大家好，欢迎来到精品学习网，小编今天为大家带来客户关系管理在企业的实际工作中的应用分析，希望大家喜欢!
决策树技术是进行分类数据挖掘的一种常用技术,主要应用于需要对于数据分类进行分析和预测的领域.决策树分类挖掘技术应用于金融企业中,可以通过对特定客户背景信息的分析,预测该客户所属的客户类别,从而采取相应的经营策略,这样可以有效地利用企业有限的资源.既能够提高企业的服务水平,开发客户资源,避免客户的流失;又能够节约企业资源,利用最小的投入,获得到较大的收益[1].作者探讨对金融客户进行分类.并采用不同的经营策略.
1 客户分类方法金融企业对一个客户最重要的两个评估指标是客户的信用度和客户的贡献度.客户信用度决定了客户在金融业务中的风险状况,即按照客户的基本情况,根据银行的规定,对客户的信用状况进行评估[1].每一个客户都具有一个确定的信用积分,信用积分越高,则客户的信用度越高,客户的业务行为风险越小.客户的贡献度则是客户对于银行的贡献情况,即银行从与客户的业务关系中获得的利润收益.贡献度的获取是对客户与银行的每一笔交易中所蕴含的银行收益情况进行汇总后得到的.客户进行一段时间的金融业务交易后,会产生一定的贡献度积分,而所有客户的贡献度汇总则是银行的一个重要的利润来源.在客户分类的过程中,重点考虑客户的信用度和贡献度这两个指标.并据此将客户划分为4类:优质客户、潜在客户、风险客户、普通客户.对于已有客户,客户分类作为客户的一种基本信息存储于数据仓库中,并进行定期更新.首先计算客户的信用积分和贡献度积分平均值,然后以贡献度积分平均值为横轴,以信用积分平均值为纵轴,标示出一个平面坐标系,该平面坐标系有4个象限.位于第1象限的客户,信用度和贡献度都高于平均值,这类客户称为优质客户;这些客户是银行进行个性化服务的重点对象,他们具有较高的贡献度,而且信用度较高,在金融业务中具有较低的金融风险;位于第2象限的客户,客户具有较高的贡献度,但是信用度较低,在金融业务中具有较高的金融风险,因此这类客户称为风险客户.在金融企业实施营销策略时,应该在保证其较高贡献度的同时,采取措施防范金融风险的发生;位于第3象限的客户,信用度和贡献度都低于平均值,这类客户称为普通客户;位于第4象限的客户,具有较低的贡献度,但是信用度较高,在金融业务中具有较低的金融风险,这类客户称为潜在客户,在金融企业实施营销策略时,应该尽量挖掘其消费潜力,使其能够为银行带来较高的金融收益. 图1显示了采用该方法进行客户分类的结果,其中,每个数据点都代表一个客户.通过图1可以看
出4种不同分类的客户的分布情况.在图形中,不同灰度的点代表不同背景的客户,这样就可以较直观地了解不同背景的客户所处的客户分类的分布以及背景要素和客户分类之间的关系.而所要研究的则是客户所属分类与其背景要素之间的联系.
2 决策树分类挖掘技术
2.1 决策树分类挖掘系统的建立[2]决策树方法是利用信息论中的互信息(信息增益)寻找数据库中具有最大信息量的属性字段,建立决策树的一个结点,再根据该属性字段的不同取值建立树的分支,并在每个分支子集中重复建立树的下层结点和分支的过程.在对金融客户进行分类分析的过程中,决策树分类数据挖掘系统建立和应用的一个典型过程是:①根据客户分类的标准,执行客户分类算法,并将运行结果存储于数据仓库中,这样,每个现有的客户都具有一个确定的客户类别;②根据历史数据,主要是客户的背景数据和客户分类数据,执行决策树生成算法,针对每一种客户类别,生成一棵决策树,以一定的形式存放于数据仓库中;③在以上过程执行完毕后,当一个新的客户来办理业务时,客户经理可以首先在系统中调用决策树展示模块,系统将整个决策树展示出来.然后系统根据客户的具体背景情况预测客户所属的客户类别,以及属于该客户类别的概率,并将这些情况展现给客户经理.客户经理根据这些情况,对该客户采取相应的营销策略,从而达到较好的效果.
2.2 决策树分类挖掘算法
2.2.1 与传统决策树的比较作者所述的算法是ID3算法的一种变体. ID3算法往往在具有多种分类的情况下,构建一棵决策树,然后预测节点属于某一个分类.另外,ID3算法对于叶子节点使用多数表决的方式进行客户类别标示,用节点所包含的样本中的多数所在的类标记.这样就把一个节点标示为一个客户类别,而难于标示具体的分类概率.这样的预测结果往往不够细致,难于满足用户需求.本算法采取对多个分类分别构建决策树,并标明分类概率的方法.叶子节点展示用户属于该客户分类的概率.对新客户进行所属分类预测时,需要查询4棵决策树,然后分别将该客户所属各个分类的概率展示给用户.用户就可了解客户的分类结果.
2.2.2 算法描述基本算法描述为[3]第1步 确定所要生成的决策树的相关分类;第2步 决策树以代表训练样本的
小编为您准备的客户关系管理在企业的实际工作中的应用分析，希望可以帮到您！
相关推荐：
永远客户都需要帮助
相关推荐：
