[发明专利]基于客户画像的关键数据挖掘系统

说明书

本发明提出基于客户画像的关键数据挖掘系统,包括客户数据获取模块、客户数据分类模块、客户数据聚类分析模块以及客户画像数据输出模块。所述客户数据包括与客户有关的金融数据。客户数据分类模块用于基于所述金融数据的产生环境，对所述客户数据进行分类；客户数据聚类分析模块将所述客户数据分类模块分类后的客户数据进行分类存储后，建立数据聚类矩阵，进行数据聚类分析；客户画像数据输出模块，基于所述数据聚类分析的结果，输出每一个聚类数据的客户画像。本发明的技术方案能够基于客户数据的不同类别，利用数据矩阵稳定性原理，挖掘出有价值的客户数据从而分类别建立客户画像，在避免了数据处理的复杂性的同时，画像建模更有针对性。

技术领域

本发明属于大数据处理技术领域，尤其涉及一种基于客户画像的关键数据挖掘系统。

背景技术

客户画像，又称用户画像，最早是在1998年交互设计之父Alan Cooper的著作《TheInmates Are Running the Asy-lum－Why High Tech Products Drive Us Crazy andHow to Restore the Sanity》中首次提出，他将用户画像定义为″基于用户真实数据的虚拟代表″。用户画像也称用户角色，是一种描绘目标用户、联系用户诉求和涉及方向的有效工具。

客户画像是客户的标识，用来确定如何对待这些客户——他们接受什么价位，喜欢什么样的产品，需要付出多少努力可以留住或者赢得这些客户。比如说一个客户：男，31岁，已婚，收入1万以上，爱美食，团购达人，喜欢红酒配香烟。这样一串描述即为用户画像的典型案例。如果用一句话来描述，即：用户信息标签化。

客户画像的核心工作是为用户打标签，标签提供了一种便捷的方式，使得计算机能够程序化处理与人相关的信息，甚至通过算法、模型能够″理解″人。因此，基于客户画像的数据挖掘技术能更方便的让人理解并且易于计算机处理，从而大大提高挖掘结论的实用性。

客户画像是建立许多数据挖掘项目的基础，客户画像的字段确定了客户在数据中的表示，同时也决定了数据挖掘模型的有效性和信息量。对事务的定期汇总组成了客户画像指标体系的大部分字段。

申请号为CN201811568454.3的中国发明专利申请提出客户画像构建方法，包括：获取目标对象的多个数据信息，每个数据信息包括：多个数据维度，每个数据维度包括一个或多个子标签。分别计算各子标签的信息价值IV值，根据各子标签的IV值，选择符合预设条件的数据维度作为入模标签。根据入模标签计算子标签评分，并根据子标签评分分别构建优质客户画像和劣质客户画像。实现了可以根据子标签评分来构建优质客户画像和劣质客户画像，以进一步实现对目标群体进行精准的业务推荐及服务。

申请号为CN202010446110.6的中国发明专利申请提出一种可视化展现与数据分析的客户画像系统，包括用户分析模块，投诉分析模块。其中，通过用户分析模块生成可视化结果发送至客户经理端，客户经理根据所述可视化结果进行用户走访，进而通过投诉分析模块，构建客户投诉倾向预测模型，将所述客户投诉倾向预测模型应用于未发生投诉行为的用户群中，识别出具有投诉倾向的用户群体的目标标识，并计算出潜在投诉风险概率，供客户经理作风险前防控参考，进而为大客户提供更加贴合的差异化、个性化客户服务，提高用户用电成本效益管控和客户关系管理水平，有效降低客户的投诉率。

然而，一方面，如前所述，用户画像是基于用户“真实数据“的虚拟代表，但是如何获取关键的真实数据，现有技术并未给出有效的解决方案；另一方面，在大数据时代，各个渠道获得的用户数据数量巨大并且存在巨大差异，即使对于同一个用户来说，不同渠道获得的用户数据也是属性完全不同的，如何基于获取渠道的不同分别给出渠道的用户画像，成为一个挑战。

发明内容