数据挖掘商业案例分析及实现.doc

-
. z
目录
第一局部金融行业应用5

―使客户收益最大化的同时最大程度降低挖掘部署策略119


Bell〔西南贝尔〕124
124
Cellular Corporatio127
英国电信公司128

*省级电信公司130
局部国外电信客户的〔排名不分先后〕131
-
. z
第三局部制造行业应用133

第一局部 金融行业应用
前言
随着中国参加WTO，国金融市场正在逐步对外开放，外资金融企业的进入在带来先进经营理念的同时，无疑也加剧了中国金融市场的竞争。金融业正在快速发生变化。合并、收购和相关法规的变化带来了空前的时机，也为金融用户提供了更多的选择。节约资金、更完善的效劳诱使客户转投到竞争对手那里。即便是网上银行也面临着吸引客户的问题，最有价值的客户可能正离您而去，而您甚至还没有觉察。在这样一种复杂、剧烈的竞争环境下，如何才能吸引、增加并保持最好的客户呢.
数据挖掘〔Data Mining，DM〕是指从大量不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、有用的信息和知识的过程。其表现形式为概念〔Concepts〕、规则(Rules)、模式(Patterns)等形式。 用统计分析和数据挖掘解决商务问题。
金融业分析方案可以帮助银行和保险业客户进展穿插销售来增加销售收入、对客户进展细分和细致的行为描述来有效挽留有价值客户、提高市场活动的响应效果、降低市场推广本钱、到达有效增加客户数量的目的等。
客户细分―使客户收益最大化的同时最大程度降低风险
市场全球化和购并浪潮使市场竞争日趋剧烈，新的管理需求迫切要求金融机构实现业务革新。为在剧烈的竞争中脱颖而出，业界领先的金融效劳机构正纷纷采用成熟的统计分析和数据挖掘技术，来获取有价值的客户，提高利润率。他们在分析客户特征和产品特征的同时，实现客户细分和市场细分。
数据挖掘实现客户价值的最大化和风险最小化。SPSS预测分析技术能够适应用于各种金融效劳，采用实时的预测分析技术，分析来自各种不同数据源－来自ATM、交易、呼叫中心以及相关分支机构的客户数据。采用各种分析技术，发现数据中的潜在价值，使营销活动更具有针对性，提高营销活动的市场回应率，使营销费用优化配置。
-
. z
客户流失―挽留有价值的客户
在银行业和保险业，客户流失也是一个很大的问题。例如，抵押放款公司希望知道，自己的哪些客户会因为竞争对手采用低息和较宽松条款的手段而流失；保险公司则希望知道如何才能减少取消保单的情况，降低承包本钱。
为了留住最有价值的客户，您需要开展有效的保存活动。然而，首先您需要找出最有价值的客户，理解他们的行为。可以在整个客户群的很小一局部中尽可能多地找出潜在的流失者，从而进展有效的保存活动并降低本钱。接着按照客户的价值和流失倾向给客户排序，找出最有价值的客户。
穿插销售
在客户关系管理中，穿插销售是一种有助于形成客户对企业忠诚关系的重要工具，有助于企业避开“挤奶式〞的饱和竞争市场。由于客户从企业那里获得更多的产品和效劳，客户与企业的接触点也就越多，企业就越有时机更深入地了解客户的偏好和购置行为，因此，企业提高满足客户需求的能力就比竞争对手更有效。
研究说明，银行客户关系的年限与其使用的效劳数目、银行每个账户的利润率之间，存在着较强的正相关性。企业通过对现有客户进展穿插销售，客户使用企业的效劳数目就会增多，客户使用银行效劳的年限就会增大，每个客户的利润率也随着增大。
从客户的交易数据和客户的自然属性中寻找、选择最有可能捆绑在一起销售的产品和效劳，发现有价值的产品和效劳组合，从而有效地向客户提供额外的效劳，提高活期收入并提升客户的收益率。
欺诈监测
通过侦测欺诈、减少欺诈来降低本钱。为了与欺诈活动作斗争，首先您需要预测欺诈在何时、何地发生。数据挖掘技术侦测在欺诈中常见的模式，预测欺诈活动将在哪里发生。
对于银行业的公司来说，欺诈活动频繁发生的一个领域是自动取款机〔ATM〕。数据挖掘帮助公司预测欺诈性的ATM交易。银行可以来预测欺诈最有可能在哪个地理位置上发生。接着该信息就被传送