運用資料探勘於銀行業潛在顧客預測模型之研究

A Study of Applying Data Mining for Potential Customer Prediction Model in Banking Industry

吳思葦(Sih-Wei Wu)

指導教授 ： 戴敏育

淡江大學/商管學院/資訊管理學系碩士班/碩士(2015年)

https://doi.org/10.6846/TKU.2015.00034

摘要

對於各金融機構而言，顧客為企業最珍貴的資產。然而，銀行要如何運用顧客關係管理與行銷手法，將有限的資源發揮最大的效益，那準確的選取潛在顧客則是相當重要的。故本論文目的為利用資料探勘之技術，建置目標顧客預測模型，以找出潛在顧客。

本研究設計為三階段，分別探討資料前置處理、特徵挑選與模型建置。我們針對不平衡資料集使用6種抽樣比例，並利用3種特徵選取法搭配4種分類演算法來建置模型，最後比較其模型效力。

實驗結果顯示，樣本抽樣比例的設定強烈影響分類預測的效果。而分類預測效果最佳之模型是在3：7樣本抽樣比例下，使用R-Square特徵選取法搭配Tree分類演算法。本研究貢獻為建立一套應用於金融業挖掘潛在顧客之模型的研究方法，並可利用預測模型為銀行產出潛在顧客名單，作為行銷決策之參考。

關鍵字

資料探勘 ； 顧客關係管理 ； 分類 ； 特徵選取 ； 不平衡資料集

並列摘要

Customers are generally bank and financial institutions’ most vital asset. Thus, it is important for institutions to precisely catch the customers by using limited resource for marking. The purpose of this paper is looking for potential customers by technique of data mining and prediction model.

A three-phase study was designed to explore the data pre-processing, feature selection, and model building. We take six samples from imbalance data sets, employed three different methods of feature selection go with four Classification algorithms, and then compare the preference of these models. The results of this experiment showed that the proportion of samples strongly impacts prediction. Under the proportion of 3:7 in sampling, we find the best preference of the model using R-Square to collocate Decision Tree.

The paper contributes to bringing the forth method that uses prediction model for bank and financial institutions to look for potential customers.

並列關鍵字

Data Mining ； Customer Relationship Management ； Classification ； Feature Selection ； Imbalance Data

參考文獻

[2]何俊億，《以信用卡資料庫建構信貸預測模型》，碩士論文，臺灣大學國際企業學研究所，2013。

[4]李御璽、顏秀珍、趙家宏等，〈運用二階段分類技術挖掘潛在中小企業借貸戶之研究〉，Journal of Data Analysis，第8卷，第6期，頁111-135，2013年。

[5]李御璽、顏秀珍，〈資料探勘在銀行信貸行銷上之應用〉，Journal of Data Analysis，第6卷，第4期，頁131-157，2011年。

[6]李御璽、顏秀珍、鄭郁翰等，〈運用分類技術發掘潛在中小企業借貸戶之研究〉，Journal of Information Technology and Applications，第1卷，第3期，頁173-181，2006年。

[7]李逢嘉，《特徵選取為基礎之複合分類預測模式-以信用資料為例》，博士論文，國立清華大學工業工程與工程管理學系，2010。