| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 经济/产业 |
提要 本文简要介绍数据挖掘在银行客户关系管理中的应用现状，重点论述数据挖掘技术在银行客户关系管理中的应用模式、基于数据挖掘技术的银行CRM系统结构原理，以及以数据挖掘为核心的银行CRM系统实施步骤。
关键词：银行业；数据挖掘；客户关系管理
中图分类号：F83 文献标识码：A
目前，我国银行面临外资银行的强大竞争压力，要想在竞争中立于不败之地，就必须加快银行信息化建设的步伐，采用国外先进的管理思想和技术手段，开发符合自身需求的管理信息系统。各国银行已经意识到客户是至关重要的商业资源，应当高度重视对客户关系的建立、维持和培养，实施客户战略，以建立长期稳定的客户关系。许多银行收集和存储了大量关于客户和商业伙伴的宝贵数据。银行希望从庞大的数据库中抽取有效的、能理解的信息进行分析，提高银行的决策水平和经营效益。客户关系管理（简称CRM）的目的是为了保持银行的竞争力，采取面向客户，客户驱动和以客户为中心的发展策略，深入了解客户的习惯和喜好，与客户保持长久的关系，估计客户的需求，在最短的时间内满足客户的需要，从每个客户身上获取最大利润，降低市场营销费用，减少由于客户离去和无效的经营策略产生的损失。要做到这些，就必须对客户在与银行的交互过程中的各种数据进行收集和分析，挖掘出银行数据中的有用信息，从而实现CRM的目标。数据挖掘技术就是解决银行同客户交互过程中遇到的各种问题的最重要技术之一。数据挖掘技术在CRM中起到核心作用，对提高我国银行的决策支持水平有着重要意义。
一、数据挖掘在银行业客户关系管理中的应用现状
随着信息技术在银行业的广泛应用，在世界范围内，对CRM理念认同程度的扩大和行业产品系统的日趋成熟，一些大型的银行和新型银行纷纷将CRM在银行领域的应用实施列入工作日程。如此关注CRM是银行服务市场开放、竞争的结果，是银行多样化的产品和服务发展的结果，也是银行管理和业务的需要。
国外一些学者对数据挖掘在银行CRM中的应用作了重要阐述，他们认为数据挖掘优化了CRM的服务功能，可以为客户提供准确的参考信息，提高对客户事务处理能力。在美国建有CRM的银行中，以大型银行为主，大部分都已经在CRM中实施了数据仓库和数据挖掘项目。银行事务需要搜集和处理大量数据，对这些数据进行分析，发现其数据模式及特征，然后可能发现某个客户、消费群体的兴趣，并可观察市场的变化趋势。银行业务的利润和风险是共存的，为了保证最大利润和最小风险，必须对客户进行科学的分析和归类，并进行信用评估。美国Firstar银行使用数据挖掘技术，根据客户的消费模式预测何时为客户提供何种产品。他们发现公共数据库中存储着关于每位消费者的大量信息，关键是要透彻分析消费者投入到新产品中的原因，在数据库中找到一种模式，从而能够为每种新产品找到最合适的消费者。他们采用读出数据变量，根据消费者是否有家庭财产贷款、信用卡、存款或其他投资产品，将它们分成若干组，然后使用数据挖掘技术预测何时向哪位消费者提供何种产品。
国外一些银行实施CRM系统的结果，不仅伴随着从根本上改革其管理方式和业务流程，也伴随着更为飞速地发展和巨大的成功。这对中国商业银行在未来应用和推广CRM提供有益的启示和借鉴的经验。相对于国外而言，数据挖掘技术在我国银行CRM中应用尚处于起步阶段。面对数据挖掘这样一种功能强大的技术以及国内银行薄弱的客户关系和长期积累下来的海量客户数据，如何充分利用庞大的银行数据库从中挖掘出有价值却被人们忽视的重要知识和信息，改善银行和客户的关系，已成为国内银行CRM中数据挖掘应用研究的焦点。尽管由于国内CRM市场的发展还只处于初期，包括银行在内的各类企业对于CRM的了解和应用还不成熟，但国内CRM市场已经从单纯的概念阶段逐渐发展为部分企业试探性的实施阶段。虽然目前属于起步阶段，但中国银行必将会借助CRM来提升自身的核心竞争力。现在，我国银行已经建立了相应的硬件设施包括客户服务中心、数据仓库，但目前我国银行CRM系统基本缺乏深入的客户信息分析及与后台可集成的销售业务操作功能，从长期来看，国内银行目前着力进行投资建设的电话银行和网上银行、纷纷推出的综合业务系统或整合业务处理系统以及注入巨资建设的银行内部网络、数据仓库等，也将构成商业银行CRM系统的有机组成部分。充分运用数据挖掘技术对国内银行将是非常必要的。
二、数据挖掘在银行客户关系管理系统中的应用
数据挖掘技术可以应用到以客户为中心的企业决策分析和管理的各个不同领域和阶段，在银行客户关系管理中，它可以应用到以下几个方面：
1、客户盈利能力分析。不同客户对于银行来讲，其价值是不同的。数据挖掘可以有效地分析和预测不同市场活动情况下客户盈利能力的变化，帮助银行制定合适的市场策略。
2、客户获得、流失和保持分析。随着竞争的加剧，获得新客户的开支愈来愈大，银行也愈来愈重视保持原有的客户。银行作为一个特殊行业，它所提供的产品基本都相同，而且银行不像其他行业有那样多的机会和每一个具体的个人客户进行接触，所以在客户保持上要提供优质的客户以外，还需要对客户流失规律进行分析，从而改善对现有客户的服务来避免客户流失。数据挖掘技术可以建立客户流失的预测模型，识别导致他们转移的模式，以便对可能流失的客户采取预防措施。
3、交叉营销。银行和客户之间的关系是经常变动的，一旦拥有了新的客户，就要竭力完善这种关系，需要对其进行交叉销售，为原有客户提供新的产品或服务。数据挖掘技术可以帮助银行分析出最优的合理的服务匹配。
4、客户群体分类分析。通常情况下，少部分高价值的客户能够为银行带来大部分利润。进行客户细分后，银行可以为这部分客户提供足够的技术和人力资源的支持，以满足这些高价值客户对银行服务的期望。多数客户则处于高价值与低价值中间，他们带动银行的成长，是银行重要的客户群。这些中间客户通常会对银行的财务业绩产生很大的影响。对银行来讲，为高价值客户提供高级优质的服务很重要，而为不同层面的客户提供相应的有针对性的服务也同样重要。细分可以让银行从比较高的层次上来查看整个数据库中的数据，也使得银行可以用不同的方法对待处于不同细分群中的客户。数据挖掘技术可对大量的客户分类，提供针对性的产品和服务。
5、客户信用分析。一般的商业银行均提供贷款业务，以前对于个人贷款业务一般需要进行实物抵押才能贷款，而现在银行提供了信用卡业务，持卡人在不需要任何担保的情况下可以进行小额贷款，这样的贷款额度虽然不大，但是由于没有进行实物抵押，而且追逃成本高，所以给银行带了较大的风险。通过科学有效的分析方法，对客户群体进行有重点、有针对性的客户信用分析可以对现有的客户资源进行合理规划，并为未来的客户开拓提供有利的理论依据。数据挖掘技术可以用于发现优质客户的共性特征，发现客户群体的信用风险，以便让商业银行采取有效的防范措施。
三、数据挖掘在银行客户关系管理中的应用模式
数据挖掘技术的应用是从拥有大量客户数据的银行业和电信行业开始的，而银行的数据比电信行业的数据保存得更为完善。在商业银行中有两个可以利用的巨大资源：客户的存款和客户的数据。相应地，银行的管理产生两大任务，即客户资金管理和数据挖掘。数据挖掘在银行客户关系管理中是如何实现的？从数据挖掘的定义可知数据挖掘技术主要为两项工作：自动趋势预测和探测以前未发现的模式。而这两项工作又是通过建模来实现的，在已知的情况下建立起一种模型，并且把这种模型运用到银行未知的环境中，可以发掘隐藏在数据库深处的重要信息，并且做出预测。数据挖掘在银行CRM中的应用模式如图1所示。（图1）
四、基于数据挖掘的银行CRM系统结构原理
我国银行在各地建有大量的分支机构，银行CRM系统可以采用分布式数据库环境，即所有分行都拥有自己的CRM系统，并与本地综合业务系统及呼叫中心连接，同时在总行建有CRM数据库，提供面向全行的分析决策功能，并为网上银行业务提供数据查询支持。因此，银行总部应该统一建立起一级网上银行，所有网上银行的客户均在同一个数据库中注册。这样，网上银行的客户信息直接在总行的CRM数据库中集成，各分支机构可以随时调用总行数据库中的客户信息，进行具有分行特色的CRM，总行CRM系统结构如图2所示。（图2）
在CRM数据挖掘中，实际分为操作数据和分析模型。操作数据包括客户基本信息、客户财务信息和操作控制；分析模型包括客户关系管理的所有模型。CRM的主体部分将通过数据集成系统与业务处理系统（综合柜面系统等）和客户联系渠道（呼叫中心等）连接起来。因此，银行CRM系统的实施主要体现在CRM数据集成系统、CRM数据库、CRM决策分析环境和基本信息服务接口四大部分。
五、以数据挖掘为核心的银行CRM系统实施步骤
银行CRM系统一般由业务处理、客户联系和客户数据挖掘中心三部分组成。客户数据挖掘中心则以CRM中心数据库为核心，数据集成系统与业务处理部分连接，同时为银行的管理层和业务分析人员提供业务分析系统。
一般而言，以数据挖掘为核心的银行客户关系管理的实施有如下步骤：（1）从业务流程入手，完成客户联系渠道的集成，将来自不同企业的业务系统以及外部的客户资料集成到客户处理中心；（2）对搜集到客户处理中心的客户资料按照识别客户的要求进行集成处理；（3）创建分析数据模型库；（4）利用数据挖掘工具对数据进行挖掘，为决策支持提供服务。
六、结束语
在银行CRM中有效利用数据挖掘，可以通过对大量的客户信息进行分析，找出各种数据之间的关联性，并设计和衡量客户的需求、盈利能力、信用度、风险度、满意度和忠诚度等指标，从而能够为优质客户提供满意的服务，为银行高层决策者提供准确的客户分类、忠诚度、盈利能力及潜在用户等有用信息，指导决策者制定最优的银行营销策略、降低银行运营成本、增加利润，促进银行业务的加速发展。
（作者单位：东北财经大学津桥商学院）
主要参考文献：
[1]李波.基于SLIQ分类算法的数据挖掘技术及其在企业CRM中的应用[J].计算机工程与应用，2002.21.
[2]张磊，钟勇.基于神经网络规范约束的关联规则挖掘[J].计算机应用，2002.6.
[3]李宝东等.数据挖掘在客户关系管理(CRM)中的应用[J].计算机应用研究，2002.10.
[4]河川.基于客户关系管理的银行决策支持系统框架[J].技术经济与管理研究，2003.5. |
|
|
|
