基于聚类分析技术的客户关系管理开题报告

1. 研究目的与意义

经济全球化，金融市场开放与竞争，信息技术突飞猛进，银行业务的发展，促进了crm在金融服务行业广泛运用。

金融机构正在应用把客户关系管理，整合客户信息资源，发掘客户价值，为客户提供更加快捷、周到的产品和服务，提高客户满意度和忠诚度，吸引更多的客户，最终实现自身收益的最大化。

在这种形势下，如何细分客户，通过从客户的交易中了解客户喜好，进而进行差异化管理，成为面临的重大挑战。

2. 课题关键问题和重难点

本课题的关键问题在于如何利用聚类分析技术来研究客户关系，利用先进的技术从有限的资料中来挖掘出客户的数据，分析客户的喜好从而尽最大能力来迎合客户，满足客户的需求，令客户满意认可。既然需要采用聚类分析技术，那么要明白聚类分析技术是什么，有哪些聚类分析算法以及算法的作用，

本课题最大的难点也是掌握聚类分析技术跟数据清洗技术，如何去发现并纠正数据文件中可识别的错误，检查数据的一致性，处理无效值和缺失值以及学会如何熟练的利用软件来挖掘数据中隐藏的信息。而且聚类分析通常不能独自解决问题，它需要与其他技术一起利用才可以使分析更加透彻，挖掘更加彻底。而且随着社会的进步，信息量大，数据量大，所以数据库中的数据量特别大，聚类分析无法很准确的一次性分析出来。

3. 国内外研究现状（文献综述）

基于聚类分析技术的客户关系管理这个课题还是一个涉及很广的，聚类分析技术跟客户关系管理也是现阶段的主要研究方向，我们需要通过聚类分析技术来为企业分析出客户的需求以及喜好，从而实现企业利益的最大化。通过以下的解释我相信大家对聚类分析技术跟客户关系管理也有了最基本的理解。

聚类分析的意思是将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。它是一种重要的人类行为。聚类分析的目的就在于在相似的基础上收集数据来分类。聚类有很多领域，包括数学，计算机科学，统计学，生物学和经济学。在不同的应用层面里，很多聚类技术都得到了发展与提升，这些技术方法被用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中。

聚类分析是统计学的一个分支，已经被广泛地研究了很多年，主要集中在基于距离的聚类分析。k-means算法、k-medoids算法和其他一些方法的聚类分析工具已经被加入到许多统计分析软件包或系统中。

4. 研究方案

1、工作内容：

了解数据挖掘基本算法及weka软件的使用，能进行数据预处理，数据挖掘，结果的解释。提供weka软件及相应的数据。

2、设计步骤：

5. 工作计划

3月1号至3月27号：查阅相关文件资料了解weka软件以及聚类分析技术，撰写并提交开题报告，查询相关外国图书资料进行阅读，并对其进行翻译，提交至毕业设计网站。

4月6号至4月17号：熟悉weka软件的操作流程以及聚类分析技术，确定研究对象，收集相关数据，利用聚类分析技术进行归类分析，清洗无用的数据，分析出关键数据找出隐藏客户价值，并做好每周的毕设进度汇报，跟指导老师及时汇报，并及时提交中期检查表。

5月4日至5月22日：利用分析出来的数据以及得出来的结论，进行开题报告的撰写，并提交毕业设计论文。

5月25日至5月28日：针对毕业设计论文中出现的问题进行修改，直至没有任何问题，提交毕业设计。