基于数据仓库的商业银行客户关系管理及系统建设——以洛阳银行为例 59页

分类号UDC密级编号专业硕士学位论文基于数据仓库的商业银行客户关系管理及系统建设——以洛阳银行为例ThebuildoftheCustomRelationshipManagementandthesystembasedontheDataWarehouse-AnexamplsoftheLuoyangBank学位申请人：党媛指导教师：张学军副教授合作教师：专业领域：项目管理学位类别：工程硕士2014年11月万方数据 独创性声明本人声明，所呈交的论文是我个人在导师指导下完成的研究工作及取得的研究成果。据我所知，文中除了特别加以标注和致谢的地方外，不包含其他人已经发表或撰写过的研究成果，也不包含为获得河南科技大学或其它教育机构的其他学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。研究生签名：日期：关于论文使用授权的说明本人完全了解河南科技大学有关保留、使用学位论文的规定，即：学校拥有对所有学位论文的复制权、传播权、汇编权及其它使用权（特殊情况需要保密的论文应提前说明，但在解密后应遵守此规定）。需要保密的论文请填写：本学位论文在年月至年月期间需要保密，解密后适用本授权书。（需要保密的学位论文无须向图书馆提供论文的电子文档）研究生签名：导师签名：日期：万方数据 摘要摘要目前，我国银行对客户资源的竞争异常激烈，各家银行纷纷认同“得客户者得天下”，谁掌握了客户资源，特别是优质的客户资源，将在市场竞争中占据主动地位。大数据时代的来临，推动了信息技术的高速发展，银行内部各个信息系统积累了大量客户信息，因此，利用数据仓库技术对各类信息进行整合，形成完整的客户信息全景视图，利用数据挖掘技术进行分析和预测，并应用于客户关系管理中，成为了现代商业银行发展的必然趋势。本文研究和剖析了数据仓库技术的发展、趋势及国内银行业的数据仓库建设情况，根据数据仓库的主要应用方向，着重分析了数据仓库在银行客户关系管理中的应用情况，结合洛阳的经营目标，对洛阳银行的客户管理现状进行了分析，提出了洛阳银行在客户关系管理过程中的所面临的难题，在此基础上梳理了洛阳银行客户关系管理系统的业务需求，并提出了建设方案：利用数据仓库的数据资源，整合客户信息，综合评价客户贡献度、忠诚度及客户潜在价值等指标，从而对客户进行分群细分，并根据不同客户群体进行精准营销和事件营销，从而提高客户的稳定性，促进银行盈利能力的增长。最终，进行了总结和展望，数据仓库未来将银行内部发挥着数据中枢的作用，而在互联网金融时代，在考虑大数据与客户管理相结合的解决方案的时候，要结合线上业务发展的方式，综合进行考虑，从而保证客户行为等分析数据的准确性。关键词：数据仓库；客户关系管理；系统建设论文类型：应用类选题来源：其他I万方数据 摘要II万方数据 ABSTRACTABSTRACTAtpresent,thereisanintensecompetitionamongChinesebanksinpursuingcustomerresource.Itisrecognizedthatbankswhohavemostcustomersespeciallyhigh-qualitycustomerresourceswilloccupythemarketandtaketheactivepositioninmarketcompetition.Thecomingofthebigdataerapromotestherapiddevelopmentofinformation technology.Becausebankinternalinformationsystemsaccumulatealargenumberof customerinformation,itwillbetheinevitabletrendofthedevelopmentofmodern commercialbanksthatintegrateallkindsofinformationbyusingdatawarehouse technologytoformthecompletecustomerinformationpanoramicviewandutilize dataminingtechnologytoanalyzeandforecastandfinallyputitincustomer relationshipmanagement.Thispaperstudiesthedevelopmentofdatawarehouse,itstrendandits constructionindomesticbankingindustry.Accordingtothemainapplicationrange ofdatawarehouse,itemphasizestheapplicationofdatawarehouseinthecustomer relationshipmanagementinBankofLuoyang.Combinedwiththe businessobjectivesinLuoyang,itstudiesthecurrentsituationof customermanagementofBankofLuoyanganditsfacingproblem.Basedonit,it makesclearthatallbusinessneedsandproposesaconstructionscheme:Inorderto improvethestabilityofbankcustomersandpromotebankprofitgrowth,itmakesthe clusteringsegmentationtothecustomertoleadtotheaccuratemarketingandevent marketingbyintegratingcustomerinformation,evaluatingcustomercontribution, loyaltyandpotentialvaluecomprehensively,etc.Finally,thepaparconcluded:datawarehouse,willbankplaysacentralroleinthebanksinternaldataapplcation,andontheInternetfinancialtimes,whenconsideringsolutionsforlargedataandcustomermanagementcombination,accordingtotheonlinebusinessdevelopmentmode,comprehensiveconsideration,soastoensuretheaccuracyofcustomerbehavioranalysisdata.KEYWORDS:Datawarehouse;Customrelationshipmanagement;SystemconstructionIII万方数据 ABSTRACTDissertationType:ApplicationSubjectSource:OtherIV万方数据 目录目录第一章绪论................................................1第一节选题依据.........................................................................................................1一、研究背景............................................................................................................1二、研究意义............................................................................................................1第二节国内外研究现状.............................................................................................2一、国外客户关系管理的研究现状.........................................................................2二、国内客户关系管理的研究现状.........................................................................3第三节研究思路和研究方法.....................................................................................3一、研究思路............................................................................................................4二、研究方法............................................................................................................4第二章数据仓库及其形成....................................5第一节数据及数据仓库.............................................................................................5一、数据仓库的发展历史.........................................................................................5二、数据仓库的发展趋势.........................................................................................5三、国内金融业数据仓库发展概况.........................................................................6第二节洛阳银行数据仓库及关键技术.....................................................................6一、数据仓库建模....................................................................................................6二、数据标准及数据质量管理.................................................................................8三、元数据管理及分析.............................................................................................9四、数据抽取、加工和转换.....................................................................................9五、数据交换及服务..............................................................................................10 第三章基于数据仓库的客户关系管理.........................13 第一节基于数据仓库的一般应用...........................................................................13 一、数据挖掘技术简介...........................................................................................13 二、数据仓库一般应用简介...................................................................................14 第二节数据仓库在客户关系管理中的应用...........................................................14 一、数据仓库在客户关系管理中应用的概况.......................................................14 二、数据挖掘在银行客户关系管理中的应用.......................................................15 三、国内金融业基于数据仓库的客户关系管理情况...........................................17 第四章基于数据仓库的客户关系管理系统建设—以洛阳V万方数据 目录银行为例...................................................19第一节洛阳银行数据仓库建设方案.......................................................................19一、系统架构..........................................................................................................19二、总体设计方案..................................................................................................20三、数据模型设计..................................................................................................22第二节洛阳银行客户关系管理系统建设方案.......................................................26一、洛阳银行客户关系管理需求分析...................................................................27二、系统架构..........................................................................................................36三、数据模型设计..................................................................................................36四、业务功能模块..................................................................................................37第五章结论与展望.........................................40参考文献...................................................41致谢.....................................................44VI万方数据 第一章绪论第一章绪论第一节选题依据一、研究背景目前，我国银行业面临着外资银行的冲击，行业间的竞争，导致各家银行对客户资源的争夺异常激烈。银行在进行客户关系管理和进行客户维护时，需要利用产品创新、提供差别化服务等手段，来提高客户占有量，特别是优质客户的占有量。近年来，国内银行普遍完成了核心业务系统、中间业务平台、现代支付系统（大、小额）、电子商业汇票系统、综合报表系统、国际结算系统、网上银行系统、信贷管理系统等系统的建设，信息系统建设已从“规模扩张”转为“深化应用”阶段，对行内各系统数据进行整合，消除数据孤岛，打通各系统间的数据关联，在行内建立统一数据标准，并在此基础上将数据信息利用于产品创新、客户服务、经营决策等方面，因此，数据仓库系统已成为行内系统建设的趋势。如今以客户为中心经营理念在银行业已经被普遍接受，因此在数据仓库基础上建设以客户为中心客户关系管理系统（CRM）已迫在眉睫，利用信息技术，从海量的数据信息中挖掘出有价值的客户信息和规则，预测客户的个性化需求，进行精准营销，降低客户流失率，可以为客户提供有针对性的服务，打造银行真正的核心竞争力。二、研究意义1、提高银行核心竞争力目前，商业银行的核心竞争力主要体现在人性化的客户服务上，随着银行业竞争规模的扩大，如何通过行内各系统间零散的信息进行深度剖析，准确分析出客户的需求，并评估出客户的信用状况、忠诚度、利润贡献度等指标，准确划分出优质客户，有针对性的进行营销，从而提高银行的客户占有率和盈利能力。2、保障银行更好适应当前经济形势伴随经济时代的来临，银行对公客户经营方式和个人客户的消费方式正在发生改变，对公客户希望得到个性化和优质的服务，个人客户则希望得到便利和快捷的服务，因此，银行也需要改变传统的经营模式，以事业新的经济形势环境。而客户关系管理可以对银行的内部资源进行重新并有效的整合，从而改善银行与1万方数据 河南科技大学硕士学位论文客户之间的管理模式，在提高客户满意度的同时，降低银行的运营成本，提高银行的经济效益。3、加深银行和客户联系。目前，越来越多的银行已经认识到客户资源的重要性，进行客户关系管理，可推进以客户为中心的战略，通过服务吸引和推广营销相结合的策略，能够有效满足客户的个性化需求，加深客户关系的维护，从而提高客户黏度，增强银行的市场竞争能力。第二节国内外研究现状客户关系管理(CustomerRelationshipManagement,CRM)起源于20世纪80年代初提出来的“接触管理”(ContactManagement),即专门收集整理客户与公司联系的所有信息到20世纪90年代初期演变成为包括电话服务中心和支援资料分析的客户服务(CustomerCare)。经历了近20年的不断发展,客户关系管理不断演变发展并趋向成熟,逐步成为企业营销策略研究以及营销系统应用的热点。一、国外客户关系管理的研究现状在客户关系管理概念的界定方面:美国著名的IT研究组织GartnerGroup将客户关系管理(CRM)定义为:“通过围绕客户细分来组织企业,鼓励满足客户需要的行为,并通过加强客户与供应商之间联系等手段,来提高盈利、收入和客户满意度的遍及整个企业的商业策略”。客户关系管理模式方面:罗伯特.韦兰（1998）等提出客户关系价值的概念,将客户的价值分为客户的收入贡献和对客户的幵发成本、发展成本及维系成本部分,应该对部分客户实行客户关系管理。JosephANess等人（2001）提出需要根据客户对企业利润贡献度大小来细分客户，CRM是企业的一项商业策略，通过客户细分、提供差异化的营销服务来提高企业的获利能力、收入和客户满意度，CRM系统实现的是基于客户细分的一对一的营销。美国学者DonPeppers,MarthaRogers（2003）认为客户关系需要注重客户份额而不是市场份额,要一个一个的建立客户关系,他们认为客户关系管理是在数据库技术、数据仓库技术、数据挖掘技术、交互工具和大规模定制技术的支持下,企业个性化的管理和个性化客户关系管理。实施CRM的基础就是客户数据,没有较多的信息资源,CRM就成了无源之水、无本之木。数据仓库是目前国际上解决2万方数据 第一章绪论此项问题的比较成熟、应用较为广泛的技术。在CRM中,数据仓库的目标就是决策支持,数据仓库技术在改善交易系统数据方面取得了显著成效。二、国内客户关系管理的研究现状20世纪90年代末，客户关系管理理念开始进入中国，经过十多年的发展，目前国内的研究主要集中在客户关系管理的思想及内涵,客户价值贡献以及客户关系管理软件系统等方面,对客户关系管理模式研究很少。国内学者对客户关系管理的定义:王广宇（2008）认为客户关系管理既是一种经营理念,又是一种应用系统,他融入在企业分析、选择、争取、发展和保持客户所要实施的全部商业过程之中。方家平（2008）认为客户关系管理是营销管理的创新,它重视过程管理,重在管理“客户状态”、“客户满意度”。周运锦、黄杜红（2003）认为客户关系管理的核心就是企业每一位客户建立学习性关系,介绍了客户关系管理的四个关键阶段,即识别客户、对客户进行差异化分析、与客户保持积极的接触、调整产品和服务以满足每个客户的需要。面对国内银行业的激烈竞争，张永（2006）针对城商行提出：城商行必须加强市场营销战略研究，采取先进的客户关系管理技术（CRM系统），才能有稳定持续的发展。崔永军（2009）在对我国中小商业银行机构客户关系管理进行研究时，从商业银行的机构客户分类出发，对不同客户的特征及对金融服务的差异化需求进行分析，并结合中小商业银行的特点，得出了中小商业银行的客户选择原则和典型客户特征，最后阐述了中小商业银行机构客户关系的管理策略。综上所述，国外学术界在客户关系管理的研究领域中处于领先地位,对客户终身价值、客户忠诚度等方面已经做了大量研究,比较重视客户关系的长期价值以及客户对企业的利润贡献率。而国内学术界对于客户关系管理的研究相对滞后，尚处于起步阶段，对客户关系管理领域的研究主要集中在客户关系价值、客户差别化、个性化服务等的研究,对客户的差异化基本上都集中在客户利润贡献上,评价指标比较单一。对客户关系管理在商业银行中的应用方面，主要分布在客户识别、客户吸引两个领域（如客户细分、客户信用风险评估等），对客户维持、客户发展等方面等涉及较少，应用领域还不够宽泛。因此，发展以客户需求为导向的营销模式,充分利用科技的优势,提高客户的满意度、忠诚度,赢取客户终生价值,对提升商业银行的竞争力显得十分的重要。第三节研究思路和研究方法3万方数据 河南科技大学硕士学位论文一、研究思路本研究通过对基于数据仓库的商业银行客户关系管理的研究，旨在对比和分析我国股份制银行及城市商业银行在客户关系管理方面的做法和经验，结合洛阳银行的经营现状及客户管理特点，提出适合洛阳银行的客户关系管理系统建设方案，推动洛阳银行从“以产品为中心”转向“以客户为中心”发展理念的转型，达到了解客户需求，开展有针对性的客户营销，提高客户价值，并最终提高洛阳银行的核心竞争力。二、研究方法1、文献资料分析法通过大量阅读相关专著、期刊，查阅网站相关文献资料，提升对数据仓库及客户关系管理的概念及知识的理解及应用水平；2、对比分析法通过不同视角、不同领域、不同维度的比较分析，在科学推论的前提下，提出大数据时代商业银行经营环境及态势的变化趋势，并在此基础上进一步研讨新型客户关系管理模式的构建；3、案例分析法本文将以洛阳银行现行客户关系管理系统为研究范例，采取个体解剖的方式，对基于数据仓库的客户管理行为的内在机理进行深入剖析，并在此基础上，对洛阳银行客户关系管理系统建设提出切实、有价值的方案和建议。4万方数据 第二章数据仓库及其形成第二章数据仓库及其形成第一节数据及数据仓库一、数据仓库的发展历史数据仓库技术发展经历了以下四个阶段：1、萌芽阶段(20世纪70年代)，MIT的研究员认为业务处理和分析处理由于信息处理方式具有明显的差别，应该分为不同层次，并采用不同的架构。2、探索阶段（20世纪80年代中后期），DEC公司建立了TA2（TechnicalArchitecture2）规范，定义了分析系统由四个部分组成：数据获取、数据访问、目录和用户服务。这是首次提出分析系统架构并将其运用于实践。3、雏形阶段（1988年-1990年），IBM公司提出了信息仓库（InformationWarehouse）的概念，并退出了VITAL规范（VirtuallyIntegratedTechnicalArchitectureLifecycle），确定了数据仓库的基本原理、技术架构以及分析系统的主要原则。4、确立阶段（1991年以后）。1991年BillInmon出版了《BuildingtheDataWarehouse》，标志着数据仓库概念的确立。该书指出，数据仓库是一个面向主题的、集成的、相对稳定的并反映历史变化的数据集合，主要应用于支持管理决策等分析服务。二、数据仓库的发展趋势伴随着技术的日新月异，IT领域无论从软件技术及硬件设备方面都得到了史无前例的快速发展。同样，数据仓库也伴随着这种发展而发展。当下，以海量数据、非结构化数据、低命中率数据处理为目标要求的数据平台对数据仓库技术提出了更高的要求和挑战。同时随着大数据技术的新兴及发展，大数据与数据仓库理念相结合是未来建设数据仓库的趋势之一。数据仓库和大数据，其实质是从两个视角去看待一个问题，大数据注重业务视角，通过客户360度视图对客户进行分析和洞察，而数据仓库则注重技术视角，通过汇聚、元数据管理等技术手段，对繁杂的数据信息进行处理，从而完成数据的整个生命周期管理。数据仓库和大数据两者相互结合，最终达到利用信息手段，来处理和解决业务问题。5万方数据 河南科技大学硕士学位论文三、国内金融业数据仓库发展概况整体来说国有商业银行和股份制商业银行的步伐比较快，而且其中不乏借助于数据仓库支持了行内几十个应用集市的成熟应用典范。随着利率市场化的步伐、以客户为中心的管理的推动、全面风险管理的监管要求，近几年数据仓库在城商行和农商行领域也出现了爆发时增长。我们把国内银行也数据仓库发展大致分为以下几个阶段：阶段一：2004年-2007年，这个阶段是大型商业银行开始尝试建设数据仓库的过程，包括工商银行、建设银行、民生银行、光大银行、浦发银行、交通银行、兴业银行、招商银行等。阶段二：2007年-2011年，这个阶段是数据仓库发展成熟期，数据仓库的用户开始在应用上逐步看到效果，一般看来股份制银行在3年左右需要支持到20-30个应用系统，大型国有商业银行支持50个左右的应用系统的数据需求。同时随着对分析质量的关注，开始启动全面地数据管控和治理体系；在这个阶段另外一些发展不错的银行业选择启动数据仓库建设，包括洛阳银行、平安银行、广发银行、上海银行、上海农商、北京银行、大连银行等。阶段三：2012年以后，数据仓库呈现了爆发式增长，越来越多的区域性城市商业银行和农商行开始启动数据仓库建设，包括锦州银行、内蒙农商、内蒙银行、温州银行、杭州银行、台州银行、泰隆银行、邢台银行等。同期很多已经仓库基本成熟的银行随着技术的发展，开始更多从数据架构上进行重新的规划，依托于现有的数据仓库架构进行扩展，考虑更多大数据技术的应用、历史数据存储平台的建设、实时商业智能体系的规划等。虽然银行有大小、全国性区域性的差异；也存在业务发展的步伐和管理的成熟度的区别。但是从基于数据整合的才能支持全面地客户关系管理、风险控制、绩效考核的角度来看，数据仓库的建设还是银行的必经之路。我们需要做的更多的是依银行的差异性，因地制宜的规划符合每个银行自身的实施路径。第二节洛阳银行数据仓库及关键技术一、数据仓库建模1、数据模型概述数据模型在数据仓库的建设中具有非常重要的作用，设计合理的模型可以满足多种分析型业务和应用的需要，方便应用用户对仓库中的数据的访问和使6万方数据 第二章数据仓库及其形成用，容易理解，易于扩展，同时节省存储空间，提高查询效率。数据模型的好坏是决定数据仓库建设成败的一个关键性的因素。数据模型设计将充分继承和遵循数据标准，并在此基础上进行拓展和完善，从而确保数据模型设计的规范性以及与相关系统的一致性。同时，模型设计将紧密结合洛阳银行的业务特点和未来发展，在模型的适用性、灵活性和拓展能力等各个方面符合开发洛阳银行的业务需求。根据多年来同业数据仓库建设的经验，数据仓库的数据可按功能划分成四个层次进行存储，它们分别是临时层、基础层、汇总层、集市层。各层次规划和特点如下图：2、基础数据模型设计基础层数据模型设计工作，将在洛阳银行数据标准的指导下，充分理解和遵循洛阳银行数据标准中财务、协议、产品、交易和资产等主题的数据参考模型、数据定义和标准代码，并结合金融行业逻辑数据模型产品，综合科学的建模方法和国内外同业的经验借鉴，作为洛阳银行逻辑数据模型建设的参考标准，从而保证逻辑数据模型对分析型业务系统建设的支撑能力以及模型的可扩展性。按照以上建设目标，将从以下两个方面进行基础层数据模型设计工作：（1）结合同业金融行业数据模型产品，进行集成层数据模型的客户化设计洛阳银行本次项目中采用逻辑模型，并基于此进行逻辑数据模型客户化设计7万方数据 河南科技大学硕士学位论文和物理模型设计工作。（2）参考同业主流程数据仓库模型，指导基础层数据模型设计洛阳银行已经启动基础层各主题（财务、协议、产品、交易和资产等）的数据标准定义工作。将遵照数据标准产出成果，指导基础层数据模型设计：3、汇总数据模型设计汇总层是从业务的视角出发，提炼出对数据仓库具有共性的数据访问、统计需求，从而构建出的一个面向支持应用的、提供共享的数据访问服务的公共数据。汇总层主要完成对基础数据的预连接、预计算、预汇总。4、数据集市设计集市层不同于汇总层，其数据仅面向于特定应用，很少在应用间共享数据。如果集市层中的加工/汇总数据需要跨应用使用，则需要考虑在汇总层中实现。应该在性能允许的情况下，尽量避免冗余，最大限度的利用汇总层和基础层的数据，集s市层尽量存放其他层没有的应用指标和为应用服务的特定数据。二、数据标准及数据质量管理1、数据仓库数据标准管理概述数据标准管理的目标是实现数据标准管理工作流程的自动化，提供数据标准管理部门对标准需求的审查、发布与维护功能，制定过程中的文档管理、专家库管理、关键数据治理,配置灵活，提高系统可扩展能力。2、数据标准管理内容数据标准管理的主要内容有：记录所有数据标准信息的版本变更情况，并提供方便的查询方法，简化标准制作工作过程。制定过程中的各种文档，并提供丰富的查询检索手段。对关键信息，如专家信息、需求申请表信息、数据标准、关键数据都提供参数化的定制方式，有良好的扩充性，可适应业务的变化。3、数据仓库数据质量管理概述数据质量管理是各个环节制定数据质量检查方案和检查指标，并在ETL过程中进行数据质量检查，检查结果直接返回到数据质量管理结果库，供数据质量系统进行数据质量监控和分析。4、数据质量管理内容数据质量管理包括缓存区、基础层、汇总层及数据集市几个数据阶段；（1）基础层基础层根据数据标准参考数据模型建立，将源系统的数据按照数据接口8万方数据 第二章数据仓库及其形成的要求，参考数据标准进行转换后提供给基础层进行加载。因此在基础层的数据存储逻辑上可分为两个部分，一部分是用于存放基础层加载的所有数据，另一部分作为数据标准校验区。从源系统抽取、转换后的数据（首次全量及每日增量）首先加载进入数据标准校验区，在此部分进行数据标准校验后再加载进基础层。（2）汇总区及数据集市区汇总区及数据集市区中明细数据查询类可采用与数据库数据校验的方式进行。一是对数据应用程序严格审核：不同应用（指标数据）进行交叉核对，检查数据结果是否正常。二是应用结果核对：把应用输出的结果和同类系统提供的报表数据进行核对，检查差异率。三、元数据管理及分析1、数据仓库元数据管理概述技术元数据从技术的角度描述数据仓库内数据的形态结构，包括源系统元数据、仓库元数据、模型元数据、ETL元数据等。业务元从业务的角度描述仓库中的数据，主要包括业务指标和业务术语等。洛阳银行元数据管理系统，从根本上讲，是将分散在数据仓库各个环节的、独立的元数据统一存储在元数据存储库中，并将各个元数据有机的联系在一起，因此，元数据管理系统的基本任务是实现数据信息的管理即元数据管理。通过元数据管理，使杂乱无章的数据信息成为一个统一的整体。2、元数据管控内容元数据分为技术元数据和业务元数据；技术元数据从技术的角度描述数据仓库内数据的形态结构，主要包括：Ø源系统元数据：从源系统获取其包含的系统级信息、表级信息（涵盖字段和索引、分区等信息）和字段级信息（涵盖类型、长度等信息）；Ø仓库元数据：从数据仓库内部按库获取不同阶段数据的元数据信息；Ø模型元数据：包括逻辑模型（涵盖主题域、实体等信息）；ØETL元数据：包括ETL任务、ETL映射、ETL运行等信息；业务元数据从业务的角度描述仓库中的数据，主要包括：Ø业务指标Ø业务术语四、数据抽取、加工和转换9万方数据 河南科技大学硕士学位论文整个ETL架构可分为四部分的逻辑模块：1、ETL数据处理从源系统进行数据的抽取、加载数据仓库并进行相应的转换。2、数据管控在ETL的输入输出及流程阶段，遵循的数据标准，进行转换过程中的数据质量管理3、异常处理ETL过程中，由于各种异常情况的发生而出错时，可进行恢复性加载，确保数据处理的灵活性。4、调度监控对处理过程中的步骤进行日志记录，便于追溯与跟踪。五、数据交换及服务1、数据交换系统定位通过数据仓库数据交换系统的建设，为洛阳银行各类数据应用提供企业级的可信数据支持。数据交换设计将在洛阳银行数据管理与应用的整体框架下展开。2、数据交换方式洛阳银行数据仓库为其它下游应用（数据集市、监管报送、数据挖掘环境、前台操作型系统、报表定制平台等）提供数据支持的职能。数据交换方式有如下几种方式：方式一：不经ETL服务器直接导出数据（1）在目标应用服务器上部署工具DATASTAGE和相应调度程序；（2）利用目标应用服务器上的DATASTAGE和相应调度程序，按照目标应用接口要求从EDW数据库中导出ASCII码文本文件到目标应用服务器。该方式涉及到目标应用服务器的日常运行维护、软件升级等问题，维护管理的代价较高；同时应用服务器需要安装访问数据库的软件，并且需要开通和数据平台的网络和端口，有一定的安全风险。方式二：经ETL服务器，使用通用文件传输平台导出数据（3）利用部署在ETL服务器上DATASTAGE和相应调度程序，按照目标应用接口要求从EDW数据库中导出ASCII码文本文件到ETL服务器本地磁盘；（4）利用通用文件传输平台将数据文件从ETL服务器传输到目标应用服务器。10万方数据 第二章数据仓库及其形成对在数据平台体系之内，与数据平台密切相关的数据集市、数据挖掘环境、报表定制平台等，使用方式一；对于数据平台体系之外的其他应用使用方式二。11万方数据 河南科技大学硕士学位论文12万方数据 第三章基于数据仓库的客户关系管理第三章基于数据仓库的客户关系管理第一节基于数据仓库的一般应用一、数据挖掘技术简介数据挖掘(DataMining)是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。随着经济全球化的发展，信息技术也进入了高速发展的时期，各类系统积累的数据量增长迅速，在此环境下，数据挖掘技术逐步发展起来，数据挖掘是一种数据处理技术，解决了从海量的数据中提取有用有用信息的问题。数据挖掘的任务主要包括关联分析、聚类分析、分类、预测、时序模式和偏差分析等。(1)关联分析(associationanalysis)：关联规则挖掘是由RakeshApwal等人首先提出的。两个或两个以上变量的取值之间存在某种规律性，就称为关联。数据关联是数据库中存在的一类重要的、可被发现的知识。关联分为简单关联、时序关联和因果关联。关联分析的目的是找出数据库中隐藏的关联网。一般用支持度和可信度两个阀值来度量关联规则的相关性，还不断引入兴趣度、相关性等参数，使得所挖掘的规则更符合需求。⑵聚类分析(clustering)：聚类是把数据按照相似性归纳成若干类别，同一类中的数据彼此相似，不同类中的数据相异。聚类分析可以建立宏观的概念，发现数据的分布模式，以及可能的数据属性之间的相互关系。⑶分类(classification)：分类就是找出一个类别的概念描述，它代表了这类数据的整体信息，即该类的内涵描述，并用这种描述来构造模型，一般用规则或决策树模式表示。分类是利用训练数据集通过一定的算法而求得分类规则。分类可被用于规则描述和预测。⑷预测(predication)：预测是利用历史数据找出变化规律，建立模型，并由此模型对未来数据的种类及特征进行预测。预测关心的是精度和不确定性，通常用预测方差来度量。⑸时序模式(time-seriespattern)：时序模式是指通过时间序列搜索出的重复发生概率较高的模式。与回归一样，它也是用己知的数据预测未来的值，但这些数据的区别是变量所处时间的不同。⑹偏差分析(deviation)：在偏差中包括很多有用的知识，数据库中的数据存在很多异常情况，发现数据库中数据存在的异常情况是非常重要的。偏差检验13万方数据 河南科技大学硕士学位论文的基本方法就是寻找观察结果与参照之间的差别。数据挖掘对象：根据信息存储格式，用于挖掘的对象有关系数据库、面向对象数据库、数据仓库、文本数据源、多媒体数据库、空间数据库、时态数据库、异质数据库以及Internet等。二、数据仓库一般应用简介基于数据仓库的应用，应结银行的业务和管理应用需求，充分利用数据仓库的数据标准性、数据完备性和数据集中性特点，按照业务主题进行组织，每个业务主题都为某方面的业务需求服务，可以根据业务需求的细化要求，建立不同的主题应用系统，如客户关系管理、风险管理、财务和绩效管理、资产负债管理及监管合规等。由于数据仓库对整个企业的数据进行了整合，所以基于数据仓库的应用一方面涉及广泛的业务领域，诸如客户管理、运营管理、风险管理、财务管理、信息管理等多个门类，另一方面基于数据仓库的应用涉及行内多个部门以及各个层次应用。各主题业务应用一般来说在主题间是相互独立的，但是在主题内可能彼此之间有一定的关系。第二节数据仓库在客户关系管理中的应用一、数据仓库在客户关系管理中应用的概况随着竞争的日益激烈及企业运行模式的升级，企业正在由以产品和利润为中心转向以客户为中心，客户关系管理(custornerrelationshipmanagement，CRM)系统将以客户为中心的先进管理思想和经营理念，固化在软件系统中，在企业的正常运作中发挥着越来越重要的作用。一个CRM系统(以下简称CRM)要达到预期的满意效果，与其底层数据仓库的成功实施有着极其密切的关系。从某种意义上说，数据仓库技术是CRM的基础，因为CRM的很多工作都是咀数据仓库技术为基础展开的。数据仓库存储了企业内部和外部的各种数据，并将这些源数据整理成全面的、完善的客户信息库，通过联机分析处理(on-lineanalyticalproccssing，OLAP)分析和数据挖掘来发现大量客户信息中所隐藏的价值规律，为企业提供经营决策方案。因而，CRM可以充分利用数据仓库的存储能力、分析能力以及帮助14万方数据 第三章基于数据仓库的客户关系管理决策能力来制定市场策略、产生市场机会，并通过销售和服务等部门与客户进行交流，从而达到提高企业利润的目的。数据仓库是CRM的中心环节甚至是CRM的灵魂所在，它存储了企业内部和外部的各种数据，并将这些源数据整理成一致的、随时间变化的以及最大限度优化分析的客户信息库，通过OLAF分析和数据挖掘来发现大量客户信息中所隐藏的规律，为企业进行经营决策提供支持。另一方面，它将CRM的业务平台与分析平台进行了有效地分离，使得业务型数据库可以专注于事务处理，既提高了事务处理的效率又优化了分析处理的能力。传统的企业事务处理系统部是各个部门根据自身事务处理的需要保留部分数据，而且各个模块之间的联系并不紧密，虽然客户的部分信息也能从这些系统中获取，但远远不能满足需要。例如，对于一个典型的以客户行为为目标的分析，通常需要更多的日常积累的、反映历史变化的数据才有可能进行有效地分析，然而在这一点上传统的教据库系统是很难做到的(不论是从数据的存储量还是从数据的整合来考虑)。因此，数据仓库的引入是必然的。二、数据挖掘在银行客户关系管理中的应用CRM中的数据挖掘指通过高等统计工具等的使用，利用分类、关联性、序列分析、群集分析、机器自我学习及其他统计方法，从数据库中庞大的数据中，收集与顾客相关的数据，对这些数据进行筛选、推演与模型建造等程序，找出隐藏的、未知的、但却对企业经营十分有用的信息，或者说是在数据与模式中的可把原始数据转换成商机并成为决策依据的新知识。从CRM的整体结构来说，数据挖掘是整个CRM的核心，也是构成商业智能的基础。客户关系管理作为一种先进的管理模式，其实施要取得成功，必须有强大的技术和工具支持。而数据挖掘技术要想得到长足的发展，必须要和实际应用结合起来才能体现其强大的生命力。完整的数据挖掘不单可以做到准确的目标市场行销，当分析的工具和技术成熟时，加上数据仓库提供大量的储存顾客数据的能力，可让数据挖掘做到大量针对个人的数据定制，从而准确地对顾客作一对一的行销。企业对顾客有充分的了解，才能有效地和顾客建立关系，进而有效地进行行销，创造商机。CRM软件就是这两者紧密结合的产物，它是实施客户关系管理必不可少的一套技术和工具集成支持平台，它基于网络、通讯、计算机等信息技术，能实现企业前台、后台无缝衔接。CRM将不仅帮助企业在管理客户关系方面表现更佳，而且将帮助企业更快更好的打造核心竞争力。CRM为企业创建基于互联网络的管15万方数据 河南科技大学硕士学位论文理应用框架，使企业完全适应在电子商务时代的生存和发展。CRM系统从客户所得到的数据日益增长，积累了大量的客户和产品销售数据，这些海量的数据己使得原来的查询和分析工具往往不能返回更好的信息，不能提供营销策略的支持。根据数据挖掘所能完成的任务，数据挖掘技术应用到以客户为中心的企业决策分析和管理的各个不同领域和阶段，在客户关系管理中，数据挖掘技术可以帮助企业确定客户的特点，从而可以为客户提供有针对性的服务。通过数据挖掘可以发现使用某一业务的客户特征，从而可以向那些也同样具有这些特征却没有使用该业务的客户进行有目的推销。还可以找到流失的客户特征，在那些具有相似特征的客户还未流失之前，采取针对性的措施。目前，数据挖掘技术在客户关系管理中的应用主要有有以下四个方面：1、保持现有客户客户关系管理理论中的2:8原则，即20%的客户贡献了企业80%的利润，阐述了对客户分群进行管理的思想。数据挖掘可以通过对客户盈利能力、消费行为等进行分析，提取相似的属性，将大量的客户分成不同的类别，银行可以根据不同类别客户的特征，提供差异服务，并制定不同的营销目标和策略，针对利润贡献度较大的客户，给予高质量的服务，提供产品价格优惠或费率优惠，从而达到稳定优质各户群体的目的。2、发掘潜在客户在稳定现存客户的基础上，银行仍要不断发掘潜在客户，以扩大客户规模，提供市场客户占有率。数据仓库可收集客户的大量消费信息，通过运用挖掘技术，可分析出客户的消费习惯及关注热点，一方面，可帮助银行提高促销的针对性，另一方面，可引导客户在银行提供的众多金融产品中，快速找到自己需要的产品，提高客户的体验满意程度，从而逐步将潜在客户转化为真实客户。3、预测市场趋势银行在市场竞争中，经常需要对自己的竞争态势作出判断和分析，以不断提高自己的市场竞争能力。数据挖掘可以为各个产品、各个渠道、各个业务条线的营销效果、盈利情况等进行分析，有助于银行了解市场需求，及时对产品营销目标、营销方式等做出调整，或者技术开发适合市场需要的新产品，促进银行业务顺利拓展。4、其它功能金融行业是一个经营信用风险的行业，数据挖掘可以通过对客户的历史交16万方数据 第三章基于数据仓库的客户关系管理易、信用记录等进行分析，从而预测出客户的欺诈倾向，应用于银行对客户的风险评估过程中，可帮助银行识别高风险客户，降低金融欺诈案件的产生。三、国内金融业基于数据仓库的客户关系管理情况我国银行业在客户关系管理方面融合了4Ps、4Cs、4Rs等市场营销理论，同时，依靠先进的IT技术，将数据仓库技术引入到对客户信息的管理与组织上来，建立一个面向应用系统的客户信息数掘仓库，并导入客户细分、精准营销、事件营销等先进的模式。在我国银行业，银行客户关系管理系统的建设，主要帮助银行区分优质客户，进行客户细分，根据客户需求进行产品研发，预算客户行为，进行交叉销售和精准营销等。完善的功能模块可以帮助银行从识别客户、客户智能开始，在制定各种客户、产品、渠道等的营销管理策略时的决策信息支持，进而帮助银行计划、执行并管理各种营销活动。17万方数据 河南科技大学硕士学位论文18万方数据 第四章基于数据仓库的客户关系管理系统建设——以洛阳银行为例第四章基于数据仓库的客户关系管理系统建设—以洛阳银行为例第一节洛阳银行数据仓库建设方案一、系统架构针对洛阳银行数据体系的现状，我们将本系统设计为四个数据区和三个技术平台。1、数据区数据模型区：此数据区用于存储基础数据平台必须使用的主要数据，形成洛阳银行的统一数据视图。数据模型区不仅用于对本系统的功能进行支持，同时在必要时为分行数据中心直接提供数据。数据集市区：此数据区建立报表集市以及用于决策分析、管理的不同主题的数据集市，直接支持洛阳银行的运营决策与管理，本期先建立本期报表需要的集市。19万方数据 河南科技大学硕士学位论文2、技术平台ETL平台：完成数据平台与数据源和目标的交换，同时也完成数据在数据模型各层次间的交换与加工ETLPLUS管控平台：实现数据平台的调度、监控、自动化开发和其他相关管理功能BI。Offices展现平台实现150张交易系统的报表，以及基于数据平台完成100张左右的报表。二、总体设计方案1、总体架构总体架构逻辑区编号规则逻辑区编码：两位编码，X.0，X自1开始，递增。逻辑区内层次编码：两位编码，X.Y，Y自1开始，递增。逻辑区域编号编号逻辑区域名称1.0操作型数据区1.1核心系统1.2信贷系统1.3财务系统1.4综合前置系统20万方数据 第四章基于数据仓库的客户关系管理系统建设——以洛阳银行为例1.x。。。。。。2.0数据交换区2.1源生数据层2.2中转数据层2.x。。。。。。3.0集成型数据区3.1技术缓冲层3.2贴源模型层3.3主题模型层3.4共性加工层3.5仓内集市层3.6数据卸载层3.x。。。。。。4.0数据管控区4.1作业调度、执行及监控4.2数据质量检查模块4.3数据标准模块4.4元数据模块4.x。。。。。。5.0分析型数据区5.1统一报表数据集市5.2管理驾驶舱数据集市5.3监管报送数据集市5.4。。。。。。6.0应用服务区6.1统一报表平台6.2管理驾驶舱系统6.x。。。。。。2、主要区域介绍操作型数据区对应系统：客户管理系统、各类产品系统、帐务处理系统、各类渠道系统、管理流程系统。21万方数据 河南科技大学硕士学位论文功能定位：主要承担面向客户的交易、帐务处理，面向内部的流程、事务管理等功能。数据存储：存储业务处理和流程管理过程中产生的客户、协议、账户、交易等原始数据，数据基本为当前状态，保存一定周期的交易流水数据。分析型数据区对应系统：统一报表平台、管理驾驶舱、监管报送平台等系统。功能定位：主要获取基础数据平台提供的汇总数据，按照应用主题进行数据的高粒度汇总加工、图形化分析和展现。数据存储：存储汇总、聚合类数据，主要以星型结构、宽表等形式存储，存储周期较长。集成型数据区对应系统：主要是基础数据平台。功能定位：实现对基础明细数据的存储、整合和加工处理，为管理分析型系统提供批量数据加工服务。数据存储：包含OML贴源模型和IML主题模型；OML保留操作型系统短期全表历史拉链；IML根据范式化模型理论，保留长期历史明细数据。数据交换区对应系统：数据交换。功能定位：主要承担数据的分发、交换功能。数据存储：按照数据的属性分为两大类，源生数据和中转数据。存储形式是数据文件，在线保存周期较短。数据管控区对应系统：ETL作业调度、执行及监控、数据质量检查、数据标准定义等模块或系统。功能定位：主要负责全流程的ETL作业的调度、监控管理，针对每个环节进行数据质量检核，结合数据标准等管理系统对全行级的数据进行规范化管理。数据存储：数据管控区不负责数据文件的存储，只作为元数据类的数据存储区。三、数据模型设计22万方数据 第四章基于数据仓库的客户关系管理系统建设——以洛阳银行为例前端数据上报数据报表数据查询数据指标数据多维数据挖掘数据参数数据补录数据数据集市报表集市风险集市绩效集市其他集市数据模型层次划分应用接口层加工汇总数据层ADM基础数据层FDM数据存储团体主体产品主题渠道主题协议主题事件主题总账主题公用模型数据标准层SDM源数据缓冲层TDMODS缓冲区数据源核心系统信贷系统其他系统洛阳银行数据仓库模型分为源数据缓冲层TDM、数据标准层SDM、基础数据层FDM、轻粒度汇总模型层、应用接口层：源数据缓冲层TDM：它是数据仓库的数据入口部分，功能定位于数据缓冲，即将采集自源系统的接口平面数据文件转换成库表数据，从整体时效性考虑，主要是源系统的增量数据，该层模型采用纯贴源结构，并且数据存储上只作短时保存，数据加载模式采用覆盖方式。如果要建立全行的历史归档系统，可从本层直接提供数据。数据标准层SDM：对源数据缓冲层TDM的数据进行标准化处理，标准化转换处理的内容主要包括三个部分：公共代码（如币种代码、借贷标志、性别代码等）、数据类型（字符型、数值型等）和数据格式（如日期格式等），以此来消除各个源系统在信息表达上的差异，为后续的数据整合和应用整合提供标准化基础。基础数据层FDM：按数据的主题属性对全行的各操作型业务系统的入仓数据进行主题归类、数据整合及历史数据存储。该层保持数据原貌，不改变数据的任何属性，数据来源于数据标准层SDM。轻度汇总层：本次的设计主要以下游具体应用的需求为考虑对象，同时结23万方数据 河南科技大学硕士学位论文合基础数据层FDM的数据主题，汇总多个应用中的共性的数据需求，包括原始数据、加工汇总的数据等，其数据的加工逻辑统一在本层进行实现，以此来提高共性数据在各应用系统中的一致性，降低数据的二义性。该层数据的存储周期可视具体需求而灵活制定，一般采用保留月末等关键时点的数据即可，另外考虑到应用对历史数据追溯的需求，也可在此基础上保留短时的连续日期的汇总数据。应用接口层（数据交换区）：该层主要面向具体的下游应用，仓库按照具体的数据需求逻辑加工成成品数据，在该层做短时存储，通过数据交换功能将该层的接口数据分发给具体的需求应用。S源数据缓冲层TDM、数据标准层SDM、基础数据层FDM、轻粒度汇总模型层详细设计说明如下：1、源数据缓冲层TDM设计源数据缓冲层TDM，存放贴近源系统数据结构的增量文件。源系统的数据获取主要有两种方式：卸数主送方式源系统按照增量规则以及指定的接口和接口规范，卸出数据文件，并传送到源数据缓冲层TDM。本方式需要源系统配合支持增量数据的卸出和文件传输。直抽方式源系统给出数据就绪信号，基础数据平台直接连接到源系统数据库，根据增量规则，获取数据而且可以直接进入数据清洗和标准化处理。本方式不需要源系统进行接口卸数的开发，而且可以减少数据文件落地，提高数据处理效率，但要考虑对源系统数据库的压力。2、数据标准层SDM设计根据洛阳银行的实际进行客户化，构建适合洛阳银行的标准化组件，来完成数据的标准化。本层次模型靠近源系统，增加了基础数据平台必须的关键属性。本模型存储全量数据。数据标准层SDM中不同类型的表有不同的保存方式：快照表例如账户信息、合同信息，只保存当前一份全量。 明细表与事件有关的表，如交易流水表、挂失登记簿等，按日期存放，此类数据 视应用需求而保存，至少保存两个月，在应用时如果需要保存时间较长，建议应 用系统先生成月汇总表，然后在月汇总表的基础上再进行其他周期的汇总和环24万方数据 第四章基于数据仓库的客户关系管理系统建设——以洛阳银行为例比、同比等计算，这样可以减短数据标准层SDM中明细表的保存时间。历史拉链表对快照表中的一些关键数据项建立历史拉链保存。此类表的保存时间同样视应用要求而定。快照历史表对一些快照表，每日保存一份全量。此类表的保存时间同样视应用要求而定。3、基础数据层FDM设计基础数据层FDM，主要是建立全行基础数据模型，为公共汇总、建设应用集市提供数据服务，以下是主要的设计思路：关心源业务系统的关键数据，可以裁减没有必要的数据。按数据的主题属性对全行的各操作型业务系统的入仓数据进行主题归类、数据整合及历史数据存储。该层保持数据原貌，不改变数据的任何属性。数据是经过标准化的，即数据来源为数据标准层。数据结构上采用近源结构方式。保存快照全量，但是对于其中的关键数据项则采用历史拉链表的方式保存。存放关键维度的整合信息，例如建立基线机构、基线客户。4、加工汇总数据层ADM设计设计思想加工汇总数据层ADM管理的对象就是加工汇总和指标数据。下游多个分析型应用中包含相同的数据加工逻辑下游多个分析型应用中包含有基于明细数据的复杂加工逻辑的部分常用的汇总类的数据，比如年均、季均、月均、日均等积数类数据以及发放笔数、累计发放金额等累计类数据等。具体到数据形态上，主要包括两种，即汇总指标（如日均余额等）和根据具体的分析型业务要求的分析加工数据（如应收金额、实收金额等）。汇总指标是的设计策略采用自下而上的设计方法，以具体的应用需求为驱动。汇总指标可以分为两类：基础指标和派生指标。 基础指标基于数据仓库的基础数据层FDM的明细数据直接按照既定逻辑加 工生成。派生指标是在基础指标的基础上再次加工，包括粒度粗化加工、基础指标25万方数据 河南科技大学硕士学位论文的组合加工等生成的数据。汇总方法加工汇总数据层ADM主要是实现应用上共享的指标，达到一次计算，多次共享。加工汇总数据层ADM的建设主要是来源于应用需求，将应用需求进行统一分析，提炼出相同的指标，根据这些指标建立一些汇总中间表，为应用提供便利。根据汇总粒度进行主题划分，如交易汇总、账户汇总、客户汇总、渠道汇总、机构汇总等。日汇总团体卡汇总产品账户汇总应用1协议.风险产品汇总客户汇总协议.合同交协议.金融账户易日协议.其他汇总卡汇总机构汇总应用2渠道汇总渠道事件账户汇总综合指标集市汇总总账客户汇总月汇总公用月汇总共享维度模型轻度汇总模型加工汇总数据层ADM完成账务性重要数值字段的汇总，依据是具有普遍性的公共维度，如：机构，日期，产品，客户模型设计也是一个长期完善，不断更新的迭代过程，需要对数据进行高度的抽象化处理才能使模型具备很好的可扩展性，屏蔽上游源系统的结构变化传递到下游分析型应用系统。在本逻辑模型设计中，采用数据仓库业界成熟模型理念，分为十大主题：当事人、内部机构、财务、协议、事件、营销活动、区域位置、渠道、产品、资产。每个主题下设计相应的数据模型，保存相应主题的数据。第二节洛阳银行客户关系管理系统建设方案洛阳银行是一家国有控股股份制商业银行。截止2013年末，全行总资产达977亿元，各项存款648亿元，各项贷款440亿元,净利润15.07亿元。现有77 26万方数据 第四章基于数据仓库的客户关系管理系统建设——以洛阳银行为例家分支机构，从业人员1300余人。近年来，洛阳银行相继在新安县、偃师设立了县域支行，在郑州、三门峡、焦作、许昌、平顶山和信阳设立了城市分行，省内设立了栾川民丰村镇银行和孟津民丰村镇银行，省外设立了深圳南山宝生村镇银行，经营发展位居全省城市商业银行的发展前列，由一家地方性银行向区域性银行迈进。为了发展业务特色，提高市场竞争能力，洛阳银行对行内业务系统进行了整合，先后启动了综合前置系统和数据仓库系统的建设，初步形成了前、中、后台相结合的系统架构，但行内对客户关系管理方面，仍处在比较简单和初级的阶段，客户维护主要通过客户经理人工进行维护，未借助信息化手段应用于客户关系管理。洛阳银行目前账户数量为683万，客户数量为251万，客户信息主要分散在核心和信贷两个系统，虽然通过数据仓库系统的建设，对这两个系统的客户信息进行了整合，并按照主体域进行存储，但是该整合仅停留在数据层面，行内缺乏基于客户全景信息的应用，无法对客户进行细化的分群管理，从而无法基于不同的客户群体进行有针对性的营销，也无法统计和评估营销效果，因此，客户关系管理系统的建设迫在眉睫。一、洛阳银行客户关系管理需求分析1、客户识别洛阳银行应该构建客户识别指标体系，通过指标体系评价结果对客户进行分级管理。客户识别的参照指标主要有以下几个：（1）客户贡献度客户贡献度是识别、评价一个客户的核心指标，也是进行客户细分依据、差异化营销的基础性指标。CRM帮助银行每个月对每个客户的贡献度进行重新衡量。CRM应具有高度可配置的能力，能够根据需求配置贡献度计算模型。一般把个人客户分为：大众市场、一般富裕家庭、比较富裕家庭、非常富裕家庭。公司客户则可分为一般客户和高价值客户。27万方数据 河南科技大学硕士学位论文图：基于贡献度的差异化策略（2）客户忠诚度客户忠诚度是洛阳银行能否持续成长的关键所在。客户忠诚是指关于客户透过对洛阳银行品牌的认知、认可、信任等过程，进而持续将资产托管在该机构或持续购买该机构的金融产品或服务的程度。在客户忠诚度识别之后，当客户发生交易行为时，就能及时、有效地识别客户，进而根据忠诚度的不同采用不同的、有针对性的服务策略来更好的服务客户，并挽留住客户。常用的忠诚度因子有：客户在我行开户时间、使用产品个数、销户情况、所有帐户余额、代理业务产品签约情况、月平均交易次数。（3）客户AUM客户AUM（AssetsUnderManagement，金融资产）作为识别个人富裕客户的关键指标。财富管理中心主要依据客户AUM作为衡量指标识别个人高端客户，为其推荐财富顾问服务、银行和投资产品服务、增值服务、延伸服务等等。AUM包括客户在银行的存款、以及通过银行购买的各种投资产品的金融资产总额。包括本外币储蓄存款、国债、基金、以及各种理财产品等等。（4）客户潜在价值客户潜在价值有两个层面，一种为客户的当前潜在价值，指客户在所有银行的贡献度与在本行的贡献度的差额，与钱夹份额相关；另一种是指客户未来的潜在价值，即客户生命周期价值(customerlifetimevalueCLV)，客户未来发展可能产生的价值。对于客户当前的潜在价值，通常采用统计学的计算方法，采用公式（潜在价值=贡献度积分的最高值–贡献度平均值）。对于平均贡献度目28万方数据 第四章基于数据仓库的客户关系管理系统建设——以洛阳银行为例前虽然没有达到重点客户标准的这部分客户，如果其在某个时间段的潜在价值较高，则说明该客户存在一定的上升空间，而且其上升的可能性和潜力指标也相关，潜力指标值越高，则客户价值的上升空间越大。2、客户智能客户智能是使用BI、统计学、Datamining等技术，创新、使用客户知识创造客户价值。CRM客户智能模块组提供强大的功能，用以分析、刻画客户，发掘隐藏在客户交易行为背后的重要信息。针对不同特征的客户群，银行可以利用客户沟通模块，设计和管理各行营销、沟通活动，并保证的合适的时间、频度联系客户。（1）客户360°视图客户360°视图为用户提供客户全方位、统一视图的信息查询和信息维护。在查询到某一客户信息后，可以选择查询该客户的详细基本信息、帐户信息，在选择了某一帐户后，客户选择查询该帐户的详细信息和交易信息。图：客户360°信息（2）客户分析定量基础上的精细化管理首先应对银行的历史数据进行分析，了解客户、产品、渠道的基本特点。客户分析为优化客户结构、策划市场营销、创新金融产品等提供有力的信息支持。主要的分析功能如下：客户获取分析：分析新增客户的情况，掌握客户量成长趋势。客户贡献度分析：客户群贡献度增长指标、曲线图（分析指标包括：贡献度、成本利润率、综合利润率、综合成本收益率）。客户群效益结构（如贷款效益占贡献度比例）变动情况、曲线图，以及按客户属性分类29万方数据 河南科技大学硕士学位论文的贡献度结构变动情况、曲线图。客户贡献度排名。客户行为分析：分析不同时期的客户行为，产生客户轮廓的分析报告。行为分组按客户不同的行为特征，将客户划分成不同的群体，以刻画客户群的行为规律。客户异常交易分析：侦测客户的异常交易，并及时提供预警信息。客户细分：根据客户属性、客户行为等变量，对客户进行分群。客户流失率分析：对销户、睡眠户等客户进行统计、分析，找出流失客户列表，以便及时采取措施进行挽留，并了解流失原因。客户渠道偏好分析：分析不同客户的渠道使用偏好，了解哪些渠道更适用哪些客户。客户存款分析、贷款分析、中间业务分析、结算量分析产品分析产品分析帮助银行了解盈利产品和不盈利产品、了解客户使用产品的情况、掌握产品销售情况。主要的分析功能如下：产品关联性分析：对已经购买某些产品客户群进行分析，并设定客户细分。如针对信用卡客户群交叉销售哪些其他产品及服务。主要描述某一特定客户群所购买的产品、交易时间、以及使用产品间的相关性。产品贡献度分析：帮助银行更好的把握产品的贡献情况，以及作为调整相关策略的依据。产品盈利趋势分析：分析产品的盈利趋势，把握产品的盈利方向，有助于掌握目前的盈利情况是否向着预定的目标发展。产品收入结构分析：对不同产品类型的收入结构的分析，有助于掌握产品的收入情况是否向着预定的目标发展。产品活跃度分析：分析不同客户群对不同产品的交易活跃度，这是产品定位、产品营销的依据。3、用户细分“细分”在策略营销中占据及其重要的作用，现代策略营销的中心，可定义概括为STP模式，即细分（Segmentation）、目标（Targeting）和定位（Positioning）。细分有两种模式：市场细分和客户细分。传统的市场细分是企业已有的产品和服务，通过市场细分的研究，来发现应该销售给谁。就是说有产品组合来决定客户组合。传统的市场细分并不能保证细分出来的市场一定能够为企业带领盈利。30万方数据 第四章基于数据仓库的客户关系管理系统建设——以洛阳银行为例客户细分策略是从传统市场细分策略进一步演进而来的。基于客户价值的细分（ValuableAccouterBasedSegmenting，VABS）综合了客户利润贡献度、价值潜力、客户个性、客户行为等细分变量，来挑选其客户群体，然后结合本企业的能力为目标客户群设计产品。评估和选定客户细分客户细分的目标是更好地识别客户、了解客户、满足客户需求，以此来更有针对性地对不同的客户提供不用的产品或服务，从而提高客户对银行的体验度，并最终提高公司的盈利能力，推动收入的稳定增长。通过客户的细分，能够帮助银行来提高存量客户的稳定性，降低客户的流失度，同时也能增加客户数量，并且通过有针对性的优质服务提高每个客户的价值。此外，它还有助于合理分配有限的人力物力资源，以更低的成本来更好、更有效地为客户提供服务。CRM通过对符合某类条件的客户分析其共有特征，发现客户群，达到指导市场细分和客户细分的目的；营销对客户群进行精准营销，达到资源优化配置和有效利用，提高营销的成功率和命中率。图：客户细分的标准CRM支持各类分群标准：人口统计学分类---年龄,职业,地理位置价值及风险分类---利润，信用风险行为特征分类---交易特点，投资偏好，接触渠道偏好CRM通过分群模型对客户进行分群，通过客户群管理器对其进行管理；通过目标客户筛选器，客户经理、市场经理可以选择一批目标客户，通过面对面、电话、短信等方式对客户进行针对性的营销，以提高营销命中率，达到营销资源的有效配置。31万方数据 河南科技大学硕士学位论文优化客户细分组合客户细分不再是一个简单的或者静态的营销技术，银行通过优化客户细分组合能更好地了解客户、管理客户，从而为决策分析系统提供准确有效的信息来辅助决策。中国地域的高度多样性、消费者日趋成熟复杂、即将全面开放的市场带来更激烈的竞争，银行开始尝试在业务拓展中引入客户细分。CRM帮助洛阳银行每隔一段时间对客户细分进行评估。有效的客户细分包括三各组成部分——即细分的特征、时间和盈利能力：细分类型包括需求、生命阶段、行为偏好、人口数据、态度、盈利能力等多种特征。时间变量是客户细分中非常关键的因子，因为它反映了客户的价值及其金融属性随时间的变化而变化的趋势。银行必须要从个体、细分群和客户组合等多个维度来衡量其盈利能力，以进行更加准确的决策。CRM帮助银行迅速采取行动，提供更加优质的服务来挽留客户，提高客户的体验度，并有针对性地为客户提供金融服务，从而获得持续的价值增长。4、精准营销精准营销(PrecisionMarketing)就是在客户细分、精准定位的基础上，建立个性化的客户营销、沟通体系，提高营销的响应率，实现企业可度量的低成本发展之路。精准营销借助先进的IT手段建立精准的营销体系，使营销达到可度量、可调控的要求；在实现大规模定制的市场营销体系的同时，达到低成本可持续发展的目标。差异化营销差异化营销就是针对对不同的客户群体，提供不同的类型的服务，并采取不同的营销方式，最大限度地满足客户个性化、多样化的业务需求。其实质就是通过为客户提供特别的服务，给客户留下深刻特别的印象。精确“瞄准”使得银行不必在多半不起作用的营销手段浪费成本，也避免无关信息造成客户的反感。典型的双赢模式∶客户得到他们所要的，于是可能买更多产品；公司减少了浪费的成本，同时增加了营业额和利润。差异化并不是指银行只为某类客户提供服务，而是指银行集中有限的资源重点为这些目标客户提供更多符合其特定需求的服务，从而达到差异化竞争的目的。CRM帮助银行实现大规模定制的市场营销体系，在“大规模”的同时实现32万方数据 第四章基于数据仓库的客户关系管理系统建设——以洛阳银行为例“定制化”。CRM准确定位有价值进行细分的客户群体，深度分析细分客户群体最具有利润创造力的那部分客户，然后梳理出这部分客户一个清晰行为模式。CRM顾问帮助银行对客户群进行不断的细分，直至细分至单个客户；然后银行为该客户群体专门定制金融产品和服务，真正满足每个客户的个性化需求。CRM帮助银行更准确地找到自己的目标客户，可以通过一对一的方式更经济准确地向目标客户传递信息，降低营销成本，提高营销效率；CRM识别高价值的优质客户，帮助银行加强与优质客户的关系，培养一批忠诚客户；CRM帮助银行通过定期沟通的方式，对客户进行分类管理，准确了解不同类型顾客的需求，及时发现商机，有针对性的制订新的营销方案。图以客户细分为基础的差异化策略交叉销售金融机构通过交叉销售满足客户多样化的金融产品、服务需求，客户将与其保持密切的联系，并成为其利润的主要来源。洛阳银行应借助CRM分析客户对产品或者服务的偏好，将数据转化为可操作的营销战略、战术，为特定产品群寻找合适的客户群和为特定的客户群寻找合适的产品群。交叉销售让洛阳银行更加关注客户的钱夹份额（ShareofWallet，也即客户份额），而非市场份额。撒网式的获取客户，每一块钱的收入并不意味着利润。客户细分并不是不关注市场份额，而它更侧重于市场份额的质量。引进钱夹份额的分析思路和方法，我们可以揭示很多问题。比如一位客户经理与一家企业谈成了500万的存款，然而该企业还有5000万的存款放在另外一家银行。交叉销售是一种有助于加强客户对银行忠诚度的策略。客户在一家银行开立33万方数据 河南科技大学硕士学位论文账户的数量越多，则该客户在这家银行所选择的服务种类也会越多，那么这家银行留住该客户的概率也会大大增加。CRM帮助银行建立交叉销售体系，向客户销售更多的金融产品，可以有效地保持顾客，降低客户流失率；同时，交叉销售也可以降低营销成本。而交叉销售要取得成功，在交叉销售的理念、渠道整合、信息平台和销售队伍建设等方面都需要进行整合。客户关系生命周期银行在客户关系管理中存在的一个严重问题是，没有考虑客户关系的时间变量因子；银行往往不知道该如何更有效的维护客户关系，而仅仅简单地认为只要能保持住客户就算是成功地维护住了客户关系，而没有为客户提供差异性的服务来提高客户的体验度从而来更好地提高客户的忠诚度。客户关系是一个具有生命周期的过程，将产品生命周期、CRM和关系营销结合起来，形成了客户关系生命周期理论。客户关系生命周期阶段的划分是从动态角度理解客户关系的形成、发展、维持与终止过程的基础。研究揭示，客户利润会随客户保持时间长度的增加而提高；客户利润的本质决定因素是客户生命周期阶段。典型的基于客户关系生命周期所形成的客户利润曲线往往呈现抛物线的变化规律。营销执行与评估根据模型分析的结果，制定营销计划，对于不同的客户群体，采取不同的营销手段，并在营销执行过程中，认真收集客户的反馈情况，便于后期进行追踪和评估。通过对客户反馈情况的汇总，可以对营销效果进行分析，评估出营销方式中的优、缺点，从而对营销策略进行改进，并为后续营销计划的制定提供一定的参照，使营销工作形成一个螺旋上升的闭环。5、事件营销事件营销（Event-BasedMarketing），就是通过CRM主动探知客户发生的事件，在最短时间内判断客户的需求和反映，主动式通过合适的渠道同客户联系，在第一时间内提供客户关怀从而赢得商机。事件营销＝事件定义＋客户细分＋实效性事件营销的时效性非常重要，高价值的客户往往希望客户经理或理财顾问能够主动与之交流，银行应该及时开展有意义的客户沟通。推行客户经理制，是我国商业银行转变经营理念和经营机制的迫切需要。34万方数据 第四章基于数据仓库的客户关系管理系统建设——以洛阳银行为例CRM通过商机引擎，为客户经理捕捉销售机会，在客户出现一些经营事件或交易事件时，提示客户经理进行针对性的营销，使客户经理及时沟通客户，提高客户发掘、客户保留以及利润率。CRM“商机引擎”每周可以为每个客户经理提供数十个潜在的销售机会。特别是零售业务，客户经理管理这庞大的客户群体，商机引擎即成为了客户经理必备的工具。事件类型事件触发营销机会建议新开户事件新开存款账户新的贷款和中间业务机会新开贷款账户新的存款和中间业务机会新开外币账户新的国际业务机会客户定级变化客户降级及时扩展新的业务机会到期事件存款到期事件新的存款业务机会贷款到期事件新的融资业务机会大额异动事件大额存款事件新的中间业务机会大额取款事件新的中间业务机会大额转帐事件新的贸易融资机会事件提醒可以与手机短信、电子邮件等渠道整合，通过这些渠道向客户发送提示信息和营销信息。6、绩效管理金融行业的最大特点是其必须通过分支机构来吸引客户和发现潜在客户，并开展具体业务；如何在分支机构实现CRM的转型，把分支机构变成以客户为导向的组织。市场营销的核心在于收入和利润的能力。利润是维持市场关系的必要条件，银行应注重营销活动的回报。所以，推行CRM应该有与之相对应的投资回报分析和业绩评估机制。CRM帮助银行建立机制对机构、客户经理、产品、营销活动等进行业绩评估。评价业绩之后，将评估结果和导致该结果的流程联系起来。评估流程的效率和质量，将有能力用更低的成本产出更高质量的产品和服务。CRM可以对业绩计划的执行情况进行全面的、智能化的监控和跟踪，实现趋势分析、横向分析、对比分析、总分分析等分析图表来展示计划执行情况。35万方数据 河南科技大学硕士学位论文二、系统架构CRM系统依托于数据仓库基础上，并根据仓库数据形成客户关系管理数据集市，系统数据架构图如下：系统通过ETL过程，从数据源层取得数据，并加载至缓冲区域，再通过批量计算，对数据进行转换盒汇总，将数据分别加载至基础数据层和公共汇总层。CRM集市从公共汇总层或基础数据层取得数据，并按照产品、渠道等主题域进行存储。展现层通过访问数据集市，将数据在界面上进行展示。系统的总体架构分为三层，展示层：主要实现界面展示，页面跳转控制等功能。业务层：业务层进行事物控制，所有的商业逻辑在此业务层实现。持久层持久层使用实现对底层数据的访问和操作。三、数据模型设计CRM系统的数据模型，分为基础数据模型和汇总数据模型，根据共享度和业绩计算的需求，分别计算和加载至基础和汇总两个库。基础和汇总库的设计采用36万方数据 第四章基于数据仓库的客户关系管理系统建设——以洛阳银行为例星型模式，部分数据保留历史数据。1、基础数据模型采用3范式设计，支持CRM应用的日常操作，包括如下主题域：参与人：包括个人和组织协议：包括负债类和资产类的各种账户及各种签约、服务协议事件：包括账户类的交易明细和客户经理的活动资源：客户的各类资源，如文档、房产、车辆等联系方式条件：包括各种汇率及计算参数等。产品2、汇总数据模型按照展现层面数据要求，对基础层数据进行加工汇总，以便后续计算和汇总。如：按照客户贡献度的业务需求，针对不同核算项为每个客户设立核算账户，并进行汇总等加工计算。四、业务功能模块1、对公客户管理在对公客户信息全面整合的基础上，提供统一的客户视图，实现对管辖范围内的对公正式客户、潜在客户、营销集团的管理，为客户经理提供全面的客户认识和客户管理。2、零售客户管理在零售客户信息全面整合的基础上，提供统一的客户视图，实现对管辖范围内零售客户、客户群组、客户名单的管理，为客户经理提供全面的客户认识和客户管理。3、对公营销管理采取主动、有针对性的差异化营销服务，提升对优质客户的营销服务水平，是提高市场竞争能力的关键策略。主要包括市场活动管理、交互活动管理、商机管理、预约管理等。4、零售营销管理采取主动、有针对性的差异化营销服务，提升对优质客户的营销服务水平，是提高市场竞争能力的关键策略。对于零售客户的营销服务，侧重于市场活动管37万方数据 河南科技大学硕士学位论文理、商机的管理、任务管理，通过商机跟踪过程，实现对零售客户的发展、联动营销等。5、服务管理主要包括了投诉类管理、短信类管理等相关业务和渠道服务综合管理。6、工作管理工作管理主要是为客户经理等市场营销人员提供日常工作管理的辅助工具，如提供工作计划、任务管理。通过合理的运用工作管理模块，客户经理可以规范自己的日常工作，从而有效提升自己的工作效率。7、客户经理管理客户经理管理功能主要实现对客户经理信息的查询、维护，客户经理队伍建设的情况分析、客户经理营销费用统计等。客户经理管理的需求包括：客户经理信息、客户经理配置分析8、产品管理产品管理包括产品信息管理、产品综合服务、新产品发布等。9、资讯管理资讯信息主要是为客户经理等客户营销人员提供各种共享信息、专业信息等的了解、学习，提高客户营销人员的专业知识和业务技能。资讯信息主要包括：公告信息、合作伙伴信息、知识库等。10、常用工具主要包括了人民币存款利率查询、人民币贷款利率查询、外币存款利率查询、外汇牌价查询、个人贷款计算器11、客户分析客户分析结果为营销服务的开展、营销策略的制定提供依据。主要以客户营销信息、帐务信息为基础，结合客户基本信息、关联信息等，实现对客户的结构、特征、交易、营销关系、利润贡献等方面的分析，为营销服务的目标客户定位、客户区分、市场活动策划、营销计划等，提供有效的指导与监测。12、绩效管理包括考核方案管理、任务管理、结果管理等。38万方数据 第四章基于数据仓库的客户关系管理系统建设——以洛阳银行为例39万方数据 河南科技大学硕士学位论文第五章结论与展望数据仓库作为银行管理分析类系统的基础，是银行仅次于核心系统外第二大系统。而且在一些相对应用成熟的银行，已经形成了以数据仓库为核心，客户关系管理、风险管理、运营绩效、财务分析等众多应用协同的一个大的项目群集管理体系本文通过调研国内外金融业基于数据仓库的客户关系管理的应用情况基础上，分析并研究中小银行特别是城市商业银行的客户关系管理现状，结合洛阳银行实际情况，分析出洛阳银行基于数据仓库的客户关系管理基本要求，并提出洛阳银行客户关系管理系统的建设方案。银行业属于传统的金融行业，目前各个行业在不断地开拓基于互联网和移动终端的业务模式，银行业基于这些新的业务模式探索下，也会产生部分大数据信息。当行内各级机构及渠道大规模使用互联网技术和移动终端技术作为业务发生的渠道时，可将互联网的客户交易行为和渠道使用行为数据，作为基本业务统计和客户行为特征分析的部分数据来源，因此，未来我们在考虑大数据与客户管理相结合的解决方案的时候，要结合线上业务发展的方式，综合进行考虑，从而保证客户行为等分析数据的准确性。40万方数据 参考文献参考文献[1]杨辉.数据挖掘及其在商业银行中的应用[J].中国金融电脑,1998[2]JiaweiHan,MichelineKamber著.范明，孟小峰等译.数据挖掘:概念与技术[M].北京机械工业出版社,2001[3]李志强,周波.银行信息化与业务流程和组织结构的重构[J].金融坛,2001[4]何俊，温家明.数据挖掘及其在银行业的应用[J].华南金融电脑,2002[5]蒋缨，强海涛.数据挖掘在商业银行中的应用趋势分析[J].甘肃社会科学,2003[6]郭莹，张晓燕.数据仓库和数据挖掘技术在银行客户关系管理中的应用[J].科技管理研究,2003[7]黄解军，万幼川，潘和平.银行客户关系管理与数据挖掘的应用[J].计算机工程与设计,2003[8]田玲.银行客户关系管理的数据挖掘应用研究[D].四川大学硕士学位论文,2003[9]康大庆,张旭梅.产品顾客满意度评价指标体系和方法研究[M].机械工业出版社,2003[10]韩冬.数据挖掘与商业银行客户关系管理[J].计算机时代,2004[11]张颖.数据挖掘技术在银行CRM中的应用[J].广西金融研究,2004[12]李兴国，于海峰，金芳芳.基于数据挖掘的银行业客户关系管理体系结构[J].合肥工业大学学报,2004[13]苏宁.努力推动银行信息化深入发展[C].中国金融信息化发展论坛(第五届),2004[14]张颖，杜斌，钟永红.数据挖掘技术在银行客户关系管理中的应用分析[J].经济师,2005[15]杨红.数据挖掘技术在商业银行客户关系管理中的应用[J].特区经济,2005[16]初顺起.数据挖掘在银行业务中的应用[J].金融电子化,2005[17]周意.数据挖掘在商业银行客户关系管理中的应用研究[D].湖南大学硕士学位论文,2005[18]赵基.基于数据挖掘的银行客户分析管理关键技术研究[D].浙江大学博士学位论文,2005[19]张忠磊，孙玉娟.数据挖掘技术在银行客户关系管理系统中的应用研究[J].华南金融电脑,2006[20]张成虎.新兴商业银行的信息化策略[J].中国金融电脑,2006[21]黄华卿，张维，熊熊.数据挖掘技术在商业银行客户关系管理在的应用分析[J].哈尔滨商业大学学报（社会科学版）,2006[22]左爱群，杜波.数据挖掘在银行客户关系管理系统中的应用[J].武汉工业学院学 报,200641万方数据 参考文献[23]王颖.基于数据挖掘技术的银行客户关系管理[D].贵州大学硕士学位论文,2006[24]丁咏.数据挖掘在商业银行客户关系管理中的应用[D].重庆大学硕士学位论文,2006[25]朱映泉.CRM系统在银行业中的研究与应用[D].中山大学硕士学位论文,2006[26]郭强..我国银行业信息化与竞争力研究[J].高科技与产业化,2006[27]张蓉.数据仓库与数据挖掘技术在银行客户关系管理（CRM）系统中的应用[J].计算机与信息技术,2006[28]文四立.信息技术支撑银行业创新发展[C].中国金融信息化发展论坛(第六届),2006[29]张永.试述CRM在我国城市商业银行中的实施方案[J].中国管理信息,2006[30]杰姆.巴偌斯著,李慈雄译.重点客户管理..上海人民出版社,2007[31]曾媛媛.浅议数据挖掘在银行客户关系管理中的应用[J].广西工学院学报,2007[32]罗钠德.史威福特.客户关系管理一一加速利润和优势提升.中国经济出版社,2008[33]郑华.基于数据挖掘银行客户关系管理系统构建研究[J].广西轻工业,2008[34雷丁华,张同健.商业银行业务流程再造的经济效应研究[J].统计与决策,2008[35]张同健.中国商业银行CRM实施结构体系经验性解析[J].长安大学学报,2008[36]罗兰.拉斯特,弗莱.齐森尔,凯瑟琳.勒门著,张平淡译.驾驭顾客资一如何顾客终身价值塑造企业战略[M].华文出版社,2008[37]邓英.从BPR到CRM:国外银行再造的发展方向、核心策略及启示.广东商学院学报,2008[38]崔永军.我国中小商业银行机构客户关系管理研究..管理现代化,2009年第5期[39]艾亚文，匡山.数据挖掘技术的原理及在商业银行客户关系管理中的应用[J].黑龙江科技信息,2009[40]孔德汉.数据挖掘技术在银行业客户关系管理中的应用[J].合作经济与科技,2009[41]苏虹,张同健..我国商业银行流程再造体系研究[J].统计与决策,2009[42]常雪琦，刘伟.数据挖掘技术在客户关系管理中的应用分析——以银行业为例[J].信息技术与信息化,2009[43]严明燕,张同健.基于数据调查的国有商业银行客户关系管理经验分析[J].改革与战略,2009[44]于海波.数据挖掘在银行客户关系管理中的应用研究[D].合肥工业大学,2010[46]郑英姿.基于数据挖掘的商业银行客户关系管理研究[D].西安科技大学硕士学位论文,201142万方数据 缩略语词汇表缩略语词汇表43万方数据 致谢致谢在本文的完成过程中，洛阳银行数据仓库项目组全体成员提供了相关的项目文档作为参考，洛阳银行个人业务条线和公司业务条线相关同事，在百忙之中抽出宝贵时间，通过访谈形式为本人讲解了洛阳银行客户管理及业务营销的现状。张学军老师对论文的结构及内容，提出了详细的指导意见。在此，对协助本人完成论文的同事和老师致以诚挚地感谢！44万方数据 攻读学位期间的研究成果45万方数据