技术经济
技術經濟
기술경제
Technology Economics
2010年
1期
87~93
,共null页
数据挖掘 聚类分析 银行客户分类 客户关系管理
數據挖掘 聚類分析 銀行客戶分類 客戶關繫管理
수거알굴 취류분석 은행객호분류 객호관계관리
data mining ; clustering analysis ; bank＇s customer classification ; CRM
本文将数据挖掘聚类技术应用于银行客户分类，分析了银行交易特征数据；构建了数据模型，对60万条样本数据进行了K—means聚类；采用轮廓系数对聚类结果进行了评估，并基于聚类结果进行了客户二维分类，据此制定出更有效的客户关系管理策略。
本文將數據挖掘聚類技術應用于銀行客戶分類，分析瞭銀行交易特徵數據；構建瞭數據模型，對60萬條樣本數據進行瞭K—means聚類；採用輪廓繫數對聚類結果進行瞭評估，併基于聚類結果進行瞭客戶二維分類，據此製定齣更有效的客戶關繫管理策略。
본문장수거알굴취류기술응용우은행객호분류，분석료은행교역특정수거；구건료수거모형，대60만조양본수거진행료K—means취류；채용륜곽계수대취류결과진행료평고，병기우취류결과진행료객호이유분류，거차제정출경유효적객호관계관리책략。
This paper applies the technology of clustering data mining to the classification of bank＇s customers,and analyzes the feature data of bank transaction. Then it builds a data model,and makes the data K-means clustering for 600 thousand pairs of samples. And it uses the contour coefficient to assess the clustering results, based on which,it makes the two-dimensional classification for bank＇s customers basing on the clustering results. Finally,it puts forward more effective strategies on customer relationship management of bank.
