基于客户卡的数据挖掘与决策分析
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 前言 | 第9-13页 |
| ·课题研究的背景和目的 | 第9-10页 |
| ·课题研究的现状 | 第10-12页 |
| ·国内外主要数据挖掘软件厂商 | 第10页 |
| ·数据挖掘的应用现状 | 第10-11页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12页 |
| ·课题研究的主要内容 | 第12-13页 |
| 第二章 相关技术介绍 | 第13-32页 |
| ·ETL 技术 | 第13-14页 |
| ·数据仓库技术 | 第14-19页 |
| ·数据仓库的概念 | 第14-16页 |
| ·元数据 | 第16页 |
| ·粒度 | 第16-17页 |
| ·分割 | 第17-18页 |
| ·数据仓库的数据存储方式 | 第18-19页 |
| ·数据集市 | 第19页 |
| ·联机分析技术 | 第19-22页 |
| ·联机分析的概念 | 第19-20页 |
| ·维表 | 第20页 |
| ·事实表 | 第20页 |
| ·维操作示范 | 第20-22页 |
| ·数据挖掘技术 | 第22-29页 |
| ·数据挖掘的概念 | 第22-23页 |
| ·数据挖掘技术的分类 | 第23-24页 |
| ·聚类算法 | 第24-28页 |
| ·聚类分析中的数据结构 | 第24-25页 |
| ·K_means 聚类算法 | 第25页 |
| ·K_means 聚类算法的实现 | 第25-28页 |
| ·数据挖掘语言MDX | 第28-29页 |
| ·其他相关技术 | 第29-32页 |
| ·JSP 技术 | 第29页 |
| ·JDBC 技术 | 第29-30页 |
| ·西门子44281C 卡 | 第30-31页 |
| ·蓝葵软件 | 第31-32页 |
| 第三章 系统设计方案 | 第32-45页 |
| ·系统设计的目标 | 第32页 |
| ·系统结构与拓扑图 | 第32-36页 |
| ·系统结构图 | 第32-34页 |
| ·硬件拓扑图 | 第34-35页 |
| ·系统模块图 | 第35-36页 |
| ·系统流程 | 第36页 |
| ·数据仓库设计 | 第36-43页 |
| ·维的选取 | 第36-38页 |
| ·事实表的选取 | 第38-39页 |
| ·雪花模型的设计 | 第39-40页 |
| ·数据的清洗、转换、装载 | 第40-43页 |
| ·数据清洗 | 第40页 |
| ·数据转换 | 第40-41页 |
| ·数据装载 | 第41-43页 |
| ·联机分析主题设计 | 第43页 |
| ·数据挖掘主题设计 | 第43-45页 |
| 第四章 系统的实现 | 第45-64页 |
| ·联机分析的实现 | 第45-59页 |
| ·客户分析 | 第45-54页 |
| ·客户年龄分析 | 第45-49页 |
| ·客户性别分析 | 第49页 |
| ·客户汽车排量分析 | 第49-50页 |
| ·客户年收入分析 | 第50页 |
| ·客户教育程度分析 | 第50-51页 |
| ·客户分布分析 | 第51页 |
| ·客户油品分析 | 第51-52页 |
| ·客户卡级别分析 | 第52页 |
| ·客户卡性质分析 | 第52-53页 |
| ·客户车辆类型分析 | 第53页 |
| ·客户车辆性质分析 | 第53-54页 |
| ·销售分析 | 第54-56页 |
| ·销售额分析 | 第54页 |
| ·比重分析 | 第54-55页 |
| ·同级比较 | 第55页 |
| ·销售查询 | 第55-56页 |
| ·油品分析 | 第56-57页 |
| ·畅销油品分析 | 第56页 |
| ·滞销油品分析 | 第56-57页 |
| ·机构分析 | 第57-59页 |
| ·发卡申请/已制/已发分析 | 第57-58页 |
| ·换卡申请/已制/已领分析 | 第58页 |
| ·员工人数分析 | 第58-59页 |
| ·决策分析的实现 | 第59-64页 |
| ·选择聚类属性 | 第59-60页 |
| ·选择聚类机构 | 第60-61页 |
| ·输入聚类数 | 第61页 |
| ·计算聚类结果 | 第61-62页 |
| ·查看聚类结果 | 第62-64页 |
| 第五章 总结与展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 读研期间发表论文 | 第68页 |
