1.项目简介
本项目以个人信用卡业务为应用背景，对信用卡客户在不同生命周期中最重要的行为特征进行分析建模，研究支持该模型的可重构决策支持框架和数据挖掘方法，力求全方位提高企业对客户行为的认知能力，使企业能够更加快速准确地识别合适的市场机遇，更好地挖掘和提升客户价值，为银行相关部门决策提供辅助决策支持，完成以下内容：
1）面向客户全生命周期的多视图客户行为分析模型研究；包括信用度预测模型、贡献度预测模型、流失预警模型；
2）面向客户行为分析的高性能数据挖掘方法研究； 包括优质客户识别、客户流失分析预测、异常客户识别等；
应用本项目成果中数据挖掘技术，项目组参加由PAKDD组织的有全球141个队伍参加的巴西某银行信用卡数据预测竞赛，获得世界第五、亚洲区第一的成绩。
2.技术指标
在封闭数据集情况下，我们对相关数据挖掘技术进行测试，并依此得到分析和评价报告。该项技术在银行或保险等金融类企业客户关系管理（CRM）应用中非常重要，具有很好的发展前景：
1）提高了优质客户的识别率，只要保留全部申请者的50％到60％，即可获得几乎全部的高贡献度客户；
2）对客户作分类，在基于上万条真实信用卡客户数据集上，解决方案的分类准确率高于80%；
3）系统能够提供算法的添加、删除和定制功能，对模型或算法参数能自由编辑；
4）支持和提供可视化交互的建模过程。
3.应用说明
本项目所开展的各项工作均基于某商业银行的真实客户数据，与银行相关部门主管和负责人，以及研发人员进行了充分调研和深入沟通，研究目的明确，有较强的行业应用价值。同时，模型底层的支撑技术多数为数据挖掘领域的共性技术，可以较为直接地应用到其它银行的客户关系管理工作中。
4.效益分析
近年来，中国金融行业尤其是银行信贷业发展速度十分迅速，对居民消费、企业经营等产生了很大的促进作用。同时伴随着各行业信息化程度的不断提高以及银行信息系统的不断完善，积累了大量的关于客户信息的宝贵数据资源。而且由于银行业是典型的以客户为导向的服务行业，对各类客户理解的深度很大程度上决定了企业的成功与否。基于以上所述的银行对客户分析需求的必要性和重要性，当前对客户数据的分析是企业管理核心内容之一。因此，本系统的投入能一定程度上规避借贷风险，优化银行借贷结构。
责任编辑：admin
