学位论文 > 优秀研究生学位论文题录展示

银行客户数据挖掘系统的设计和实现

作　者: 刘安奎
导　师: 蒋志方
学　校: 山东大学
专　业: 软件工程
关键词: 银行客户数据挖掘设计和实现
分类号: TP311.13
类　型: 硕士论文
年　份: 2010年
下　载: 340次
引　用: 0次
阅　读: 论文下载

内容摘要

随着我国金融市场全部开放时代的到来,我国金融业竞争的越来越激烈,各种客户信息资源的经济价值和社会价值也越来越重要。当前,在快速占领金融市场份额的各种金融产品中银行卡由于其便携性、通联性和灵活性,首当其冲使其成为一只领头羊,其负载的信息非常巨大也使其成为了名副其实的资源中心。另外,其交易数据的广泛性和无规律性使得银行要用普通方法想在里面找到自己需要的有价值的信息和知识是非常困难的。数据挖掘技术的应用使得这一工作成为可能,其任务就是从大型数据库中获取隐藏于其中的知识和信息。一般而言,作为银行卡数据库,其中包含着海量的、复杂的交易数据,采用一般的挖掘方法往往是片面的、不完全可信的。因此,采用有效的数据挖掘策略是非常重要的。本文来自交通银行潍坊分行客户数据挖掘系统项目,通过对银行客户数据挖掘技术的研究意义和国内外研究状况的介绍,较为深入地分析了银行客户数据挖掘中的关键和难点。然后,论述了进行银行客户数据库挖掘的算法思想和关键性问题,同时也论述了将传统的数据挖掘技术应用到银行卡的数据挖掘中的几个步骤,并对此几个步骤中涉及到的方法进行了阐述,包括：银行客户系统中如何设计和实现数据挖掘系统；银行客户数据库挖掘系统的设计构架；银行客户数据库挖掘系统实现技术,其中又包括并行数据预处理,基于联机分析处理的交易特征挖掘的设计思想与具体实现。最后是银行客户关系管理及其客户数据挖掘系统的关联规则发现和结果。本文解决的关键问题有以下几方面：第一.银行客户数据挖掘系统是由数据清理、交易特征性挖掘、交易关联性挖掘、客户聚类和发展趋势分析等功能构成的。数据清理是对根据交易码区分交易类型,并将结果存入数据库。交易特征性挖掘是根据客户的所在的区域、支行、卡号等特征,对交易类别进行分类。’交易关联性挖掘是发现客户指定的支持度和可信度的关联交易。客户聚类就是将具有某些共同特征的客户进行归类。趋势分析是使用近期的交易数据预测未来短期的交易金额。第二.数据挖掘系统由系统控制模块、数据预处理模块、数据挖掘分析模块和报表输出模块等组成。系统控制模块的任务是接受客户的操作指令调用相应的子模块完成请求；数据预处理模块负责数据的清洗和导入；数据挖掘分析模块负责对目标数据进行特性挖掘、关联分析、聚类分析和趋势预测；报表输出模块则把数据挖掘分析产生的结果以直观的方式展现出来。

全文目录

摘要  10-12
ABSTRACT  12-14
第1章绪论  14-19
  1.1 研究背景及意义  14-15
  1.2 国内外研究现状  15-17
    1.2.1 国外研究现状分析  15-16
    1.2.2 国内研究现状分析  16-17
  1.3 本文工作  17-18
  1.4 本文内容安排  18-19
第2章系统需求分析  19-33
  2.1 系统概述  19-22
    2.1.1 银行客户数据挖掘系统的建设原则  19
    2.1.2 系统建设目标  19-21
    2.1.3 银行客户数据挖掘系统解决方案  21-22
  2.2 系统整体架构  22-24
  2.3 系统的网络结构  24-25
  2.4 系统的软件结构  25-27
  2.5 银行客户数据挖掘系统功能性需求  27-31
    2.5.1 客户总量分析  27-29
    2.5.2 重点客户分析  29
    2.5.3 客户关系管理  29-30
    2.5.4 事件关联分析  30-31
  2.6 非功能性需求分析  31-33
    2.6.1 系统可用性  31
    2.6.2 系统安全性  31
    2.6.3 系统的完整性  31-32
    2.6.4 系统的可扩充性与可维护性  32-33
第3章系统设计  33-54
  3.1 系统设计要求  33-34
  3.2 系统设计原则  34-35
  3.3 数据挖掘系统设计流程  35-37
    3.3.1 挖掘目标的确立  35
    3.3.2 数据的准备  35-37
    3.3.3 数据建模  37
    3.3.4 模型评估  37
  3.4 数据处理流程设计  37-40
    3.4.1 数据准备和预处理  38-39
    3.4.2 数据导入OLAP系统  39
    3.4.3 挖掘分析  39
    3.4.4 结果分析  39-40
    3.4.5 产生报表  40
  3.5 概念模型设计  40-44
    3.5.1 概念模型的需求分析  40-41
    3.5.2 数据仓库中主题的划分  41
    3.5.3 建模方法的确定  41-44
  3.6 系统逻辑结构设计  44
  3.7 主要模块详细设计  44-48
    3.7.1 数据清理模块  44-45
    3.7.2 交易特性挖掘流程  45-46
    3.7.3 交易关联性挖掘流程  46
    3.7.4 客户聚类流程  46-47
    3.7.5 趋势分析  47-48
  3.8 数据结构设计  48-54
    3.8.1 数据库设计步骤  48-50
    3.8.2 数据概念模型设计  50-51
    3.8.3 数据表设计  51-54
第4章系统实现  54-66
  4.1 系统开发与运行环境  54
  4.2 数据预处理模块的实现  54-56
  4.3 交易特性挖掘的实现  56-60
  4.4 关联规则挖掘的实现  60-62
  4.5 聚类挖掘的实现  62
  4.6 结果分析  62-66
结论  66-67
参考文献  67-70
致谢  70-71
学位论文评阅及答辩情况表  71

银行客户数据挖掘系统的设计和实现

内容摘要

全文目录

相似论文