數(shù)據(jù)挖掘在證券業(yè)務客戶服務中的應用

1、學校代碼：10385分類號：研究生學號：1301414022密級：數(shù)據(jù)挖掘在證券業(yè)務客戶服務中的應用數(shù)據(jù)挖掘在證券業(yè)務客戶服務中的應用Theapplicationofdataminingincustomerserviceofsecurities作者姓名：周天祥周天祥指導教師：陳鍛生教授陳鍛生教授實踐導師：專業(yè)學位類別領(lǐng)域：計算機技術(shù)計算機技術(shù)研究方向：數(shù)據(jù)庫與智能數(shù)據(jù)管理數(shù)據(jù)庫與智能數(shù)據(jù)管理所在學院：計算機學院計算機學院論文提交日期：二

2、〇一七年五月十九日年五月十九日萬方數(shù)據(jù)摘要I摘要摘要在證券行業(yè)高速發(fā)展的今天，市場的競爭也相當激烈，原有靠收取傭金為主的傳統(tǒng)模式已不再適應當今時代。提升客戶服務質(zhì)量，加強服務質(zhì)量管控，提升客戶感知、延長客戶生命周期，轉(zhuǎn)型為綜合性金融服務公司已經(jīng)成為各大證券公司在激烈競爭中獲得優(yōu)勢的努力方向。本文結(jié)合華福證券泉州分公司的經(jīng)營情況及數(shù)據(jù)，挑選了樸素貝葉斯算法進行數(shù)據(jù)挖掘研究。從客戶海量的相關(guān)數(shù)據(jù)中提取資產(chǎn)、交易等數(shù)據(jù)，通過數(shù)據(jù)清洗歸納匯總、

3、文本型數(shù)據(jù)數(shù)值化、連續(xù)數(shù)值離散化的方法，對數(shù)據(jù)進行預處理。根據(jù)業(yè)務需求及樸素貝葉斯算法的特點，最終選取資產(chǎn)、換手率、盈虧率這三個特征向量來進行數(shù)據(jù)挖掘，將客戶分類為高價值客戶、高價值易消亡客戶、普通客戶、低價值客戶、無價值客戶五類。在確定模型后，對模型分類結(jié)果進行驗證及優(yōu)化，準確率達到90%以上。通過本課題的研究，能準確地對客戶進行分類，并根據(jù)業(yè)務特點，對分類出的不同類型的客戶提供不同的服務，提高了客戶服務的深度和準確性，為前臺服務人員