年的经营业务中积累了丰富的数据统计分析经验，有着突出的专业优势。这些得天独厚的优势都为数据挖掘技术的应用提供了广阔的空间，在处于大数据时代的大环境下，银行业需要更加方便科学有效的分析方法来处理海量的信息，为银行改善业务流程，增强信息收集的准确性，把握风控的精确度，预测经营业绩等方方面面提供决策支持和依据。数据最优化的利用是提高银行竞争力的重要途径，因此，大数据的应用能力将成为决定银行竞争力的关键因素。数据挖掘作为种崭新的数据运用手段，通过对海量数据采用聚类分析时间序列分析异常值检测等分析手段，从中挖掘出蕴含的隐性知识，可以在客户营销风险控制运营优化等多个业务领域有效助力业务开展。数据时代，智者生存。可以预期，未来的银行不仅是数据大行，更是数据分析数据解读的优秀银行，要能够从数据中获得洞察力，从数据中攫取价值，从数据中赢得未来。国内外研究现状万方数据第章绪论数据挖掘和知识发现是近年来个十分活跃的研究领域。年月，第届知识发现与数据挖掘大会,在美国芝加哥召开。大会吸引了来自全球多个国家的多人参加，打破了历届大会的参会人数纪录。是数据挖掘领域的顶级国际会议，由数据挖掘及知识发现专委会负责协调筹办。会议内容涵盖数据挖掘的基础理论算法和实际应用。的发展历史可以追溯到年开始组织的系列关于知识发现及数据挖掘的研讨会。自年以来，以大会的形式连续举办了届，论文的投稿量和参会人数呈现逐年增加的趋势。由于的学科交叉性和广泛应用性，大会吸引了来自统计社会网络分析机器学习大数据挖掘数据库万维网生物信息学多媒体自然语言处理人机交互及高性能计算等是需要进行计算的次数。通常。这个算法经常以局部最优结束。此算法的主要目标是找到个划分值，使得计算的平方差最小。在这种情况下，聚类之间的区别是十分明显的，且每个聚类本身又呈现出密集的球状。虽然这种算法优势明显，但是仍然存在缺陷，那就是旦没有定义聚类的平均值那么该算法就无从下手，且当涉及到分类属性时该方法也难以发挥作用。算法相比而言此方法是目前比较常用也比较容易操作的种方法，该方法的核心思想是若在选定样本周围的其他样本即相似均属于分类，那么该样本同样属于这个分类。也就是说，所需确定的样本的周围样本万方数据目录第章绪论研究背景国内外研究现状研究内容及方法研究内容研究方法论文组织结构第二章数据仓库和数据挖掘理论数据仓库的特点多维数据模型数据挖掘简介数据挖掘的过程常用的聚类算法挖掘建模工具简介第三章数据仓库及数据挖掘方案的设计需求分析数据仓库的设计银行数据仓库现状构建数据仓库维度模型构建挖掘模型建立分析模型聚类分析第四章数据挖掘结果的分析及运用部署结果分析各品种贷款客户业务贡献度分析二手房贷客户特征分析生产经营性贷款客户特征分析营业机构特征分析运用部署个人贷款客户二手房贷客户提升策略建议个人贷款客户生产经营性贷款客户提升策略建议营业机构提升策略建议万方数据第五章总结与展望总结展望参考文献发表论文和参加科研情况说明致谢万方数据第章绪论第章绪论研究背景随着中国经济全球化步伐的加速和金融市场改革的全面深化，银行业也已进入了以客户为中心的年代，银行的各项业务开始以各种形式渗透进网络，服务也日趋主动，对客户的数量及质量的衡量已经成为银行的重要指标。面对市场上形形色色的各类金融产品，各家银行均使出浑身解数，以吸引客户眼球，获取更多的客户资源。与此同时，摆在银行面前的目前的最大难题就是“如何解决客户的流失问题”。在产品竞争的市场机制中，各家银行从切身利益出发，对客户的挽留战已趋于白热化。随着大数据时代的来临，数据仓库数据安全数据分析数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。银行在金融行业中发挥着主导作用，而将数据挖掘技术应用在银行业，无疑是天作之合，数据挖掘技术在银行业有着巨大的用武之地，挖掘所采用的跨行业标准流程