張建珍　張秀珍　周星星

摘 要：本文以銀行業(yè)務(wù)數(shù)據(jù)為研究對(duì)象，結(jié)合聚類分析和模糊數(shù)學(xué)中模糊相似矩陣的思想，將模糊數(shù)學(xué)理論應(yīng)用于聚類分析中，提出了基于模糊聚類分析的綜合排序方法，即模糊聚類法。本文采用該算法對(duì)現(xiàn)有銀行客戶的存、貸款、信用卡、轉(zhuǎn)賬結(jié)算等業(yè)務(wù)的總體情況進(jìn)行綜合排序，以便于銀行客戶經(jīng)理根據(jù)排序結(jié)果，對(duì)不同客戶采取支持、維護(hù)或淘汰等不同的分類管理策略，最大限度降低銀行的客戶管理成本。

關(guān)鍵詞：模糊聚類；銀行客戶；綜合排序；分類管理

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)號(hào)：A 文章編號(hào)：2095-2163（2014）06-

Abstract： Based on bank business data， this paper combined with clustering analysis and fuzzy similar matrix in fuzzy mathematics， applying the fuzzy mathematics theory to clustering analysis， puts forward the comprehensive sorting method based on fuzzy clustering analysis，namely the fuzzy clustering method. The algorithm is applied to order the existing bank customer deposits and loans， credit cards， the general characteristics of the transfer settlement business.According to the result of sorting，the bank customer manager will differently deal with the selected customers，which to support，and which t o maintain or eliminate.As a result，the bank customer manager takes different management strategies to save maximally customer management costs of the bank.

Keywords：Fuzzy Clustering； Bank Customers； Comprehensive Sorting； Classification Management

0 引 言

隨著市場存、貸款利率的逐步放開，銀行、小額貸款公司、投資管理公司等金融業(yè)間的競爭日益激烈，而金融業(yè)間的競爭根本上則是對(duì)客戶的爭奪。隨著信息科技的飛速發(fā)展，金融企業(yè)在自身經(jīng)營中也積累了大量的業(yè)務(wù)數(shù)據(jù)。如何依托企業(yè)內(nèi)部的金融數(shù)據(jù)系統(tǒng)通過數(shù)據(jù)挖掘技術(shù)進(jìn)行數(shù)據(jù)分析，從企業(yè)內(nèi)部存儲(chǔ)的大量數(shù)據(jù)資料中提取不同客戶的屬性，據(jù)此確認(rèn)客戶的喜好和行為特征，進(jìn)而對(duì)現(xiàn)有客戶進(jìn)行分類管理，實(shí)現(xiàn)有針對(duì)性的營銷、維護(hù)及淘汰，如此則不僅有利于穩(wěn)定和拓展銀行業(yè)績，同時(shí)，也能夠最大限度降低管理客戶的相關(guān)費(fèi)用。

1 模糊聚類思想

模糊聚類包括模糊與聚類，主要是指在對(duì)現(xiàn)有的大量模糊、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)在挖掘[1]過程中發(fā)現(xiàn)（KDD）知識(shí)的方法統(tǒng)稱。模糊集法、以及聚類就是利用數(shù)據(jù)挖掘進(jìn)行數(shù)據(jù)分析時(shí)較為常用的方法，其他還有神經(jīng)網(wǎng)絡(luò)法、遺傳算法、決策樹法、統(tǒng)計(jì)分析法等。

具體來說，模糊集法是利用模糊集合理論對(duì)實(shí)際問題進(jìn)行模糊評(píng)判、模糊決策、模糊模式識(shí)別和模糊分析的一組完整的研究實(shí)現(xiàn)技術(shù)。復(fù)雜性越高的系統(tǒng)，使用該方法模糊性越強(qiáng)，效果將會(huì)越明顯。聚類即是將一組個(gè)體按照相似性原則歸于若干類別，實(shí)現(xiàn)“物以類聚”[3]。其目的在于縮短同一類別個(gè)體之間的距離，但卻保持不同類別的個(gè)體間差異（距離）要盡可能大。聚類方法有統(tǒng)計(jì)法、機(jī)器學(xué)習(xí)法等。

基于同類別個(gè)體的隸屬度取值范圍，可將聚類分為兩類，即硬聚類算法和模糊聚類算法。在模糊聚類法中，一個(gè)樣本同時(shí)屬于所有的類，但是可通過隸屬度的大小來區(qū)分其差異。該理論操作簡便，結(jié)果可信，且在實(shí)際生活中應(yīng)用廣泛。

采用模糊聚類算法對(duì)銀行客戶進(jìn)行分類管理時(shí)，其基本步驟通常為[2]：

（1） 現(xiàn)有客戶數(shù)據(jù)的標(biāo)準(zhǔn)化；

2.4 模糊聚類

以上研究完成后，即需對(duì)樣本數(shù)據(jù)進(jìn)行模糊聚類。模糊聚類就是根據(jù)給定閾值水平，將最相似的對(duì)象聚為一類。研究中，找出與Xn+1為一類的對(duì)象，記下序號(hào)，其下標(biāo)即為最優(yōu)對(duì)象所在行的行號(hào)，而后刪掉該行，繼續(xù)排序，直至全部完成，由此即刻就可以得到所有客戶從優(yōu)到劣的完整排序。具體排序結(jié)果表2所示。

3結(jié)束語

模糊聚類方法結(jié)合了模糊數(shù)學(xué)中的模糊相似矩陣的思想，可理解性強(qiáng)，允許數(shù)據(jù)性質(zhì)的模糊性，可以應(yīng)用于具有潛在關(guān)聯(lián)的數(shù)據(jù)聚類。樣本數(shù)據(jù)通過模糊聚類，得到了樣本數(shù)據(jù)屬于各個(gè)類別的不確定性程度，進(jìn)而給出了樣本對(duì)于各個(gè)類別的不確定性描述。采用這種方法，在銀行等各種行業(yè)進(jìn)行客戶分類均具有很好的實(shí)用性。

參考文獻(xiàn)：

[1]朱明.數(shù)據(jù)挖掘[M].安徽：中國科學(xué)技術(shù)大學(xué)出版社，2002.

[2]劉夫濤，張雷，艾波.多重系統(tǒng)聚類挖掘算法及其實(shí)現(xiàn)[J].計(jì)算機(jī)工程與應(yīng)用，2000 （10）：41-42.

[3]何曰光.模糊聚類算法及應(yīng)用[J].石油儀器，2004，18（3）：43-44.

[4]周紅芳，宋姣姣，羅作民.一種改進(jìn)的模糊聚類算法[J].計(jì)算機(jī)應(yīng)用， 2010，30（5）：77-79.

[5]丁劍敏.數(shù)據(jù)挖掘技術(shù)及其在商業(yè)銀行中的應(yīng)用[J].市場周刊·財(cái)經(jīng)論壇，2013 （4）：58-59.

[6] 王明哲.基于數(shù)據(jù)挖掘技術(shù)的信用卡客戶的信用評(píng)價(jià)[J].商場現(xiàn)代化，2007（8）：77-78.