数据挖掘在银行定期存款客户管理中的研究和应用

摘要

近年来，央行在不断的推进利率市场化进程，逐步的放开对存贷款利率的限制，银行业的利息收入会受到很大的冲击。为了应对挑战，银行一方面是需要进行金融创新，降低对利差收入的依赖;另一方面需要改变现有粗放式的定期存款营销方式，改为针对不同类型客户采取不同方式、不同营销资源侧重的方式，提高投入产出比;同时分析出现有定期存款客户中不稳定的群体，对其加以关怀访问，降低定期存款客户的流失率，这是非常重要的，因为新客户的开发费用是比维护老客户的费用高得多。
　　本文简要介绍了数据挖掘技术目前在银行领域的研究应用现状，以及数据挖掘的基本概念、功能、挖掘步骤，并详细叙述了关联规则和聚类分析方法。通过对银行数据进行预处理，为数据挖掘提供了高质量的数据。本文重点对个人定期存款数据以及客户属性数据进行关联规则挖掘，采用FP-growth算法模型分析出经过离散化处理的对私定期存款积数与客户的姓氏、出生年代、所在地区、性别这四个属性之间的关联关系，生成了易于理解的关联规则，并对这些规则进行了分析，为对私定期存款的精细化营销提供支持;以及使用K-Means算法模型对客户定期存款提前支取次数进行聚类分析，得到这些客户的类型特征，以便能针对性地对这类客户进行的关怀访问，避免客户的流失;并且在我行综合前置系统上，开发程序来应用数据挖掘所获得的知识。

目录

声明

摘要

第一章 引言

第一节 研究背景与意义

第二节 国内外研究现状

1．2．1 数据挖掘技术的研究现状

1．2．2 数据挖掘在银行领域的研究现状

第三节 本文的主要结构安排

第二章 数据挖掘技术

第一节 数据挖掘概述

2．1．1 数据挖掘概念

2．1．2 数据挖掘的常用功能

第二节 数据挖掘步骤

第三节 关联规则

2．3．1 关联规则定义

2．3．2 关联规则分类

2．3．3 多维关联规则的技术实现方法

2．3．4 Apriori算法

2．3．5 FP-growth算法

第四节 聚类分析

2．4．1．聚类分析介绍

2．4．2．K-Means算法

第三章 银行数据的采集及预处理

第一节 挖掘对象和目标

第二节 挖掘数据采集

3．2．1 采集个人客户信息表

3．2．2 采集机构信息表

3．2．3 采集对私定期存款数据

第三节 数据预处理方法

3．3．1 数据清洗

3．3．2 数据集成

3．3．3 数据转换

3．3．4 数据消减

第四节 已采集的银行数据预处理过程

3．4．1 姓氏属性预处理

3．4．2 性别属性预处理

3．4．3 出生年代属性预处理

3．4．4 客户所在地属性预处理

3．4．5 对私客户存款表数据预处理

3．4．6 生成数据挖掘数据表

第四章 银行数据关联规则挖掘

第一节 FP-Growth算法关联规则建模

第二节 关联规则挖掘结果分析

4．2．1 重要客户关联规则分析

4．2．2 主要客户关联规则分析

4．2．3 普通客户关联规则分析

第三节 关联规则挖掘结果应用

第五章 银行数据聚类挖掘

第一节 K-Means算法聚类分析建模

第二节 聚类挖掘结果分析

第三节 聚类挖掘结果应用

第六章 总结与展望

第一节 总结

第二节 展望

参考文献

致谢

个人简历