摘要 | 第4-5页 |
Abstract | 第5-6页 |
1 绪论 | 第10-18页 |
1.1 选题背景及意义 | 第10-11页 |
1.1.1 选题背景 | 第10-11页 |
1.1.2 选题意义 | 第11页 |
1.2 国内外研究现状 | 第11-15页 |
1.2.1 客户关系管理研究现状 | 第11-12页 |
1.2.2 数据挖掘研究现状 | 第12-13页 |
1.2.3 数据挖掘技术在银行相关管理的应用情况 | 第13-15页 |
1.3 研究方法和研究路径 | 第15-16页 |
1.3.1 研究方法 | 第15页 |
1.3.2 研究路径 | 第15-16页 |
1.4 论文结构安排 | 第16-18页 |
2 客户关系管理概述 | 第18-23页 |
2.1 客户关系管理的基本概念 | 第18-20页 |
2.1.1 客户关系管理的定义 | 第18页 |
2.1.2 客户关系管理的基本理念 | 第18-19页 |
2.1.3 客户关系管理的种类 | 第19-20页 |
2.2 商业银行客户关系管理分析 | 第20-23页 |
2.2.1 银行客户关系管理的内涵与目标 | 第20页 |
2.2.2 银行客户关系管理的实施内容 | 第20-21页 |
2.2.3 银行客户关系管理的特点 | 第21-23页 |
3 数据挖掘理论 | 第23-29页 |
3.1 数据挖掘的定义 | 第23页 |
3.2 数据挖掘的模式 | 第23-27页 |
3.2.1 概念描述 | 第24页 |
3.2.2 关联分析 | 第24-25页 |
3.2.3 序列模式分析 | 第25页 |
3.2.4 分类分析 | 第25-26页 |
3.2.5 聚类分析 | 第26页 |
3.2.6 演变分析 | 第26-27页 |
3.2.7 偏差检测 | 第27页 |
3.2.8 复杂类型的数据挖掘 | 第27页 |
3.3 数据挖掘的步骤 | 第27-29页 |
4 基于数据挖掘的商业银行客户关系管理 | 第29-39页 |
4.1 数据挖掘在商业银行管理中的商业价值 | 第29页 |
4.2 数据挖掘在银行客户关系管理中的应用 | 第29-33页 |
4.2.1 客户分类 | 第29-30页 |
4.2.2 客户获取 | 第30页 |
4.2.3 交叉营销 | 第30-31页 |
4.2.4 信用分析 | 第31页 |
4.2.5 客户保持 | 第31-32页 |
4.2.6 盈利能力分析 | 第32-33页 |
4.3 数据挖掘在商业银行客户关系管理中的应用模式 | 第33页 |
4.4 基于数据挖掘的的商业银行客户关系管理系统的构建 | 第33-39页 |
4.4.1 系统总体设计 | 第33-34页 |
4.4.2 各个功能模块介绍及相应的设计流程图 | 第34-39页 |
4.4.2.1 个人客户细分模型模块 | 第34-36页 |
4.4.2.2 个人客户细分模块 | 第36-37页 |
4.4.2.3 系统查询和报表打印模块 | 第37-39页 |
5 数据挖掘在农业银行客户关系管理系统中的应用 | 第39-49页 |
5.1 农行客户关系管理系统中数据挖掘方法 | 第39-41页 |
5.1.1 采用概念描述的方法获得客户信息评价 | 第39页 |
5.1.2 使用关联规则发现客户信息数据之间的关系 | 第39-40页 |
5.1.3 使用分类方法对现有的客户归类 | 第40页 |
5.1.4 使用孤立点分析找到客户中的特殊行为 | 第40-41页 |
5.2 数据挖掘技术在农业银行客户关系管理系统中的具体应用 | 第41-44页 |
5.2.1 数据预处理 | 第41-42页 |
5.2.1.1 数据集成 | 第41页 |
5.2.1.2 数据变换 | 第41-42页 |
5.2.2 K-means聚类算法 | 第42-43页 |
5.2.3 聚类结果解释与营销策略 | 第43-44页 |
5.3 农业银行客户关系管理数据挖掘案例 | 第44-49页 |
5.3.1 贵宾客户信用卡交叉销售项目 | 第44-46页 |
5.3.2 贷记卡授信策略项目 | 第46-48页 |
5.3.3 其他应用案例 | 第48-49页 |
6 结论 | 第49-51页 |
6.1 总结 | 第49页 |
6.2 论文不足之处 | 第49-50页 |
6.3 下一步的工作 | 第50-51页 |
致谢 | 第51-52页 |
参考文献 | 第52-53页 |