导　　师： 任江涛

学科专业： H1204

授予学位： 硕士

作　　者： ;

机构地区： 中山大学

摘　　要： 近年来，由于我国商业银行的经营环境的变化和我国的rmb零售业务全面向外资银行开放，使得国内商业银行面临的竞争压力越来越大，怎样才能在如此激烈的竞争中取胜呢？就银行间的竞争而言，其竞争的核心是客户[1]，特别是那些能够为银行提供较多贡献的优质客户。照银行业通行的“二八”法则，占银行客户总数20％的优质客户却创造了80％的利润[2]，因而，优质客户是银行利润的源泉，如果商业银行拥有了这些优质客户，就拥有了更大的生存和发展的空间，尤其是在市场的主导力量逐渐由卖方转变为买方的现时，银行必须主动了解现有客户的价值所在，寻找合适的目标客户，进行准确的市场定位，由此开发适应不同客户、不同需求的新产品、新服务，特别是要寻找优质客户，为他们提供更为全面、更为个性化的服务，使银行的有限资源取得最大的经济效益。 找到高贡献率的客户固然重要，但从今年的金融海啸可以看到，一个次贷危机就导致全球经济为之衰退，雷曼倒闭，aig破产，血的教训就摆在眼前，具有高风险的客户对银行的危害是非常的大的，怎样才能找到对银行具有高风险的这一部分客户呢？本文将对这个问题做一个初步的解答。死亡只是在一步之遥，风险控制是一个成熟银行机构永恒的话题，是关系到生存与否的根本性问题。 本文基于对数据挖掘在商业银行客户关系管理中的应用研究问题进行探讨。为此，本文在从以下几个方面着手进行论述： 首先，对客户关系管理理论以及数据挖掘的相关概念与方法进行探讨，同时，对数据挖掘与商业银行客户关系管理之间的内在关联进行考察。 其次，通过对某大型外资银行的客户数据进行分析研究，可以发现客户数据存在许多潜在的未知的信息可以挖掘，由此，需要运用数据挖掘技术来寻找那些隐藏的特征。根据本次数据挖掘任务，即根据现有客户进行细分和找到信用风险的客户群，确定采用聚类算法和决策树方法进行建模。 再次，根据该银行的客户数据建立模型，对银行客户数据进行细分分类，找到对银行贡献较大的客户群，还有对客户的风险进行评估。 最后，根据对聚类模型和决策树模型进行分析的结果，对商业银行客户进行分类，分析各类客户的行为特征及其对银行的贡献度，以此来制定差别化的营销方案和客户接触管理策略，并针对目标客户群的客户需求开发新的产品和服务。

关 键 词： 商业银行 客户细分 数据挖掘技术 客户关系管理 均值

分 类 号： [F830.33 TP319]

领　　域： [经济管理] [自动化与计算机技术] [自动化与计算机技术]