励措施，提高客户对银行的忠诚度，减少客户流失，增加银行的收益。本文主要研究数据挖掘在商业银行客户流失预测中的应用，重

3、点研究如下几个方面：第一，文章阐述了预测商业银行客户流失的意义，分析了影响商业银行客户流失的主要因素。然后，介绍了数据挖掘的三个主要阶段，分析了基于粗糙集理论的数据挖掘方法，并介绍了SPSS公司的数据挖掘工具Clementine。第二，对基于粗糙集的数据挖掘预处理方法研究。预处理的内容包括复杂数据类型的处理、噪声数据和缺失数据、数据冗余的处理等；本文针对数据处理中的冗余数据，提出一种基于粗糙集的消除冗余数据的处理方法。第三，商业银行客户流失预测案例分析研究。首先，介绍了客户流失的5个问题和3种客户流

4、失类型，介绍了客户流失的分析方法。其次，按照行业标准CRISP．DM模型对某商业银行的客户流失进行分析，并对客户流失的商业理解、数据理解、数据准备、建立模型和评估、模型部署进行了实例分析。第四，客户流失预测系统设计与实现。根据客户流失预测系统的需求分析，提出了系统设计方案，从结构设计、设计要求、数据库逻辑结构设计、功能模块等方面对系统进行了详细说明，确定了系统实现的关键技术和各个功能模块的原型设计。客户流失预测系统主要包括客户流失预测模型管理和客户流失预测分析两个子系统。在客户流失预测模型管理子系统

5、中主要实现对数据预处理模型的管理、对数据挖掘模型的管理、系统维护、用户管理、权限管理、日志管理等；在客户流失预测分析子系统中主要实现客户关系数据的抓取和更新、客户关系数据查询、调用数据预处理模型对数据进行预处理、调用数据挖掘模型对数据进行数据挖掘并完成可视化展示。文章构建的客户流失预测系统实现了对银行客户关系南京大学硕士论文摘要管理相关的数据预处理和数据挖掘模型管理，以及通过调用这些模型对客户关系数据进行数据抓取、处理、客户流失分析，从而得到有效的分类结果，辅助管理人员进行相应决策的制定。区别于已有

6、的研究，本文主要做了以下工作：首先将粗糙集方法应用到数据挖掘的预处理中，利用粗糙集等价类的思想，在保持分类能力不变的情况下，通过知识约简消除冗余数据。其次是应用数据挖掘工具Clementine，对某商业银行的客户数据进行了客户流失预测研究，建立预测模型并对模型实施了评估和部署。关键词：客户流失、数据挖掘、粗糙集、Clementine南京大学硕士论文AbstractMostdomesticcommercialbanksplatformandestablishedthedatahavealreadybu

7、iltthedataservicewarehouse，effectivelystoringthemanagementinformation，customerdata．Commercialbankshaveanurgentneedtominethesehigh-valueinformationamongthevastamountsofdatainordertoaccuratelygraspthedynamicreal—timecustomerinformation，anddeterminewhomay

8、leavethebank，thenprovidecustomerswiththedghtproductsandservicesattheappropriatetime，place，increasecustomerloyaltytobankstoredUcecustomerchurn，increasebankearnings．Thispapermainlyapplythedataminingtopredictthecommercialbank’Scustomerchur