3.1.2、客户服务管理模块功能

　　对于客户而言，优质的服务是其选择某家银行的关键因素，同时也决定了银行是否能可持续发展，客户服务管理模块往往涵盖客户需求分析、客户投诉等，其可以有效地记录客户反馈信息，并进行细化分析，从而帮助银行了解客户需求。

　　3.1.3、信息分类模块功能

　　以客户的贡献度为通过依据，可以将客户群划分为优质客户、发展客户、一般客户，优质客户存量为2万元以上/月，待发展客户存量为0.5万元以下/月，一般客户存量介于0.5万到2万/月，通过对这些数据的分析，能够掌握客户级别，针对客户需求来制定营销方案[4]。

　　3.1.4、客户信息分析模块的功能

　　在这一模块中，应用数据挖掘技术分析客户的历史数据，判断出其基本特征与价值，对客户行为进行细化分析，从而帮助银行调整服务策略和营销策略，以提升银行的盈利能力。

　　3.2、基于数据挖掘技术的银行客户关系管理系统设计与建设

　　3.2.1、系统设计流程

　　在客户分类上，根据客户贡献度、忠诚度来进行分析，将用户分为优质用户、普通用户、风险客户几类。优质客户其忠诚度、贡献度较高，是银行提供服务的重点对象；风险客户贡献度高，但是忠诚度较低，针对此类客户，要采用针对性的营销方法，采取科学的方式来提升其忠诚度，将其发展为优质客户。

　　在数据的准备上，需要确定好挖掘目标，通过业务存储数据库、客户存储数据库对其进行预处理，处理环节中，要保证数据的完整，统一将不一致数据清理出来，如果数据规模很大，则可以对数据加以筛选，将一些相关度较大的数据加以互联，从中提炼出价值高的数据，为数据挖掘方法的应用构建数据仓库。

　　在数据建模上，以数据处理、初始化作为基础，在建模环节中，确定好挖掘目标，选择合理的挖掘模型和算法，调整好模型参数，根据不同模型来得出分析结果。

　　在模型的评估上，利用数据挖掘技术来进行定义与评估，得出可用信息，并利用逻辑图形、图表的方式来展现，让信息变得清晰明了，假如发生数据与预期结果差距过大，需要构建新的模型进行重新分析。

　　3.2.2、客户分类

　　在数据的储存中，会出现噪声数据，这个数据可能是由于录入不准确或者没有备份、传输中断导致，对于此类数据，需要对其进行预处理，补全数据信息，构建数据仓库。在得到数据集后，抽取部分训练数据集，确定每条记录，分析属性用内标号属性[5]。在分类规则的提取上，将决策树转化为分类规则，得出分类模型后，即可在随机抽取、独立样本、测试集中评估出预测正确率，利用这一模型来对客户群体作出分类。

　　3.2.3、系统界面

　　系统登录页面提供统一登录接口，通过这一功能，能够保障银行客户关系管理系统的安全性，识别不同用户的身份，为其分配相应权限，用户在登录时，需要验证身份、输入密码和验证码后，系统可以识别出字符有效性，掌握用户的合法性与其功能角色权限。

　　3.2.4、客户信息管理

　　在客户信息管理功能中，包括查询功能、增加功能、修改功能与删除功能。在查询功能中，输入查询条件后，即可查询出对应客户的信息，以列表的形式来输出。在信息录入模块中，点击增加，即可录入客户信息并自动生成客户编码，如果录入出现错误，可以点击修改模块来进行修改。

　　3.2.5、客户服务管理功能

　　在客户投诉管理查询中，在收到投诉信息后，可以通过投诉信息处理模块来进行处理，只能输入处理方式、处理人、处理时间、处理级别以及处理状态，其他信息不可修改。

　　3.2.6、测试方法

　　软件测试涵盖黑盒测试、白盒测试两种。黑盒测试是以产品功能为基础进行的测试，对产品功能正常与否加以判断，该种测试方式更加侧重于产品表面，不需要关注程序内部结构与特征。但是，在具体测试中，需要充分考虑到各类情况，既要关注合法输入，也要关注不合法输入，当系统发生改变时，要将黑盒子测试系统应用到测试中。在黑盒子测试上，主要采用边界值分析法、比较分析法、决策表方法、因果联系法，输入不同条件测试值来分析系统执行情况，从而分析程序的运行问题[6]。