隨著新時(shí)代金融市場(chǎng)的改革進(jìn)步及互聯(lián)網(wǎng)科技的創(chuàng)新性應(yīng)用,我國(guó)商業(yè)銀行呈現(xiàn)著一日千里的繁榮勢(shì)態(tài),但同時(shí)也面臨著前所未有的挑戰(zhàn)與考驗(yàn)。在當(dāng)前開(kāi)放化及多元化的競(jìng)爭(zhēng)格局中,如何不斷提高銀行的競(jìng)爭(zhēng)力,成為銀行業(yè)最為關(guān)注的焦點(diǎn)。零售銀行業(yè)務(wù)作為銀行業(yè)務(wù)的重要組成部分正在快速發(fā)展,逐步成為銀行利潤(rùn)的重要來(lái)源。當(dāng)前我國(guó)居民投資理財(cái)意識(shí)逐漸覺(jué)醒,對(duì)個(gè)人資產(chǎn)的處理需求趨向于多元化,這為零售銀行業(yè)務(wù)的發(fā)展帶來(lái)了新的機(jī)遇。在當(dāng)前客戶需求多元化的形勢(shì)下,通過(guò)對(duì)客戶進(jìn)行細(xì)分,了解不同客戶的不同需求,為客戶提供差異化服務(wù)是銀行吸引客戶的重要手段之一。為建立一個(gè)更為精準(zhǔn)的零售銀行客戶分類(lèi)模型,本文主要進(jìn)行了如下工作:(1)對(duì)當(dāng)前零售銀行客戶分類(lèi)方法進(jìn)行了深入研究,提出了一種基于客戶價(jià)值和業(yè)務(wù)種類(lèi)的二維分類(lèi)規(guī)則。當(dāng)前針對(duì)零售銀行客戶的分類(lèi)主要是在客戶價(jià)值或客戶忠誠(chéng)度單一維度進(jìn)行分類(lèi),這種分類(lèi)只能預(yù)測(cè)一個(gè)客戶的價(jià)值或忠誠(chéng)度,卻不能預(yù)測(cè)該客戶對(duì)哪個(gè)種類(lèi)的業(yè)務(wù)更感興趣。本文提出的基于客戶價(jià)值和業(yè)務(wù)種類(lèi)的二維分類(lèi)規(guī)則,在客戶價(jià)值維度將客戶分為目標(biāo)潛力類(lèi)、金卡類(lèi)、白金卡類(lèi)、私人銀行類(lèi)四類(lèi),在業(yè)務(wù)種類(lèi)維度根據(jù)零售銀行業(yè)務(wù)特點(diǎn)分為偏資... 

【文章來(lái)源】：浙江理工大學(xué)浙江省

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 選題的背景與意義
    1.2 現(xiàn)狀研究
        1.2.1 Hadoop技術(shù)的應(yīng)用研究現(xiàn)狀
        1.2.2 零售銀行客戶分類(lèi)研究現(xiàn)狀
        1.2.3 基于決策樹(shù)算法的客戶分類(lèi)研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
第二章 相關(guān)理論介紹
    2.1 數(shù)據(jù)挖掘概念及過(guò)程
    2.2 基于粗糙集理論的屬性約簡(jiǎn)算法
        2.2.1 粗糙集理論概述
        2.2.2 屬性約簡(jiǎn)算法介紹
    2.3 基于CAIM準(zhǔn)則的數(shù)據(jù)離散化方法
        2.3.1 CAIM準(zhǔn)則概述
        2.3.2 基于CAIM準(zhǔn)則的數(shù)據(jù)離散化算法介紹
    2.4 本章小結(jié)
第三章 C4.5 算法及其改進(jìn)算法
    3.1 決策樹(shù)算法概述
    3.2 ID3算法
    3.3 C4.5 算法
    3.4 一種改進(jìn)的C4.5 算法
    3.5 本章小結(jié)
第四章 零售銀行客戶精準(zhǔn)分類(lèi)模型構(gòu)建
    4.1 零售銀行客戶二維分類(lèi)規(guī)則
    4.2 零售銀行客戶數(shù)據(jù)介紹
    4.3 零售銀行客戶精準(zhǔn)分類(lèi)模型構(gòu)建
        4.3.1 數(shù)據(jù)離散化處理
        4.3.2 屬性約簡(jiǎn)
        4.3.3 構(gòu)建決策樹(shù)分類(lèi)模型
    4.4 本章小結(jié)
第五章 基于Hadoop平臺(tái)的零售銀行客戶精準(zhǔn)分類(lèi)模型
    5.1 Hadoop平臺(tái)介紹
        5.1.1 Hadoop生態(tài)系統(tǒng)簡(jiǎn)介
        5.1.2 HDFS簡(jiǎn)介
        5.1.3 MapReduce框架簡(jiǎn)介
    5.2 Hadoop平臺(tái)搭建
    5.3 模型構(gòu)建算法并行化
        5.3.1 基于互信息的屬性約簡(jiǎn)算法的并行化
        5.3.2 根據(jù)信息增益率構(gòu)建決策樹(shù)算法的并行化
    5.4 本章總結(jié)
第六章 總結(jié)與展望
    6.1 論文工作總結(jié)
    6.2 下一步工作展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]互聯(lián)網(wǎng)金融沖擊下銀行個(gè)人客戶分類(lèi)管理研究[J]. 韓宏穩(wěn).  哈爾濱工業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2017(03)
[2]C4.5算法的優(yōu)化[J]. 黃秀霞,孫力.  計(jì)算機(jī)工程與設(shè)計(jì). 2016(05)
[3]一種基于粗糙集屬性約簡(jiǎn)的C4.5算法[J]. 曹艷,殷旭.  北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(06)
[4]基于決策樹(shù)的銀行客戶分類(lèi)算法研究[J]. 鄭秀仙.  江蘇科技信息. 2014(03)
[5]MapReduce框架下并行知識(shí)約簡(jiǎn)算法模型研究[J]. 錢(qián)進(jìn),苗奪謙,張澤華,張志飛.  計(jì)算機(jī)科學(xué)與探索. 2013(01)
[6]新形勢(shì)下我國(guó)零售銀行業(yè)務(wù)發(fā)展探析[J]. 李慶萍.  銀行家. 2011(10)
[7]一種基于類(lèi)別屬性關(guān)聯(lián)程度最大化離散算法[J]. 楊萍,楊天社,杜小寧,李濟(jì)生,黃永宣.  控制與決策. 2011(04)
[8]一種改進(jìn)的C4.5算法及實(shí)驗(yàn)分析[J]. 劉佳,王新偉.  計(jì)算機(jī)應(yīng)用與軟件. 2008(12)
[9]戰(zhàn)略調(diào)整:中國(guó)商業(yè)銀行發(fā)展的路徑選擇[J]. 馬蔚華.  經(jīng)濟(jì)學(xué)家. 2005(01)
[10]CRM中的客戶分類(lèi)管理[J]. 張?zhí)m霞,吳國(guó)華.  東北大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2003(02)

博士論文
[1]智能技術(shù)在金融市場(chǎng)溢出效應(yīng)和反洗錢(qián)中的應(yīng)用研究[D]. 汪素南.浙江大學(xué) 2007

碩士論文
[1]基于數(shù)據(jù)挖掘的銀行客戶分類(lèi)模型研究[D]. 趙金濤.重慶大學(xué) 2009
[2]市場(chǎng)細(xì)分在郵政客戶關(guān)系管理系統(tǒng)中的應(yīng)用[D]. 張旭.北京郵電大學(xué) 2008
[3]決策樹(shù)算法的研究及應(yīng)用[D]. 王斌.東華大學(xué) 2008
[4]決策樹(shù)分類(lèi)算法優(yōu)化研究[D]. 陳沛玲.中南大學(xué) 2007
[5]分類(lèi)回歸樹(shù)及其在個(gè)人信用評(píng)估中的應(yīng)用[D]. 陳燕燕.中南大學(xué) 2007
[6]決策樹(shù)學(xué)習(xí)及其剪枝算法研究[D]. 王黎明.武漢理工大學(xué) 2007
[7]數(shù)據(jù)挖掘分類(lèi)算法在CRM中的研究[D]. 姜金貴.哈爾濱工程大學(xué) 2005



本文編號(hào)：2933595