銀行代發(fā)工資業(yè)務(wù)的數(shù)據(jù)挖掘及CRM系統(tǒng)的設(shè)計.pdf

1、代發(fā)工資業(yè)務(wù)能給銀行提供大量優(yōu)質(zhì)的客戶、增加銀行沉淀資金，是銀行的優(yōu)質(zhì)業(yè)務(wù)。為推動代發(fā)工資業(yè)務(wù)發(fā)展，提升銀行盈利能力，銀行需準確地對代發(fā)工資業(yè)務(wù)客戶進行分類，并建立客戶關(guān)系管理系統(tǒng)，實現(xiàn)交叉營銷和個性化服務(wù)，提升銀行核心競爭力。
　　針對海量代發(fā)工資數(shù)據(jù)，銀行建立企業(yè)級數(shù)據(jù)倉庫。在TERADATA數(shù)據(jù)庫上，通過業(yè)務(wù)分析、概念模型建立、邏輯模型建立、物理模型建立，構(gòu)建出數(shù)據(jù)倉庫的模型，通過DATASTAGE軟件實現(xiàn)ETL實施和數(shù)據(jù)質(zhì)

2、量評估，完成數(shù)據(jù)倉庫的構(gòu)建，并最終通過OLAP進行多維數(shù)據(jù)分析。銀行針對代發(fā)工資業(yè)務(wù)客戶關(guān)系管理的現(xiàn)狀，利用SAS統(tǒng)計工具，設(shè)計了基于K-means聚類算法的代發(fā)工資業(yè)務(wù)客戶細分模型。論文詳細介紹了代發(fā)工資業(yè)務(wù)數(shù)據(jù)挖掘過程：數(shù)據(jù)挖掘工具的選擇、數(shù)據(jù)挖掘算法的選擇、數(shù)據(jù)挖掘算法的優(yōu)化和數(shù)據(jù)降噪、數(shù)據(jù)理解和數(shù)據(jù)準備及實例展現(xiàn)。數(shù)據(jù)挖掘模型的分析結(jié)果為代發(fā)工資業(yè)務(wù)客戶細分提供了依據(jù)。銀行從數(shù)據(jù)倉庫中抽取數(shù)據(jù)挖掘結(jié)果，并對結(jié)果進行分析，結(jié)合銀行