大數(shù)據(jù)時(shí)代數(shù)據(jù)挖掘在銀行客戶關(guān)系管理中的應(yīng)用研究_賀本嵐

1、大數(shù)據(jù)時(shí)代數(shù)據(jù)挖掘在銀行客戶關(guān)系管理中的應(yīng)用研究賀本嵐1，2（1 中國科學(xué)院大學(xué)博士后科研流動站 北京 100190）（2 中國工商銀行博士后科研工作站 北京100032）摘 要：當(dāng)前，人類邁入“大數(shù)據(jù)”時(shí)代。我國商業(yè)銀行建立了涵蓋銀行全部業(yè)務(wù)的數(shù)據(jù)倉庫系統(tǒng)，擁有海量數(shù)據(jù)，但對數(shù)據(jù)的利用還遠(yuǎn)遠(yuǎn)不夠深入。隨著金融脫媒、利率市場化的進(jìn)一步推進(jìn)，商業(yè)銀行之間的競爭焦點(diǎn)由產(chǎn)品的競爭轉(zhuǎn)變?yōu)闋帄Z客戶的競爭。商業(yè)銀行要獲取客戶就需要從海量客戶數(shù)據(jù)中挖掘出信息和規(guī)律來加強(qiáng)客戶關(guān)系管理。本文設(shè)計(jì)了數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用模型，對數(shù)據(jù)挖掘在銀行客戶關(guān)系管理中的應(yīng)用文獻(xiàn)進(jìn)行了綜述，并介紹了其在商業(yè)銀行中的應(yīng)用

2、現(xiàn)狀。關(guān) 鍵 詞：大數(shù)據(jù)；商業(yè)銀行；數(shù)據(jù)挖掘；客戶關(guān)系管理1 引言當(dāng)前，人類社會已經(jīng)邁入“大數(shù)據(jù)”時(shí)代，信息技術(shù)高速發(fā)展。我國商業(yè)銀行基本完成數(shù)據(jù)大集中工程，建立了涵蓋銀行全部業(yè)務(wù)的數(shù)據(jù)倉庫系統(tǒng)，銀行的客戶資料、交易數(shù)據(jù)、管理數(shù)據(jù)等業(yè)務(wù)數(shù)據(jù)以及后臺信息系統(tǒng)服務(wù)數(shù)據(jù)呈爆炸式增長。盡管已經(jīng)積累了大量的數(shù)據(jù)，但商業(yè)銀行對數(shù)據(jù)的利用還遠(yuǎn)遠(yuǎn)不夠深入，出現(xiàn)“數(shù)據(jù)豐富但信息貧乏”的局面。如何利用好這些數(shù)據(jù)，從中提取出有益于商業(yè)銀行經(jīng)營和決策的信息給我國銀行業(yè)帶來巨大的挑戰(zhàn)。 同時(shí)，隨著金融脫媒、利率市場化的進(jìn)一步推進(jìn)，面對互聯(lián)網(wǎng)金融帶來的沖擊，銀行傳統(tǒng)的商業(yè)模式發(fā)生了巨大變化，銀行之間的競爭也日趨

3、激烈。其競爭焦點(diǎn)由產(chǎn)品的競爭轉(zhuǎn)變?yōu)闋帄Z客戶的競爭，擁有客戶也就意味著擁有了市場，就能在激烈的競爭中取勝。因此，客戶關(guān)系管理正越來越受到銀行的重視。 面對上述內(nèi)外部環(huán)境的雙重挑戰(zhàn)，商業(yè)銀行要獲取客戶，就需要深入了解客戶的偏好，明晰客戶需求。數(shù)據(jù)挖掘正是達(dá)到這一目的實(shí)現(xiàn)有效客戶關(guān)系管理的關(guān)鍵技術(shù)，商業(yè)銀行可以從海量的客戶數(shù)據(jù)中挖掘出有價(jià)值的信息和規(guī)律，預(yù)測出客戶的需求和偏好，建立合適的模型使客戶價(jià)值最大化，防止客戶流失，從而為客戶提供有針對性的產(chǎn)品和服務(wù)，打造不可復(fù)制的核心競爭力。因此研究數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理中的應(yīng)用具有重要的意義和作用。 2 客戶關(guān)系管理與數(shù)據(jù)挖掘方法簡

4、介客戶關(guān)系管理是一個(gè)獲取、保持和增加可獲利客戶的方法和過程，認(rèn)為客戶是企業(yè)最重要的資產(chǎn)，通過提高客戶忠誠度可最終提高企業(yè)的利潤率。商業(yè)銀行通過實(shí)施客戶關(guān)系管理，提升業(yè)務(wù)流程管理，提供更快速、周到的優(yōu)質(zhì)服務(wù)，可降低銀行成本，吸引和保持更多客戶。要實(shí)施客戶關(guān)系管理，商業(yè)銀行可對客戶資料進(jìn)行深入分析，根據(jù)“一對一”營銷原則，滿足客戶的個(gè)性化需求，提高客戶忠誠度和保有率，從而實(shí)現(xiàn)客戶價(jià)值持續(xù)最大化，提升商業(yè)銀行競爭力。 數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的但又是潛在有用的信息和知識的過程1。數(shù)據(jù)挖掘與傳統(tǒng)的數(shù)據(jù)分析不同，數(shù)據(jù)挖掘是在沒有確定假設(shè)的前提

5、下去挖掘信息、發(fā)現(xiàn)知識，其目的不在于驗(yàn)證某個(gè)假定模式的正確性，而是自己在數(shù)據(jù)庫中找到模型。商業(yè)銀行利用數(shù)據(jù)挖掘方法對客戶數(shù)據(jù)進(jìn)行科學(xué)的分析，發(fā)現(xiàn)其數(shù)據(jù)模式及特征、存在的關(guān)聯(lián)關(guān)系和業(yè)務(wù)規(guī)律，并根據(jù)現(xiàn)有數(shù)據(jù)預(yù)測未來業(yè)務(wù)的發(fā)展趨勢，對商業(yè)銀行管理、制定商業(yè)決策、提升核心競爭力具有重要的意義和作用。 數(shù)據(jù)挖掘主要分為五類模型：分類、聚類、關(guān)聯(lián)、預(yù)測和序列發(fā)現(xiàn)。其中，分類模型是根據(jù)已有數(shù)據(jù)的類特征判斷未知數(shù)據(jù)的類，它與普通預(yù)測結(jié)果不同，其預(yù)測的結(jié)果是類別，主要包括決策樹、KNN 法、SVM 法、VSM 法、Bayes 法、神經(jīng)網(wǎng)絡(luò)等方法。聚類模型是將數(shù)據(jù)對象分組成多個(gè)類，使得同一類中的對象之間

6、具有較高相似性，而不同類的對象差別較大，聚類技術(shù)包括劃分方法、層次方法、基于密度的方法、基于網(wǎng)格的方法和基于模型的方法等2。關(guān)聯(lián)分析是從大量數(shù)據(jù)中發(fā)現(xiàn)項(xiàng)集之間的關(guān)聯(lián)或相關(guān)聯(lián)系，關(guān)聯(lián)規(guī)則挖掘首先找出頻繁項(xiàng)集，然后產(chǎn)生形如B A 的強(qiáng)關(guān)聯(lián)規(guī)則。預(yù)測模型則是根據(jù)已有數(shù)據(jù)通過模型的訓(xùn)練學(xué)習(xí)，發(fā)現(xiàn)規(guī)律和趨勢，推測未來目標(biāo)數(shù)據(jù)值，方法包括線性回歸、多元回歸、非線性回歸等。序列發(fā)現(xiàn)與關(guān)聯(lián)分析相似，二者不同之處在于序列發(fā)現(xiàn)中事件數(shù)據(jù)間關(guān)聯(lián)性與時(shí)間相聯(lián)系。即，不僅需知道序列事件是否發(fā)生，而且需同時(shí)確定事件發(fā)生的時(shí)間。 3 數(shù)據(jù)挖掘在銀行客戶關(guān)系管理中的應(yīng)用分析客戶關(guān)系管理一詞起源于美國，是由美國營銷之

7、父Gartner  Group 提出來的。Gartnet  Group 認(rèn)為客戶關(guān)系管理就是企業(yè)為應(yīng)對競爭和留存客戶，努力改善自身的經(jīng)營管理，與客戶進(jìn)行關(guān)系的維護(hù)和交流，實(shí)現(xiàn)利潤的最大化和長期的發(fā)展。  客戶關(guān)系管理旨在深刻理解客戶，掌握客戶需求，并實(shí)現(xiàn)客戶價(jià)值最大化，由以下四個(gè)步驟構(gòu)成：客戶識別、客戶吸引、客戶維持、客戶發(fā)展。這四個(gè)步驟可以視為提取客戶信息并轉(zhuǎn)換為積極的客戶關(guān)系的循環(huán)過程。而數(shù)據(jù)挖掘技術(shù)通過從海量數(shù)據(jù)中提取隱含的客戶特征和行為可以幫助完成這個(gè)過程。 根據(jù)客戶關(guān)系管理流程，結(jié)合客戶關(guān)系管理及數(shù)據(jù)挖掘方法特點(diǎn)，在客戶關(guān)系管理每個(gè)步

8、驟中都可以使用到數(shù)據(jù)挖掘方法，具體應(yīng)用模型如下：     圖1 數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用模型3.1 客戶識別客戶識別是客戶關(guān)系管理的初始環(huán)節(jié)，包括目標(biāo)客戶分析和客戶細(xì)分。即通過客戶購買記錄數(shù)據(jù)找出客戶特征，識別銀行的潛在客戶以及最具盈利價(jià)值的客戶，并進(jìn)行客戶細(xì)分，將具有相似特征的客戶進(jìn)行歸類，從而為銀行實(shí)施客戶關(guān)系管理提供基礎(chǔ)。根據(jù)客戶識別特點(diǎn)，可實(shí)施客戶分類?？蛻舴诸惣锤鶕?jù)客戶的背景資料（如年齡、職業(yè)、行業(yè)等）、消費(fèi)偏好等信息將客戶分為不同類型。通過客戶分類，可以幫助銀行掌握不同客戶群的特征，找出客戶消費(fèi)的行為和規(guī)律，計(jì)算出不同客戶對銀行的貢獻(xiàn)程

9、度，從而篩選出客戶群體的種類?？刹捎玫姆诸惙椒òň垲惙治龇?、KNN 法、SVM 法等。 3.2 客戶吸引識別潛在目標(biāo)客戶后，銀行需要對這些客戶采取針對性措施吸引客戶，即直接營銷。直接營銷即銀行通過郵寄、電子郵件等各種渠道直接向目標(biāo)客戶推銷產(chǎn)品。這就需要了解客戶的個(gè)性化需求，數(shù)據(jù)挖掘中的預(yù)測模型正是可以實(shí)現(xiàn)這一功能。銀行根據(jù)客戶信息和歷史交易數(shù)據(jù)，可以預(yù)測到目標(biāo)客戶最可能購買哪種產(chǎn)品和服務(wù)，從而有針對性地進(jìn)行營銷，降低營銷成本。 3.3 客戶維持將客戶吸引過來以后，銀行需要與客戶保持良好的互動和接觸，不斷了解客戶需求，針對不同客戶設(shè)計(jì)不同的產(chǎn)品和服務(wù)，實(shí)現(xiàn)“一對一”的營銷，

10、將給銀行帶來的盈利客戶發(fā)展為忠實(shí)客戶，不斷提升其忠誠度。在客戶維持階段，可以用數(shù)據(jù)挖掘里的序列發(fā)現(xiàn)來進(jìn)行分析。序列發(fā)現(xiàn)注重強(qiáng)調(diào)時(shí)間序列的影響，即通過時(shí)間序列搜索出重復(fù)發(fā)生概率較高的模式，可監(jiān)測客戶長期的經(jīng)常購買行為。 3.4 客戶發(fā)展除了維系現(xiàn)有客戶以外，還需進(jìn)一步提升現(xiàn)有客戶價(jià)值，進(jìn)行客戶發(fā)展，可采取的方式包括客戶價(jià)值分析、交叉銷售等。客戶價(jià)值分析指銀行預(yù)期從客戶獲得的價(jià)值。交叉銷售是指銀行基于現(xiàn)有客戶發(fā)現(xiàn)其多種需求，向其提供多種滿足其需求的相關(guān)產(chǎn)品和服務(wù)的銷售方式。通過交叉銷售銀行既可以降低營銷成本，維系現(xiàn)有客戶資源，還可以實(shí)現(xiàn)現(xiàn)有客戶價(jià)值最大化。此時(shí)，可采用數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則

11、進(jìn)行分析。利用關(guān)聯(lián)規(guī)則可以分析客戶交易行為與客戶背景信息（如年齡、性別、收入、教育程度等）之間的關(guān)聯(lián)關(guān)系，找出客戶交易行為的影響因素，分析銀行哪些金融產(chǎn)品和服務(wù)最可能會一起發(fā)生在同一交易中等等，確定最優(yōu)的銷售組合。  4 數(shù)據(jù)挖掘在銀行客戶關(guān)系管理中的應(yīng)用文獻(xiàn)綜述國內(nèi)現(xiàn)有研究文獻(xiàn)中，關(guān)于數(shù)據(jù)挖掘在銀行客戶關(guān)系管理中應(yīng)用的研究還比較少。 目前，數(shù)據(jù)挖掘在銀行客戶關(guān)系管理中的應(yīng)用研究文獻(xiàn)主要可分為以下幾類：第一類是數(shù)據(jù)挖掘在銀行客戶關(guān)系管理中的應(yīng)用領(lǐng)域理論探討研究，這類文獻(xiàn)比較多，如楊輝（1998）、何俊、溫家明（2002）、蔣纓、強(qiáng)海濤（2003）、郭瑩、張曉燕（2

12、003）、黃解軍、萬幼川、潘和平、彭朝暉（2003）、韓冬（2004）、張穎（2004）、張穎，杜斌，鐘永紅（2005）、楊紅（2005）、黃華卿，張維，熊熊（2006）、左愛群，杜波（2006）、王穎（2006）、丁詠（2006）、張蓉（2006）、曾媛媛（2007）、艾亞文，匡山（2009）、孔德漢（2010）等。這些學(xué)者認(rèn)為數(shù)據(jù)挖掘在銀行客戶關(guān)系管理應(yīng)用層面包括客戶分類、預(yù)防客戶流失等。 第二類是如何結(jié)合數(shù)據(jù)挖掘構(gòu)建銀行客戶關(guān)系管理系統(tǒng)，如李興國，于海峰，金芳芳（2004）、張忠磊，孫玉娟（2006）、蔣利紅（2008）、鄭華（2008）、常雪琦，劉偉（2009）。這些學(xué)者主要

13、從業(yè)務(wù)處理系統(tǒng)、客戶聯(lián)系系統(tǒng)和客戶數(shù)據(jù)挖掘管理中心等方面構(gòu)建以數(shù)據(jù)挖掘?yàn)楹诵牡目蛻絷P(guān)系管理系統(tǒng)。 第三類主要集中在運(yùn)用數(shù)據(jù)挖掘方法對銀行客戶進(jìn)行分類、預(yù)測研究，如田玲（2003）、周意（2005）、趙基（2005）、于海波（2010）、鄭英姿（2011）等，運(yùn)用的數(shù)據(jù)挖掘方法包括聚類算法、決策樹模型、關(guān)聯(lián)規(guī)則等。 可以看出，目前數(shù)據(jù)挖掘在銀行業(yè)客戶關(guān)系管理中的應(yīng)用研究主要停留在理論分析階段，運(yùn)用數(shù)據(jù)挖掘技術(shù)進(jìn)行建模分析的文章較少，這也可能是受數(shù)據(jù)獲取的影響。在僅有的少數(shù)實(shí)證分析論文中，有些論文的數(shù)據(jù)也是通過模擬得到，而且實(shí)證研究應(yīng)用的方向主要是客戶分類研究，對于客戶價(jià)值、客

14、戶風(fēng)險(xiǎn)管理、客戶流失、客戶利潤貢獻(xiàn)度等方面的實(shí)證研究較少。如何將數(shù)據(jù)挖掘全面應(yīng)用到銀行客戶關(guān)系管理究，將理論與實(shí)際應(yīng)用相結(jié)合，是需要進(jìn)一步考察研究的重點(diǎn)。 5 數(shù)據(jù)挖掘在商業(yè)銀行中的應(yīng)用現(xiàn)狀國外的許多商業(yè)銀行將數(shù)據(jù)挖掘技術(shù)應(yīng)用于自身經(jīng)營管理。其中，數(shù)據(jù)挖掘技術(shù)應(yīng)用最多的有以下四個(gè)方面：一是基于客戶關(guān)系管理的目標(biāo)市場識別和客戶分類、聚類，從而采取有針對性的客戶營銷和服務(wù)策略；二是通過對數(shù)據(jù)進(jìn)行分析，挖掘出數(shù)據(jù)模式和特征，預(yù)測客戶的金融需求以及金融市場的變化趨勢，從而有利于商業(yè)銀行制定決策、規(guī)避風(fēng)險(xiǎn)；三是運(yùn)用多種數(shù)據(jù)挖掘技術(shù)預(yù)防和偵查洗錢、信用卡詐騙等金融犯罪；四是時(shí)間序列的分析和挖掘，

15、如股票市場、外匯市場等隨時(shí)間變化的情形，可以挖掘出某一段時(shí)間內(nèi)交易數(shù)據(jù)的變化趨勢和規(guī)律。 具體將數(shù)據(jù)挖掘應(yīng)用到客戶關(guān)系管理方面，國外發(fā)達(dá)國家商業(yè)銀行中匯豐銀行、花旗銀行和瑞士銀行是較早應(yīng)用數(shù)據(jù)挖掘技術(shù)的銀行，主要用于客戶檔案分析、發(fā)現(xiàn)銷售規(guī)律；MBNA 、First  USA 等信貸銀行則將數(shù)據(jù)挖掘技術(shù)應(yīng)用于信用卡用戶分析。隨著客戶關(guān)系管理理論的提出和不斷完善，許多歐美銀行開始利用數(shù)據(jù)挖掘方法服務(wù)其經(jīng)營管理決策，如蘇格蘭皇家銀行、法國興業(yè)銀行、德意志銀行等。 隨后，美國Mellon 銀行與IBM 聯(lián)合開發(fā)了Intelligent  Miner  

16、;for  Data 數(shù)據(jù)挖掘軟件，根據(jù)其已有信用卡客戶數(shù)據(jù)采用數(shù)據(jù)挖掘技術(shù)對客戶行為特點(diǎn)進(jìn)行總結(jié)，并預(yù)測客戶下一步的可能行為。根據(jù)挖掘結(jié)果，銀行采取有針對性的措施留住客戶，避免客戶流失。美國Firstar 銀行利用Marksman 數(shù)據(jù)挖掘工具，根據(jù)客戶信息挖掘客戶的消費(fèi)模式，并找出每種新產(chǎn)品最適合的消費(fèi)者，最后預(yù)測何時(shí)向消費(fèi)者提供哪種適合的產(chǎn)品。英國Barclays 銀行根據(jù)客戶歷史數(shù)據(jù)利用數(shù)據(jù)挖掘技術(shù)預(yù)測客戶未來的行為，計(jì)算每位客戶的利潤貢獻(xiàn)度，從而節(jié)省營銷成本。此外，美國銀行、美國第一銀行、HeadLand 抵押公司、聯(lián)邦住房貸款抵押公司、美國聯(lián)邦儲蓄銀行等著名金融機(jī)構(gòu)也都建

17、立了數(shù)據(jù)倉庫并開發(fā)和應(yīng)用各種數(shù)據(jù)挖掘技術(shù)為其自身經(jīng)營管理決策服務(wù)。如今的歐美銀行業(yè)，數(shù)據(jù)挖掘已經(jīng)是一項(xiàng)應(yīng)用非常普遍的技術(shù)。 我國部分商業(yè)銀行業(yè)在積極探索將數(shù)據(jù)挖掘技術(shù)應(yīng)用到經(jīng)營管理中，具體應(yīng)用如下： 5.1中國民生銀行中國民生銀行將數(shù)據(jù)挖掘技術(shù)應(yīng)用于高端客戶流失風(fēng)險(xiǎn)預(yù)測研究中，利用邏輯回歸與決策樹分類技術(shù)構(gòu)建了客戶流失預(yù)測模型以預(yù)測客戶流失的可能性，將客戶按照流失可能性的從高到低進(jìn)行排序，從而幫助客戶經(jīng)理把握流失挽回工作的輕重緩急程度。此外，民生銀行還按流失客戶的分布情況進(jìn)行多類別細(xì)分，針對潛在流失客戶制訂適當(dāng)?shù)耐炝舨呗?，最終將數(shù)據(jù)挖掘結(jié)果應(yīng)用于其管理信息體系中。 

18、;5.2 廣東發(fā)展銀行針對銀行信用卡業(yè)務(wù)無抵押、風(fēng)險(xiǎn)性較其它信貸業(yè)務(wù)高的特點(diǎn)，廣東發(fā)展銀行采用數(shù)據(jù)挖掘與分析技術(shù)加強(qiáng)風(fēng)險(xiǎn)控制機(jī)制。廣東發(fā)展銀行引入申請計(jì)分機(jī)制，根據(jù)客戶資料信息，建立數(shù)據(jù)挖掘模型對信用卡新申請客戶或已有客戶進(jìn)行信用評分，根據(jù)信用評分結(jié)果可以初步對客戶信用分析進(jìn)行評估，識別客戶是優(yōu)質(zhì)客戶還是高風(fēng)險(xiǎn)客戶。最終減少了審批人手壓力和審核時(shí)間，提升了批核新卡的效率。此外，廣東發(fā)展銀行還引入行為計(jì)分機(jī)制，對每個(gè)客戶的行為、消費(fèi)模式和還款數(shù)據(jù)進(jìn)行跟蹤和監(jiān)控，根據(jù)建立的數(shù)據(jù)挖掘模型結(jié)果，對客戶信貸額度進(jìn)行智能調(diào)整，同時(shí)還能尋找到高增值客戶，對這類客戶推廣相應(yīng)的新產(chǎn)品和服務(wù)。 5.3

19、招商銀行為提高客戶風(fēng)險(xiǎn)把握效率，同時(shí)提高客戶信用識別能力，降低貸款風(fēng)險(xiǎn)成本，招商銀行于2006年啟動個(gè)人住房貸款評分卡開發(fā)與推廣項(xiàng)目。根據(jù)第一期個(gè)人貸款申請?jiān)u分卡系統(tǒng)，結(jié)合其數(shù)據(jù)和業(yè)務(wù)特點(diǎn)，招商銀行采用SAS 的Enterprise  Miner 模塊建立個(gè)人貸款評分卡模型。在建立模型過程中，建立了統(tǒng)一的評分卡監(jiān)測報(bào)表，并根據(jù)評分卡使用情況對評分卡模型進(jìn)行相應(yīng)調(diào)整，從而實(shí)現(xiàn)綜合評價(jià)客戶信用風(fēng)險(xiǎn) 5.4 中信銀行為實(shí)現(xiàn)業(yè)務(wù)數(shù)據(jù)的集中整合，提升業(yè)務(wù)效率，中信銀行引入Greenplum 數(shù)據(jù)倉庫解決方案，建立數(shù)據(jù)庫營銷平臺。結(jié)合實(shí)時(shí)、歷史數(shù)據(jù)，中信銀行進(jìn)行全局?jǐn)?shù)據(jù)挖掘分析，建立統(tǒng)

20、一的客戶視圖，更有針對性地開展?fàn)I銷活動。根據(jù)建立的數(shù)據(jù)挖掘模型，風(fēng)險(xiǎn)管理部門每天評估客戶的行為，并對客戶的信用額度在同一天進(jìn)行調(diào)整，從而減少了信用卡不良貸款比率。 可以看出，不論是國外商業(yè)銀行，還是國內(nèi)商業(yè)銀行，數(shù)據(jù)挖掘在客戶關(guān)系管理領(lǐng)域的應(yīng)用都得到了一定的重視，而且應(yīng)用結(jié)果表明數(shù)據(jù)挖掘技術(shù)能幫助提升銀行經(jīng)營管理效率。這些銀行主要將數(shù)據(jù)挖掘技術(shù)應(yīng)用于客戶識別、客戶吸引兩個(gè)領(lǐng)域（如客戶細(xì)分、客戶信用風(fēng)險(xiǎn)評估等），對客戶維持、客戶發(fā)展等方面等涉及較少，應(yīng)用領(lǐng)域還不夠?qū)挿?。與國外商業(yè)銀行相比，應(yīng)用數(shù)據(jù)挖掘技術(shù)的國內(nèi)商業(yè)銀行數(shù)量相對要少，而且應(yīng)用的領(lǐng)域較窄。 6 結(jié)論大數(shù)據(jù)時(shí)代已經(jīng)

21、到來，銀行業(yè)依靠傳統(tǒng)利息差為主要收入來源的時(shí)代已經(jīng)過去，商業(yè)銀行既要面臨互聯(lián)網(wǎng)金融的沖擊，還要面臨同業(yè)之間愈發(fā)激烈的競爭，商業(yè)銀行必須從“以產(chǎn)品為中心”轉(zhuǎn)向“以客戶為中心”，充分利用好數(shù)據(jù)挖掘技術(shù)識別客戶，掌握客戶需求，開展針對性的營銷吸引客戶、維持客戶，充分發(fā)揮、提升客戶價(jià)值發(fā)展客戶，為客戶關(guān)系管理服務(wù)，從而最終打造并保持商業(yè)銀行的核心競爭力。 參考文獻(xiàn)1 初順起. 數(shù)據(jù)挖掘在銀行業(yè)務(wù)中的應(yīng)用. 金融電子化J. 2005（8）：25-262 Jiawei Han,Micheline Kamber著. 范明，孟小峰等譯. 數(shù)據(jù)挖掘:概念與技術(shù)M. 北京:機(jī)械工業(yè)出版社.20013 楊

22、輝.數(shù)據(jù)挖掘及其在商業(yè)銀行中的應(yīng)用J.中國金融電腦，1998（11）：28-294 何俊，溫家明.數(shù)據(jù)挖掘及其在銀行業(yè)的應(yīng)用J.華南金融電腦，2002（6）：50-515 蔣纓，強(qiáng)海濤.數(shù)據(jù)挖掘在商業(yè)銀行中的應(yīng)用趨勢分析J.甘肅社會科學(xué)，2003（5）：78-796 郭瑩，張曉燕.數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)在銀行客戶關(guān)系管理中的應(yīng)用J.科技管理研究，2003（2）：75-767 黃解軍，萬幼川，潘和平.銀行客戶關(guān)系管理與數(shù)據(jù)挖掘的應(yīng)用J.計(jì)算機(jī)工程與設(shè)計(jì)，2003（7）:68-698 韓冬.數(shù)據(jù)挖掘與商業(yè)銀行客戶關(guān)系管理J.計(jì)算機(jī)時(shí)代.2004（4）：18-199 張穎.數(shù)據(jù)挖掘技術(shù)在銀行CRM

23、中的應(yīng)用J.廣西金融研究，2004（2）:24-2510 張穎，杜斌，鐘永紅.數(shù)據(jù)挖掘技術(shù)在銀行客戶關(guān)系管理中的應(yīng)用分析J.經(jīng)濟(jì)師.2005（3）：230-23211 楊紅.數(shù)據(jù)挖掘技術(shù)在商業(yè)銀行客戶關(guān)系管理中的應(yīng)用J.特區(qū)經(jīng)濟(jì).2005（5）：373-37412 黃華卿，張維，熊熊.數(shù)據(jù)挖掘技術(shù)在商業(yè)銀行客戶關(guān)系管理在的應(yīng)用分析J.哈爾濱商業(yè)大學(xué)學(xué)報(bào)（社會科學(xué)版）.2006（3）：40-4313 左愛群，杜波.數(shù)據(jù)挖掘在銀行客戶關(guān)系管理系統(tǒng)中的應(yīng)用J.武漢工業(yè)學(xué)院學(xué)報(bào)，2006，25（3）：52-5514 王穎.基于數(shù)據(jù)挖掘技術(shù)的銀行客戶關(guān)系管理D.貴州大學(xué).200615 丁詠.數(shù)據(jù)挖掘在商業(yè)銀行客戶關(guān)系管理中的應(yīng)用D.重慶大學(xué).200616 張蓉.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)在銀行客戶關(guān)系管理（CRM）系統(tǒng)中的應(yīng)用J.計(jì)算機(jī)與信息技術(shù).2006（7）：79-8117 曾媛媛.淺議數(shù)據(jù)挖掘在銀行客戶關(guān)系管理中的應(yīng)用J.廣西工學(xué)院學(xué)報(bào).2007,18（1）：223-22418 艾亞文，匡山.數(shù)據(jù)