商业银行客户关系管理系统设计与实现

　　摘    要：　近几年来金融业得到了快速的发展，银行之间的竞争也更为明显，银行只有开发出新的产品，提升产品组合的水平才能从根本上缩小银行的差异，为了提高客户忠诚度，需要根据市场变化迅速做出反应，根据金融市场变化来构建银行客户关系管理系统。

　　关键词：　数据挖掘技术; 银行客户关系管理系统; 设计; 建设;

　　1、 银行客户关系管理系统

　　银行客户关系管理系统的起源，最早可追溯至上世纪90年代，倡导以客户满意作为中心，以市场作为导向。关于客户关系管理，是基于客户需求为导向，以信息技术作为发展驱动力，将各类软件、方法、互联网应用在其中，并基于商业战略，以提升利润、收益、客户满意度作为目的，可以对有效客户进行精准定位[1]。

　　呼叫中心、CRM软件、电子商务、数据仓库共同组成银行的客户关系管理系统，对于银行而言，客户关系管理是将客户关系与银行管理有机结合在一起，具体而言其涵盖以下内容：

　　1.1 、客户信息管理

　　与其他类型的企业相比，银行的最大优势就是其拥有庞大的客户信息数据库，从根本上而言客户关系管理系统是将客户的信息进行全面的梳理和掌握，基于银行利润贡献度来构建客户价值评估体系，针对不同需求、层次的客户进行细化分析，制定价值服务流程，以此来提升客户满意度。

　　1.2 、营销管理

　　在信息时代的发展下，银行营销渠道也发生了变化，从传统柜台渠道延伸至电话银行、网络银行，营销渠道呈现出多元化的发展趋势。但是，不管银行的营销渠道发生什么变化，客户关系管理都是银行极为重要的工作，针对客户数据进行细化分析，能够帮助银行找到更多的销售机会，对现有营销模式做出评价，让银行从传统的宏观营销模式转化为微观营销模式[2]。

　　1.3、 销售管理

　　在银行营销渠道的多元化发展背景下，银行的销售也变得多样化，从传统现场销售转化为如今的电话销售、网络销售等模式，因此，银行需要对各类销售渠道进行科学管理，及时反馈客户信息，满足不同客户群体的要求。

　　1.4 、客户服务

　　银行的经营目的是为了实现利润的最大化，要达到这一目的，始终以客户需求为导向，为客户提供多元化的产品和服务，针对在客户服务中产生的各类问题，及时处理、反馈、改进。而在这一方面，可以借助客户关系管理系统中的互联网、呼叫中心为客户提供服务。
 

　　2、 价值意义

　　数据挖掘技术从本质上来讲，就是将有效的信息从庞大的数据信息中提炼出来，在很大程度上提升了信息的利用率，可以将低层次的信息转化成高价值的信息，为决策提供充足的依据。数据挖掘技术，还能利用各类分析工具，在数据中发现数据和模型，利用这类关系模型来预测、发现数据的联系，找出其中被忽视的因素。

　　利用数据挖掘技术中的人工智能和高级统计方法，能够实现对海量数据的准确、高效挖掘，以此来提升银行的应变能力与响应能力。应用数据挖掘技术，银行通过掌握客户的需求特点，为其提供与之相符的服务和产品，可有效地提升银行的经营能力和盈利能力，为银行创造出一系列的新商机。同时，数据挖掘技术能够客观、精准分析出客户的信用编号与贡献度，准确预测出其需求、行为和未来经济走向，从而智能定制各类服务内容，提升营销的精确度[3]。

　　3 、银行客户关系管理系统设计与建设

　　3.1、 系统需求

　　3.1.1、 客户信息管理模块功能

　　客户是银行生存的重中之重，只有掌握客户信息，方可为其提供针对性服务。在客户信息的录入上，包括新增客户的联系方式、身份证明、月收入、学历、婚姻状况、家庭情况等。

　　3.1.2、 客户服务管理模块功能

　　对于客户而言，优质的服务是其选择某家银行的关键因素，同时也决定了银行是否能可持续发展，客户服务管理模块往往涵盖客户需求分析、客户投诉等，其可以有效地记录客户反馈信息，并进行细化分析，从而帮助银行了解客户需求。

　　3.1.3、 信息分类模块功能

　　以客户的贡献度为通过依据，可以将客户群划分为优质客户、发展客户、一般客户，优质客户存量为2万元以上/月，待发展客户存量为0.5万元以下/月，一般客户存量介于0.5万到2万/月，通过对这些数据的分析，能够掌握客户级别，针对客户需求来制定营销方案[4]。

　　3.1.4、 客户信息分析模块的功能

　　在这一模块中，应用数据挖掘技术分析客户的历史数据，判断出其基本特征与价值，对客户行为进行细化分析，从而帮助银行调整服务策略和营销策略，以提升银行的盈利能力。

　　3.2、 基于数据挖掘技术的银行客户关系管理系统设计与建设

　　3.2.1、 系统设计流程

　　在客户分类上，根据客户贡献度、忠诚度来进行分析，将用户分为优质用户、普通用户、风险客户几类。优质客户其忠诚度、贡献度较高，是银行提供服务的重点对象；风险客户贡献度高，但是忠诚度较低，针对此类客户，要采用针对性的营销方法，采取科学的方式来提升其忠诚度，将其发展为优质客户。

　　在数据的准备上，需要确定好挖掘目标，通过业务存储数据库、客户存储数据库对其进行预处理，处理环节中，要保证数据的完整，统一将不一致数据清理出来，如果数据规模很大，则可以对数据加以筛选，将一些相关度较大的数据加以互联，从中提炼出价值高的数据，为数据挖掘方法的应用构建数据仓库。

　　在数据建模上，以数据处理、初始化作为基础，在建模环节中，确定好挖掘目标，选择合理的挖掘模型和算法，调整好模型参数，根据不同模型来得出分析结果。

　　在模型的评估上，利用数据挖掘技术来进行定义与评估，得出可用信息，并利用逻辑图形、图表的方式来展现，让信息变得清晰明了，假如发生数据与预期结果差距过大，需要构建新的模型进行重新分析。

　　3.2.2 、客户分类

　　在数据的储存中，会出现噪声数据，这个数据可能是由于录入不准确或者没有备份、传输中断导致，对于此类数据，需要对其进行预处理，补全数据信息，构建数据仓库。在得到数据集后，抽取部分训练数据集，确定每条记录，分析属性用内标号属性[5]。在分类规则的提取上，将决策树转化为分类规则，得出分类模型后，即可在随机抽取、独立样本、测试集中评估出预测正确率，利用这一模型来对客户群体作出分类。

　　3.2.3 、系统界面

　　系统登录页面提供统一登录接口，通过这一功能，能够保障银行客户关系管理系统的安全性，识别不同用户的身份，为其分配相应权限，用户在登录时，需要验证身份、输入密码和验证码后，系统可以识别出字符有效性，掌握用户的合法性与其功能角色权限。

　　3.2.4、 客户信息管理

　　在客户信息管理功能中，包括查询功能、增加功能、修改功能与删除功能。在查询功能中，输入查询条件后，即可查询出对应客户的信息，以列表的形式来输出。在信息录入模块中，点击增加，即可录入客户信息并自动生成客户编码，如果录入出现错误，可以点击修改模块来进行修改。

　　3.2.5、 客户服务管理功能

　　在客户投诉管理查询中，在收到投诉信息后，可以通过投诉信息处理模块来进行处理，只能输入处理方式、处理人、处理时间、处理级别以及处理状态，其他信息不可修改。

　　3.2.6、 测试方法

　　软件测试涵盖黑盒测试、白盒测试两种。黑盒测试是以产品功能为基础进行的测试，对产品功能正常与否加以判断，该种测试方式更加侧重于产品表面，不需要关注程序内部结构与特征。但是，在具体测试中，需要充分考虑到各类情况，既要关注合法输入，也要关注不合法输入，当系统发生改变时，要将黑盒子测试系统应用到测试中。在黑盒子测试上，主要采用边界值分析法、比较分析法、决策表方法、因果联系法，输入不同条件测试值来分析系统执行情况，从而分析程序的运行问题[6]。

　　4 、结语

　　数据挖掘技术在银行客户关系管理系统的设计和建设上，具有良好的发展前景，对于银行而言，其客户数据信息分散在不同系统中，银行需要将各类数据统一整合，从各个渠道反馈客户信息，为其提供高质量服务。以客户的需求为导向，对其需求特点进行深入的挖掘，对有效地掌握客户情况作用显着，另外对于银行的发展起到促进作用，银行可以对失去的客户进行分析，对具有相同特征的客户，采取对其有效的措施来留住客户。通过对银行客户数据进行深入挖掘，对客户进行了精准定位，为银行未来的有效决策提供了依据。

　　参考文献

　　[1]王慧敏,陈泽宇,张驰.基于CRISP-DM模型的时序预测Web服务设计与实现[J].计算机应用与软件,2011,(1).
　　[2]周玲元,冯良清,张群东.数据挖掘技术在网络化制造CRM中的应用研究[J].制造业自动化,2010,(5).
　　[3]张晖.数据挖掘在煤炭企业CRM中的应用与研究[J].煤炭技术,2010,(6).
　　[4]李世超,麦范金,王臻.基于数据挖掘技术的客户细分研究[J].电脑知识与技术,2009,(2).
　　[5]刘鸿沈,徐雅斌.数据挖掘技术在客户细分领域的应用[J].福建电脑,2008,(10).
　　[6]张莉.数据挖掘技术及应用现状[J].中国石油大学胜利学院学报,2008,(2).