1. 研究目的与意义
随着经济全球化的不断深入，商业银行的发展面临各个方面的挑战。市场竞争日渐激烈，产品的差别化越来越小，商业银行难以在竞争中获得竞争优势如何对客户关系进行有效的管理分类对商业银行的经营有着举足轻重的作用客户关系管理用用数据，才能准确的高效的挖掘客户历史数据中的潜在信息。商业银行在客户信息存储方面占有很大的优势，银行可以对这些数据进行提取分类，挖掘其中对银行有用的信息来指导商业银行营销活动、决策制定。 数据挖掘技术在商业银行客户关系管理中的应用不但丰富、深化了数据库营销理论和客户关系管理理论，而且更成为了客户关系管理发展的基石。数据挖掘技术在商业银行客户关系管理中的应用更加符合客户关系管理的实际，她对于啥工业银行新客户的开发、实现交叉销售，客户挽留、客户细分、关系盈利性等方面有着非常重要的实际意义。另外，通过有效的客户关系管理，商业银行还可以最大限度地降低客户信用风险
2. 研究内容和预期目标
收集到的样本之后，在挖掘数据中打算主要适用决策树方法，讲可变因素逐步缩小，最后得出与客户关系影响最大的一个变量。在数据库中我们通过数据挖掘来建立预测模型，然后对模型进行评估，之后将结果的目标客户自动划分，经过了市场活动之后再次将数据存入数据库，以此循环。
根据商业银行数据的特点，本文拟采用决策树算法和神经网络法建立模型，因为以上这两种算法具有不同的适合处理这些复杂数据的特点，决策树的结构和规则推理的过程容易理解将，可变因素逐步缩小，最后得出与客户关系影响最大的一个变量，然后进行评价与分析。神经网络适合处理解决含有大量参数的问题，能够对模型进行评分。研究客户关系管理中数据挖掘模型的构建。运动文献研究法、探索性研究方法、定量分析和定性分析相结合。通过定性分析的方法找出客户的特征，研究数据挖掘在商业银行客户关系管理的可行性。再通过定量分析，将客户的某些特征定量化，从质和量两方面度量客户关系管理。
对于数据挖掘。首先要了解客户生命周期，即商业银行和客户之间的关系所处的不同阶段，企业从客户获得的收益与客户生命周期有着直接的关系。对于客户有潜在客户、响应客户、既得客户与流失客户。流失客户又分为被动离开与主动离开。对于不同类型的客户所处的不同阶段我们要采取相应措施为银行带来最大利润。对于潜在客户，可以通过数据挖掘技术把之前客户对市场活动的相应进行挖掘，找出之前响应者的客户特征，根据这些特征在市场中去寻找潜在客户。对于相应类客户，可以通过数据挖掘来分析客户的行为，并利用预测功能来判断出哪些客户会成为银行的既得客户。对于既得客户，数据挖掘可以通过对该类客户历史数据的分析，讲既得客户在分为不同的类别：通过对客户行为的分析，判断客户价值，通过对客户偏好的数据分析来对其未来的行为作出预测。而对于流失客户，数据挖掘的主要作用为区分客户是主动还是被动离开。
3. 国内外研究现状
一、国外现状研究
Mellon银行使用IBM公司开发的Intelligent Miner提高了定价金融产品的精确度；美国Firstant银行使用HNC公司开发的Marksman数据挖掘工具成功预测合适为客户提供何种产品。此外，FCC国家银行、Well Fargo和美国第一银行业都将数据挖掘技术引进到客户关系管理进去，并取得了显著效果。
二、国内现状研究
4. 计划与进度安排
5. 参考文献
[1].商业银行成功实施CRM的关键因素分析》.经济研究导刊.2006
[2]《CRM:我国商业银行提高核心竞争力的有效途径》.财经理论与实践.2003
[3].宫新军.基于数据挖掘技术的客户关系管理系统研究.山东广播电视大学学报.2013.1
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
