数据挖掘在华夏银行CRM中的应用研究.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,*,*,数据挖掘在华夏银行,CRM,中的应用研究,组长：苏德彪,成员：周忠武 刘新民 李广越 廖菁 付翠翠 周海丽,案例,华夏银行面临的挑战,如何能有效地变被动服务为主动服务；如何能在平凡的金融服务中做出特色，以客户为中心开展各项服务工作，有效的吸引和保留客户；如何通过,CRM,系统的应用，达到改进银行管理，提高企业竞争力。,华夏银行在,CRM,面临的问题,如何了解客户需求和提高客户的忠诚度；如何找到真正的盈利客户，对其提供有针对性的服务；如何通过寻求新客户，挖掘客户的潜在价值。要实现以上目标，必须借助于数据挖掘技术。,问题的解决,1,、通过数据挖掘在企业的大量数据中提取到真正有用的信息，帮助管理者与决策者正确的分析市场，从大量的客户关系中，做出正确的客户分类判断，通过聚类分析，企业往往可以发现客户的群体行为，了解客户的共性，找到真正的盈利客户，从而提供针对性的服务，提高企业服务成功率。变被动服务为主动服务。,2,、在银行的信息管理系统中，充分利用数据仓库与数据挖掘的技术，找出各种业务之间的关联，,并建立预测模型对客户将来的购买行为进行预测,分析哪些客户最有可能对银行所办理的业务感兴趣,会对哪些业务感兴趣，利用类似“交叉销售”的手段，提高银行客户价值。以客户为中心开展各项服务工作，有效的吸引和保留客户；通过数据仓库与数据挖掘技术在系统中的应用，达到改进银行管理，提高企业竞争力的作用。,问题的解决,3,、要了解客户需求和提高客户的忠诚度，就必须对客户的资料有着清晰的认识，数据挖掘可以从大量的、看似与表面无关的客户信息中发现许多对银行有用的数据，从而使管理者与决策者在分析客户对银行业产品和服务的满意度方面时，能够很好地帮助银行改进客户营销策略，从而提高客户的忠诚度。同时，通过数据挖掘技术的运用，在大量的业务数据中，真正了解到客户的需求，从而使银行能够调整自己的服务，使之满足客户的需求，不公如此，通过对客户数据与业务数据的对比以及分析，银行可以挖掘新的客户，并通过寻求新客户，挖掘客户的潜在价值。提高银行在同行业中的竞争力。,结论,通过对案例的分析，我们可以知道，在信息技术高速发展的,21,世纪，数据挖掘技术在银行的生存与发展过程中有着举足轻重的作用，利用数据挖掘技术分析银行业中存在的大量的数据，并从中找出能帮助决策者做出正确决策的数据，对银行来说，无论是挖掘新的客户、保留老客户、还是在提高银行竞争力，数据挖掘技术都是一个行之有效的方法。,商业策划,背景：,目前，中国企业的信息系统可以分为如下四种状态：,1,）没有信息系统；,2,）有信息系统，信息系统不完整；,3,）信息系统齐全，数据质量差；,4,）信息系统齐全，数据质量较好。,数据挖掘是实现客户关系管理的的关键，而银行海量数据为数据挖掘提供了可能。而根据该案例可知，华夏银行属于第四种情况，根据这种情况可直接实施数据挖掘项目。,数据挖掘在银行客户关系管理中的应用,1,）利用聚类分析法对客户进行细分，提高服务成功率；,对于客户关系管理系统中存在的大量数据,管理人员常常希望得到有意义的提示做出正确的客户分类判断,此时使用聚类分析结果,可为管理者先给出多个不同的相对较大的类划分类,再进行精确划分。例如,管理人员要根据客户的价值细分客户,由于客户的价值对每个企业来说衡量的标准不同,因此可先对企业现有的客户进行聚类,利用聚类结果给客户赋予类标记。通过聚类分析,企业往往可以发现客户的群体行为,了解客户的共性,从而提供针对性的客户服务,提高企业服务成功率。,2,）利用关联分析法进行交叉销售,提高客户价值；,企业利用数据挖掘技术中的关联分析法,可以从客户过去的购买数据中寻找影响客户购买行为得因素,并建立预测模型对客户将来的购买行为进行预测,分析哪些客户最有可能对企业服务感兴趣,会对哪些服务感兴趣,哪些产品通常会被一起买走,按什么样的先后顺序被买走,从而实施有效的交叉销售,提高银行客户价值,3,）利用孤立点分析法分析客户异常行为,防止 客户流失；,孤立点是数据集中与一般数据模型不相符合的那些数据。一般情况下,在数据被导入数据仓库前,应该经过数据清理,以消除不一致的情况。但是在实际应用中,往往会发现一些客观存在的、非操作人员的人为因素而导致的异常数据。对于这些异常数据,无法按照一般可行的分类规则对其进行划分,也无法通过聚类的方法将其与其他数据建立有效的联系,但是这些数据往往包含着实际应用价值。客户流失是银行难以控制的常见问题,流失现象会对银行带来很多不利影响。在客户关系管理系统中,通过利用孤立点分析法可发现客户的异常行为,从而使银行避免不必要的客户流失。比如信用卡推广中,为每位客户按月消费金额或月消费次数设定一个范围,客户的日常行为都应该在此范围之中,如果某客户某月消费金额或消费次数低于该范围,表明该客户出现了异常行为,有可能变为流失客户,此时,信用卡中心管理人员应及时分析原因,采取一定的策略挽留住该客户。,4,）客户背景、满意度、信用分析,了解客户背景资料,有助于银行对客户的分析,从而更好的制定客户策略。数据挖掘可以从大量,表面无关的客户信息中发现许多对银行有用的模式。在分析客户对银行业产品和服务的满意度方面,可以帮助银行改进客户营销策略,从而增加客户的忠诚度。例如,当一个人是青年学生时,可能需要教育、留学贷款,毕业后需要汽车贷款和保险及投资管理,结婚后需要住房贷款和财产保险等。在分析客户信用方面,对银行很有意义,对不同信用级别的客户,可以采取不同的营销方案,价格方案,风险管理方案。因此通过数据挖掘,可从大量历史数据中分析出具体客户的信用等级。,数据挖掘步骤,确定分析和预定目标,部署应用,数据选择,数据准备,模型构造,模型评估检验,数据不足,噪音大,数据模型不准确,N,Y,N,N,Y,客户关系管理的数据挖掘结构体系,客户数据,客户关系管理数据挖掘应用体系,客户细分模块,客户流失预测模块,客户价值分析模块,交叉销售模块,客户转移分析模块,客户群,特征,结果评估和解释,客户,忠诚度,客户,价值,客户,影响力,模式,关联度,总结,银行作为金融行业的重要组成部分，它的安全和发展史关系到金融行业稳定与发展的关键因素，数据挖掘能够从技术上为银行的客户关系管理、风险管理等提供支持，从而达到提高利润，规避风险的目的，为金融行业的稳定和发展发挥积极的作用。,