數(shù)據(jù)挖掘與決策樹在銀行CRM中的設(shè)計與實現(xiàn)

摘要:利用決策數(shù)與數(shù)據(jù)挖掘分析了客戶關(guān)系管理在銀行的應(yīng)用模式，在此基礎(chǔ)上闡述了數(shù)據(jù)挖掘與決策樹在銀行CRM中的實現(xiàn)過程，包括實現(xiàn)步驟以及決策樹構(gòu)造算法的實現(xiàn)。

關(guān)鍵詞:數(shù)據(jù)挖掘;決策樹;銀行CRM

中圖分類號:TP311文獻標識碼:A文章編號:1009-3044(2009)33-9154-03

Data Mining and Decision Tree in the banking CRM Design and Implementation

ZOU Shao-Jun

(Jiangmen Vocational and Technical College，Jiangmen 529090， China)

Abstract: Use a few decision-making analysis of data mining and customer relationship management applications in the banking model， on the basis of the data mining and decision tree in the bank in the implementation of CRM， including implementation steps， as well as the realization of the decision tree algorithm.

Key words: data mining; decision tree; bank CRM

銀行業(yè)務(wù)面臨全面開放，外資銀行開始大舉進入中國市場，國內(nèi)銀行業(yè)的競爭日趨白熱化。在激烈的競爭中，各商業(yè)銀行，尤其是國有商業(yè)銀行，長期積累下來的大量的客戶資料成為不可多得的資源。對銀行來說，客戶是生存、發(fā)展的基礎(chǔ)。新一輪的銀行業(yè)競爭無疑會在客戶資源的基礎(chǔ)上展開。數(shù)據(jù)挖掘作為一門新興技術(shù)，已廣泛被應(yīng)用于各個領(lǐng)域，它是客戶關(guān)系管理(CRM)的堅實的技術(shù)后盾。數(shù)據(jù)挖掘通過對客戶關(guān)系管理系統(tǒng)中的客戶資料進行科學(xué)的分析、處理，向銀行決策者們提供準確的管理信息，從而保證商業(yè)銀行在新經(jīng)濟時代的競爭力。

1 客戶關(guān)系管理在銀行的應(yīng)用模式

銀行與客戶之間發(fā)生的關(guān)系，不僅包括單純的各類金融產(chǎn)品銷售過程所發(fā)生的業(yè)務(wù)關(guān)系，如合同簽訂、定單處理、發(fā)貨、收款等，而且包括在金融營銷及售后服務(wù)過程中發(fā)生的各種關(guān)系，如在金融產(chǎn)品市場活動、市場推廣過程中與潛在客戶發(fā)生的關(guān)系在與目標客戶接觸過程中，內(nèi)部銷售人員的行為、各項活動及其與客戶接觸全過程所發(fā)生的關(guān)系還包括售后服務(wù)過程中，客戶服務(wù)人員對客戶提供關(guān)懷活動、各種服務(wù)活動、服務(wù)內(nèi)容、服務(wù)效果的記錄等，這也是銀行與客戶的售后服務(wù)關(guān)系。對銀行與客戶間可能發(fā)生的各種關(guān)系進行全面管理，將會顯著提升銀行營銷能力，降低營銷成本，控制營銷過程中可能導(dǎo)致客戶抱怨的各種行為，不斷改進對客戶的服務(wù)水平，提高客戶的忠誠度，從而為銀行帶來更多利潤。

數(shù)據(jù)挖掘從存放在數(shù)據(jù)庫、數(shù)據(jù)倉庫或其他信息庫中的大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中自動地發(fā)現(xiàn)相關(guān)模式、提取有潛在價值的信息、挖掘知識的過程。數(shù)據(jù)倉庫是伴隨著數(shù)據(jù)庫技術(shù)的發(fā)展及用戶對數(shù)據(jù)加工、處理要求的不斷變化而產(chǎn)生的，目前已經(jīng)在銀行業(yè)開始普遍應(yīng)用。在傳統(tǒng)的數(shù)據(jù)庫應(yīng)用中，數(shù)據(jù)庫技術(shù)的應(yīng)用主要表現(xiàn)在聯(lián)機事務(wù)處理(OLTP)方面。聯(lián)機事務(wù)處理注重數(shù)據(jù)處理的響應(yīng)時間、數(shù)據(jù)的安全性和完整性，通過對數(shù)據(jù)庫的聯(lián)機操作(增、刪、改、查詢)來實現(xiàn)特定的應(yīng)用。目前，聯(lián)機事務(wù)處理仍然是數(shù)據(jù)庫應(yīng)用的一個主要方面，關(guān)系型數(shù)據(jù)庫經(jīng)過多年的發(fā)展具有很強的聯(lián)機處理能力，成為傳統(tǒng)數(shù)據(jù)庫技術(shù)的主流。從的角度，數(shù)據(jù)挖掘應(yīng)用就是從大量數(shù)據(jù)中挖掘出隱含的、先前未知的、對決策有潛在價值的知識和規(guī)則，并能夠根據(jù)已有的信息對未來發(fā)生行為做出結(jié)果預(yù)測，為企業(yè)經(jīng)營決策、市場策劃提供依據(jù)。數(shù)據(jù)挖掘可以通過對已有數(shù)據(jù)的處理，找到數(shù)據(jù)對象的特征和對象之間的關(guān)系，并可觀察到金融市場的變化趨勢。然后利用學(xué)習(xí)到的模式進行合理的分析預(yù)測，進而發(fā)現(xiàn)某個客戶、消費群體或組織的金融和商業(yè)興趣等。為了使數(shù)據(jù)挖掘技術(shù)很好地在銀行中發(fā)揮作用，首先需要建立一個能夠全面組織和管理來自銀行內(nèi)部和外部數(shù)據(jù)的平臺。通過建立數(shù)據(jù)倉庫，將來自系統(tǒng)、網(wǎng)管系統(tǒng)、系統(tǒng)和財務(wù)管理信息系統(tǒng)的數(shù)據(jù)進行整合。可以根據(jù)不同的分析需求建立相應(yīng)的主題如客戶流失情況主題、市場競爭分析主題等，并根據(jù)主題建立相應(yīng)的多維數(shù)據(jù)集，從而可以在多維數(shù)據(jù)集中采用聯(lián)機事務(wù)處理、聯(lián)機分析處理和數(shù)據(jù)挖掘為相應(yīng)的主題提供分析模型。

2 數(shù)據(jù)挖掘與決策樹在銀行CRM中的實現(xiàn)過程

隨著信息技術(shù)的高速發(fā)展各種形式的數(shù)據(jù)庫中的數(shù)據(jù)呈海量急劇增長在這些海量的數(shù)據(jù)中隱藏著大量的、有用的知識，而只靠人工閱讀或簡單的數(shù)據(jù)檢索，遠不能夠及時提取出那些不同層次的知識，由此數(shù)據(jù)的生成和理解之間出現(xiàn)了越來越大的差距。CMR能夠帶來商業(yè)運作模式的轉(zhuǎn)變，能夠打破舊的工作模式，銀行業(yè)RCM的正確實施可以很好地解決中國各家銀行存在的問題。銀行業(yè)具有自身的特點，其主要產(chǎn)品都涉及到一連串的數(shù)字符號。銀行更應(yīng)該把客戶作為其資源的一部分來看待，對客戶進行關(guān)懷，贏得客戶的最大滿意度。數(shù)據(jù)挖掘與決策樹在銀行CRM中的實現(xiàn)過程其具體實現(xiàn)步驟如下:

2.1 實現(xiàn)步驟

2.1.1 采用概念描述的方法獲得客戶信息評價

概念描述是描述性數(shù)據(jù)挖掘的最簡單類型，它產(chǎn)生數(shù)據(jù)的特征化描述和比較描述。特征化描述提供給定數(shù)據(jù)匯集的簡潔匯總，概念的比較(也稱為區(qū)分)提供兩個或多個數(shù)據(jù)匯集的比較描述。特征化描述為比較描述提供一個基礎(chǔ)。概念描述可以提供數(shù)據(jù)的有趣的一般性質(zhì)。存儲在數(shù)據(jù)庫(或數(shù)據(jù)倉庫)中的大量數(shù)據(jù)都是詳細的數(shù)據(jù)，通過使用屬性概化，屬性相關(guān)性分析等數(shù)據(jù)概化方式將詳細的數(shù)據(jù)在較高的抽象層次將其表達出來，通過引入 t — 權(quán)作為興趣度度量以獲得感興趣的屬性所具有的必要條件，井以量化特征規(guī)則的形式加以表達。

2.1.2 使用關(guān)聯(lián)規(guī)則發(fā)現(xiàn)客戶信息數(shù)據(jù)之間的關(guān)系

關(guān)聯(lián)分析發(fā)現(xiàn)關(guān)聯(lián)規(guī)則——值頻繁地在給定數(shù)據(jù)集中一起出現(xiàn)的條件。關(guān)聯(lián)規(guī)則廣泛運用于事務(wù)數(shù)據(jù)分析。關(guān)聯(lián)規(guī)則挖掘可以尋找給定數(shù)據(jù)集中數(shù)據(jù)項之問的有趣聯(lián)系。設(shè)I={i1，i2，…}是項的集合，設(shè)任務(wù)相關(guān)的數(shù)據(jù)D是數(shù)據(jù)庫事務(wù)的集合，其中每個事務(wù)T是項的集合，使得T?哿I。設(shè)A是一個項集，事務(wù)T包含A，當且僅當A?哿T。關(guān)聯(lián)規(guī)則是形如 A?圯B 的蘊涵式，其中A?奐I，B?奐I 且AIB=Φ，規(guī)則 A?圯B 在事務(wù)集D 中成立，具有支持度S，其中S是 D中事務(wù)包含A∪B的百分比。規(guī)則 A?圯B 在事務(wù)集D中具有置信度c，如果D中包含 A 的事務(wù)同時也包含 B 的百分比是c，當關(guān)聯(lián)規(guī)則滿足最小支持度閥值和最小置信度閥值時，該規(guī)則被認為是有趣的。

2.1.3 使用分類方法對現(xiàn)有的客戶歸類

對于商業(yè)銀行來說，分類是最常見的操作。數(shù)據(jù)分類是通過在訓(xùn)練數(shù)據(jù)集上針對某一個屬性(稱之為類標號屬性)進行類劃分，建立描述并區(qū)分數(shù)據(jù)類或概念的模型(或函數(shù))，再使用該模型對數(shù)據(jù)類集進行劃分。對于分類來說，最重要的是在訓(xùn)練數(shù)據(jù)集上準確地確定分類規(guī)則。良好的分類規(guī)則能夠以可接受的速度實現(xiàn)所期望的分類準確率，并具有一定的強壯性、可伸縮性、可解釋性。采用分類的方法，在一定數(shù)量的客戶群即訓(xùn)練數(shù)據(jù)集上進行學(xué)習(xí)，以確定優(yōu)質(zhì)客戶的評估準則(就好像貸款五級分類的標準)。在獲得評估標準以后，就.可以比較輕松地識別出絕大多數(shù)優(yōu)質(zhì)客戶，并且可以針對他們的個人情況提供定制服務(wù)。

2.1.4 采用聚類分析將客戶進行類型劃分

對于存在于客戶關(guān)系管理系統(tǒng)中的大量數(shù)據(jù)，管理人員常常希望能夠得到有意義的提示以做出正確的判斷，但由于不能事先明確要求，因此企圖使用分類分析的方法去明確要求是不切實際的。此時，只能使用聚類的方法，先給出多個不同的相對較大的類劃分，然后再進行精確劃分。客戶關(guān)系管理系統(tǒng)中，聚類分析往往可以用于發(fā)現(xiàn)客戶的群體行為。在許多情況下，大批客戶可能在存款、貸款或使用其他金融服務(wù)上具有相當大的類似性，因而形成了具有共性的客戶群體。經(jīng)過聚類分析，發(fā)現(xiàn)他們的共性，掌握他們的投資理念，提供針對性的服務(wù)，進而引導(dǎo)他們的投資行為。

2.1.5 使用孤立點分析找到客戶中的特殊行為

在客戶關(guān)系管理系統(tǒng)中對于孤立點數(shù)據(jù)的挖掘具有相當?shù)膬r值。孤立點分析除了可用于欺詐發(fā)現(xiàn)外，還可以用于發(fā)現(xiàn)客戶的異常行為。比如，我們?yōu)榭蛻糍~戶的日常行為(如發(fā)生額、業(yè)務(wù)筆數(shù))設(shè)立一個閥值，客戶賬戶的日常行為都應(yīng)該在此閥值之中，如果某賬戶的日交易金額或日交易筆數(shù)超過了該閥值，表明該賬戶出現(xiàn)了異常行為。由此可得知客戶的行為及客戶所需要的服務(wù)，甚至可判斷出該客戶是否在從事不合法的金融活動(如洗錢等行為)。此外，如果通過對于獨立點分析發(fā)現(xiàn)某賬戶在一段時間內(nèi)頻繁出現(xiàn)超過閥值的情況，就需要認真了解客戶的情況以滿足其服務(wù)要求或其他;如果發(fā)現(xiàn)某些賬戶頻繁出現(xiàn)超過閥值的情況，就必須考慮是否閥值設(shè)置不當或有其他外界因素在干擾，如某一金融機構(gòu)的非法融資行為必將引起其他商業(yè)銀行的個人儲蓄賬戶的不正常現(xiàn)象。

2.2 決策樹構(gòu)造算法的實現(xiàn)

用決策樹技術(shù)要解決的問題是:銀行利用決策樹模型細分對私客戶，對優(yōu)質(zhì)客戶提供更加優(yōu)質(zhì)的服務(wù)，提高客戶對銀行的忠誠度，從而實現(xiàn) CRM 的最終目標，實現(xiàn)雙贏。

2.2.1 構(gòu)造訓(xùn)練集

選取100個樣本客戶，對此進行分析，首先對訓(xùn)練中的挖掘?qū)傩愿鶕?jù)概念分層的方法進行歸類:

1) 客戶年齡

年齡≤30標記為1

30<年齡≤55標記為2

年齡>55標記為3

2) 存款余額

存款余額≤500標記為1

500<年齡≤2500標記為2

年齡>2500 標記為3

3) 學(xué)歷

大學(xué)標記為1

非大學(xué)標記為0

4) 性別

男 標記為1

女 標記為0

2.2.2 計算每個周期期望信息

定義:

其中Pt是任意樣本屬于Ct的概率，并用st/s估計從屬性存款的期望信息進行如下分區(qū):

存款余額≤500 標記為1I(s11，s21)=0.59167

500<年齡≤2500 標記為2I(s12，s22)=0.51595

年齡>2500標記為3I(s13，s23)=0.82685

樣本按存款余額標識分類劃分，對給定的樣本計算存款余額標識的期望信息為:

E(存款余額)

同理，計算出存款余額信息增益:

Gain (存款余額)=I(s1，s2)-E (存款余額)=0.63431-0.61579=0.01852

Gain (性別)=I(s1，s2)- E(性別)=0.63431-0.61984=0.01447

Gain (學(xué)歷) =I(s1，s2)- E(學(xué)歷)=0.63431-0.61659=0.01772

由于“存款余額”在信息中具有最高信息增益，就作為決策樹首先創(chuàng)造一個節(jié)點，用“存款余額”作為標記并由此對其他每個決策屬性引出決策分枝，“存款余額”成為決策樹根節(jié)點測試屬性。現(xiàn)在需要分析“存款余額”在各個區(qū)間的客戶對理財要求進一步分析，用屬性“性別”，“年齡”，“學(xué)歷”進行二次劃分，形成細分決策樹。辦理理財?shù)目蛻舻臎Q策樹生成如圖1(由于數(shù)據(jù)局限性，生成簡單圖)。

2.2.3 從決策樹提取分類規(guī)則

根據(jù)決策樹可以用IF-THEN的形式將分類規(guī)則表示出來，從根到樹葉每條路徑創(chuàng)建一條規(guī)則。沿著根到樹葉節(jié)點的路徑，決策樹可以轉(zhuǎn)化為IF-THEN規(guī)則，分類規(guī)則如下:

1) IF存款余額>2500AND 年齡>55THEN 理財客戶

2) IF存款余額>2500AND 學(xué)歷=大學(xué)THEN 理財客戶

3) IF存款余額﹤2500AND 學(xué)歷=女性THEN 理財客戶

3 結(jié)束語

基于數(shù)據(jù)挖掘的銀行 CRM 還有許多內(nèi)容有待進一步深入研究，我國商業(yè)銀行 CRM 的應(yīng)用還有很長的路要走。CRM 作為現(xiàn)代管理思想與先進信息技術(shù)的結(jié)合體，相信國內(nèi)的商業(yè)銀行最終能成功實施 CRM，從而牢固樹立 “以客戶為中心”的先進經(jīng)營理念，建立有效的組織模式、精細的業(yè)務(wù)規(guī)則、量化的評估體系及共享的信息平臺，全面提升競爭能力和盈利能力。

參考文獻:

[1] 朱愛群.客戶關(guān)系管理與數(shù)據(jù)挖掘[M].北京:中國財政經(jīng)濟出版社，2008.

[2] 楊德宏，李玲.客戶關(guān)系管理成功案例[M].北京:機械工業(yè)出版社，2007.

[3] Chlorates N D，Integrating ERP，CRM，supply chain management，and smart materials[M].Boca Raton，F(xiàn)L:CRC Press，2005:23-97.

[4] 向繼東.基于數(shù)據(jù)挖掘的自適應(yīng)入侵檢測建模研究[博士學(xué)位論文].武漢:武漢大學(xué)，2008.

[5] 葉鷹，金更達.基于元數(shù)據(jù)的信息組織和基于本體論的知識組織大學(xué)圖書館學(xué)報，2007:443-47.