如何甄别一家专业诚信的论文机构? 咨询电话: 13161669098(李老师) QQ:286399115点击即时交谈 设为首页 | 加入收藏 | 在线留言 | 旧版站点入口  

银行CRM数据挖掘准备工作和挖掘的流程

减小字体 增大字体 作者:佚名  来源:本站整理  发布时间:2017-05-12 23:13:37

银行CRM数据挖掘准备工作和挖掘的流程
    银行CRM系统挖掘一般都是以CRM中心数据库为核心,结合银行的业务流程,为管理人员和分析人员提供深层次的数据支持。数据挖掘也不是盲目的进行,而是有目的的进行分析,这样可以大大的提高挖掘出数据的价值,所以进行有目的的前期准备是银行CRM数据挖掘的首要步骤}zaj。前期的准备主要包括:确定挖掘对象,数据准备,构建挖掘数据库。
一、选定挖掘对象
    数据挖掘的第一步是定义清晰的挖掘对象,认清数据挖掘的目标。数据挖掘在CRM中的对象是根据挖掘分析的方向来确定的,通常是数据库中的客户群体。
二、数据挖掘中的数据的准备工作
    所做的工作主要是在数据的准备阶段,分析和模型等可以应用相应的专业分析工具。这样一来数据准备就非常重要了
    过去,数据挖掘工具的开发主要侧重于提供强大的分析算法上。但是,分析“引擎”只能完成数据挖掘项目中的一小部分任务。大多数数据挖掘人员在实际工作中都知道,数据挖掘项目中}o%到90%的工作是做数据准备。在数据挖掘工具的演进过程中,数据准备功能的开发一直被放在次要位置上。最后,你要能够对模型准确评估,才能比较多个模型,并将它们推荐给需要应用到结果的人员。
    数据的准备任务是数据收集和筛选,常见的数据准备可以细分为:
      ·进行数据评估,以判别出数据缺失等因素。
    ·合并多个数据集;
    。从现有变量中派生新变量。大多数数据挖掘人员发现,有些最具有预测能力的变量,正是派生出来的变量。
    大多数数据挖掘工具会把这些数据挖掘功能放在次要的地位,但数据准备工作确实是很重要而且不可缺失的一环。
    除了能支持以上的数据准备任务,一个好的数据挖掘工具还应该包含模型评估的功能,以便比较建模过程中产生的多个模型,并用于支持直效营销(direct marketing)o
三、构建数据挖掘数据库
    为多维数据分析和数据挖掘构造和设计数据挖掘仓库。
    简单来说是准备挖掘数据,在这个过程.中一定要注意数据样本的大小和质量,还要注意保证数据的任意性,在样本数量能够得到保证的前提下,将样本分为两部分,一部分用来进行数据挖掘,另一部分封存。以备进行模型检验}zs}。
四、构建数据挖掘模型
    是将数据转化成一个分析模型的阶段,这个分析模型是针对挖掘算法建立的(?}l。例如在信用评估或者风险评估的挖掘中,就是以数理技术为基础模型的信用风险评价系统,对信用风险进行更为精确的度量与分析,通过如比例分析法、判别分析法、Logistic回归法、Z一Score及此基础上改进的AETA模型以及数学规划、贝叶斯决策模型、存活分析方法、FICO程式等数学模型来进行。并根据需求,运用统计学来进行分类。
五、进行数据挖掘
    根据数据功能的类型和数据豹特点选择相应的算法(如数据总结、分类、聚类、关联规则发现或序列模式发现等),在净化和转换过的数据集上进行数据挖掘。
    在CRM客户关系管理系统的数据挖掘中,挖掘的算法和过程相对比较固定,可以通过程序固定下来,具体的应用中只要直接进行数据的套用即可。
五、数据挖掘结果的分析
    数据挖掘结果分析包括两个方面:对数据挖掘的结果的检验;对数据挖掘的结果进行解释和评价。
    对数据挖掘的结果的检验:用另一组数据进行比对,如果吻合程度比较高,表明该模型比较真实可靠,反映了业务的实际情况,可以投入使用。否则需要重新进行数据收集和挖掘。
    对数据挖掘的结果进行解释和评价。是对CRM的数据挖掘结果的数据转化,变成决策者或者使用者容易理解的形式,技术上就是把数据转换为具体的图形表格等直观的形式,.并加以说明。
 

  • 好的评价 如果您觉得此文章好,就请您
      0%(0)
  • 差的评价 如果您觉得此文章差,就请您
      0%(0)

文章评论评论内容只代表网友观点,与本站立场无关!

   评论摘要(共 0 条,得分 0 分,平均 0 分) 查看完整评论