本文選題：客戶群分析 + 決策樹　； 參考：《遼寧科技大學(xué)》2016年碩士論文

【摘要】：銀行業(yè)是我國金融體系的主體,當前金融業(yè)市場化改革加速,多主體、多層次、多領(lǐng)域的綜合性金融市場格局日漸形成。民間金融、產(chǎn)業(yè)資本、互聯(lián)網(wǎng)金融新業(yè)態(tài)的跨界競爭正在加劇形成新的金融生態(tài)體系。大數(shù)據(jù)、云計算、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,極大改變了金融的渠道和工具。在新技術(shù)的驅(qū)動下,客戶的商業(yè)模式、發(fā)展模式、金融需求都將發(fā)生持續(xù)而深刻的變革。銀行服務(wù)涵蓋范圍廣,本文根據(jù)某銀行的二家分行一年的交易數(shù)據(jù),在大數(shù)據(jù)理論與數(shù)據(jù)挖掘方法,考慮決策樹C5.0算法處理離散化數(shù)據(jù)的優(yōu)勢,采用決策樹C5.0算法對顧客貢獻度和交易行為進行建模,并應(yīng)用SPSS公司的Modeler軟件對海量數(shù)據(jù)進行了處理。研究將準備好的數(shù)據(jù)利用C5.0分類方法按照客戶貢獻度區(qū)分為幾個子群,觀察貢獻度與其他屬性的相關(guān)性。在探討了客戶個人數(shù)據(jù)與總貢獻度的關(guān)系,以C5.0與CRT分類方法探討高貢獻度客群的交易行為。研究顯示,在高貢獻度的研究中,(1)高、中貢獻度的顧客群男性占較多數(shù)。反之,低貢獻度顧客群女性較多;(2)30-40為主要貢獻顧客群;(3)60歲以上為主要低貢獻度顧客群,其趨勢與性別無關(guān)。而高貢獻客戶的行為特征研究中,高貢獻度顧客群有下列特征:(1)不常使用定期存款者;(2)中度使用貸款業(yè)務(wù),代收業(yè)務(wù)者;(3)高度使用票據(jù)、電話銀行、網(wǎng)絡(luò)銀行與匯款者。本研究提出一個數(shù)據(jù)挖掘研究銀行客戶交易數(shù)據(jù)的行為的發(fā)展模式�？梢垣@得統(tǒng)計學(xué)等傳統(tǒng)方法無法獲得的知識,有助于提高銀行的決策能力。
[Abstract]:The banking industry is the main body of the financial system in our country. At present, the market-oriented reform of the financial industry is accelerated, and the comprehensive financial market pattern of multi-subject, multi-level and multi-domain is gradually formed. The cross-border competition among private finance, industrial capital and internet finance is intensifying to form a new financial ecological system. The rapid development of big data, cloud computing, Internet of things and Internet of things technology has greatly changed the financial channels and tools. Driven by new technology, the customer's business model, development model, and financial needs will undergo sustained and profound changes. Banking services cover a wide range. According to the transaction data of two branches of a certain bank in one year, this paper considers the advantage of decision tree C5.0 algorithm in dealing with discrete data in big data theory and data mining method. The decision tree C5.0 algorithm is used to model the customer contribution and transaction behavior, and the Modeler software of SPSS is used to process the massive data. The prepared data are classified into several subgroups according to the customer contribution by using C5.0 classification method, and the correlation between the contribution and other attributes is observed. In this paper, the relationship between customer personal data and total contribution is discussed, and the transaction behavior of high contribution group is discussed by using C5.0 and CRT classification method. The study showed that in the study of high contribution degree, the customer group with medium contribution rate was higher than that of male group. On the other hand, women with low contribution degree were more likely to be the main contribution customers group than 30 to 40 years old, and the trend was not related to gender. In the study of behavior characteristics of high-contribution customers, the following characteristics of high-contribution customer groups are as follows: (1) those who do not often use time deposits (2) moderate use of loans, and (3) customers with high use of bills, telephone banks, network banks and remittance remitting agents. In this study, a data mining model is proposed to study the behavior of bank customer transaction data. Knowledge that can not be obtained by traditional methods such as statistics can help banks to improve their ability to make decisions.
【學(xué)位授予單位】：遼寧科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F832;TP311.13

【相似文獻】

相關(guān)期刊論文 前10條

1 臧桂鵬;于璐;紀朝暉;程敏夫;;電子銀行客戶關(guān)懷的方法研究與具體實施[J];中國金融電腦;2008年01期

2 ;新型電腦病毒來襲 中東數(shù)千銀行客戶密碼被盜[J];國際新聞界;2012年08期

3 劉春霖;;基于數(shù)據(jù)挖掘的銀行客戶消費行為分析與研究[J];電子世界;2013年06期

4 王春;;瑞典銀行是怎么上網(wǎng)的[J];電子商務(wù)世界;2008年08期

5 本刊編輯部;;工行移動銀行客戶突破1億[J];金融科技時代;2013年04期

6 黃劍豐;風(fēng)險,無處不在[J];華南金融電腦;2005年08期

7 李小慶;;銀行客戶關(guān)系重建模型與路徑[J];中國金融電腦;2010年11期

8 吳建;邵豐;;中小法人銀行客戶信息保護工作難題待解[J];金融科技時代;2013年04期

9 本刊編輯部;;“智慧農(nóng)行”創(chuàng)新服務(wù) 電子銀行客戶近4億[J];金融科技時代;2013年06期

10 王文碩;歐陽文靜;;“大數(shù)據(jù)”時代重構(gòu)銀行客戶關(guān)系管理體系的設(shè)想[J];中國城市金融;2014年03期

相關(guān)會議論文 前1條

1 孫紅;劉琳;;外資銀行客戶保持管理及其效果研究[A];中國高等院校市場學(xué)研究會2009年年會論文集[C];2009年

相關(guān)重要報紙文章 前10條

1 記者 吳平;瑞典網(wǎng)上銀行客戶激增[N];經(jīng)濟參考報;2002年

2 陸克今 單寧;銀行客戶金融需求變動分析[N];金融時報;2000年

3 中國工商銀行投資銀行部總經(jīng)理 劉向東;銀行客戶關(guān)系管理的規(guī)范與創(chuàng)新[N];金融時報;2002年

4 本報記者 劉意;上期所統(tǒng)一各結(jié)算銀行客戶回單[N];上海證券報;2007年

5 證券時報記者 張若斌;上海國有銀行客戶投訴率下降[N];證券時報;2009年

6 王健平;新股大量上市香港銀行客戶存款創(chuàng)新高[N];中國證券報;2004年

7 記者 高國華;引導(dǎo)銀行客戶合理參與期貨市場[N];金融時報;2013年

8 耿彩琴;網(wǎng)上銀行客戶年增1.7倍[N];北京日報;2006年

9 徐思佳;國有銀行客戶滿意度敗北[N];中華工商時報;2007年

10 李中秋;上期所將統(tǒng)一各結(jié)算銀行客戶回單[N];中國證券報;2007年

相關(guān)博士學(xué)位論文 前1條

1 曹彤;我國中型商業(yè)銀行零售銀行客戶體系構(gòu)建[D];東北財經(jīng)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 張濤;基于室內(nèi)定位的銀行客戶服務(wù)技術(shù)研究與實現(xiàn)[D];復(fù)旦大學(xué);2014年

2 吳坤;銀行客戶關(guān)系管理(CRM)系統(tǒng)的研究與實現(xiàn)[D];電子科技大學(xué);2014年

3 馬慧平;中小銀行客戶集中服務(wù)平臺研究與實現(xiàn)[D];天津大學(xué);2014年

4 劉s，

本文編號：1994755