论文部分内容阅读
随着信息网络技术的发展以及世界经济全球化的推动，银行传统经营模式和商业规则面临着巨大的挑战，而银行的中间业务大量兴起，银行的工作重心也面临着以资本为中心向以客户为中心的转变。在银行资源有限的情况下，如何能够最大程度的是对客户进行分类，有效的挖掘客户需求，并为客户提供相应的服务成为了银行进一步发展的关键。 本文首先介绍了客户关系管理与客户分类的关系以及客户分类在日趋激烈的银行竞争中所处的重要地位，然后介绍了数据挖掘在客户分类中的应用并简要介绍了数据挖掘的几种分类方法，并对这几种方法进行了简要的比较，接着简要介绍了ID3， C4.5，CART以及CHAID等决策树算法。在此基础上，依据葡萄牙某银行信用卡中心的客户数据，使用SAS软件的Enterprise Miner工具对客户数据进行分析处理，在选取客户属性时也更多地考虑到与银行当前业务情况密切相关的属性，然后使用CHAID算法构建出用于信用卡客户分类的决策树模型，从统计显著性的角度分析各个结点中信用卡客户的特征，并对决策树模型结果进行简要评估。 本文构建的决策树模型希望能够使得银行决策者更加清晰明了的了解整个客户分类过程，为其提供一个根据未来新客户的客户信息对客户进行分类的参考，使得银行能够针对不同类别的客户制定不同的经营决策，有效地增加银行的利润，提高银行的竞争力。