摘要 | 第2-4页 |
ABSTRACT | 第4-5页 |
1. 绪论 | 第8-15页 |
1.1 立论背景及研究意义 | 第8-10页 |
1.1.1 研究背景 | 第8页 |
1.1.2 研究意义 | 第8-9页 |
1.1.3 零售业DSS 研究现状 | 第9-10页 |
1.2 客户关系管理(CRM)概述 | 第10-13页 |
1.2.1 客户关系管理的基本概念 | 第10页 |
1.2.2 客户关系管理的框架 | 第10-11页 |
1.2.3 CRM、数据仓库和数据挖掘 | 第11-12页 |
1.2.4 客户关系管理在零售业上的应用 | 第12-13页 |
1.3 本文的工作 | 第13-15页 |
1.3.1 研究内容 | 第13页 |
1.3.2 本文的组织结构 | 第13-15页 |
2. 决策支持系统与数据挖掘 | 第15-28页 |
2.1 决策支持系统概述 | 第15-19页 |
2.1.1 决策支持系统的产生 | 第15页 |
2.1.2 决策支持系统的概念 | 第15-16页 |
2.1.3 决策支持系统的框架 | 第16-18页 |
2.1.4 数据库、模型库和知识库 | 第18-19页 |
2.2 数据仓库 | 第19-23页 |
2.2.1 数据仓库概念 | 第19-20页 |
2.2.2 数据仓库框架 | 第20-21页 |
2.2.3 数据仓库开发的生命周期 | 第21-23页 |
2.3 数据挖掘 | 第23-27页 |
2.3.1 数据挖掘简介 | 第23-25页 |
2.3.2 数据挖掘的任务 | 第25-26页 |
2.3.3 数据挖掘的方法 | 第26页 |
2.3.4 数据挖掘技术解决商业问题 | 第26-27页 |
2.4 本章小结 | 第27-28页 |
3. 基于数据仓库的零售业DSS 的设计 | 第28-40页 |
3.1 分析 | 第28页 |
3.2 系统框架 | 第28-30页 |
3.3 系统功能分析 | 第30-34页 |
3.3.1 POS 子系统 | 第30-31页 |
3.3.2 MIS 子系统 | 第31-34页 |
3.3.3 DSS 子系统 | 第34页 |
3.4 客户信息数据仓库设计 | 第34-39页 |
3.4.1 数据模型 | 第34-35页 |
3.4.2 概念模型设计 | 第35-36页 |
3.4.3 逻辑模型设计 | 第36-38页 |
3.4.4 物理模型设计 | 第38-39页 |
3.5 本章小结 | 第39-40页 |
4. 关联规则在预测客户购买行为上的应用 | 第40-56页 |
4.1 关联规则简介 | 第40-42页 |
4.1.1 关联规则基本概念 | 第40-41页 |
4.1.2 关联规则形式化定义 | 第41-42页 |
4.2 关联规则Apriori 算法实现 | 第42-48页 |
4.2.1 Apriori 的核心算法 | 第43-44页 |
4.2.2 FP-Growth | 第44-46页 |
4.2.3 示例 | 第46-48页 |
4.3 基于SQL Server 2005 关联规则的应用实例 | 第48-55页 |
4.3.1 数据分析 | 第49-52页 |
4.3.2 关联分析模型 | 第52-54页 |
4.3.3 结果分析 | 第54-55页 |
4.4 本章小结 | 第55-56页 |
5. 聚类分析在客户细分中的应用 | 第56-64页 |
5.1 客户细分 | 第56-58页 |
5.1.1 客户细分概念 | 第56页 |
5.1.2 客户细分过程 | 第56-57页 |
5.1.3 客户细分方式 | 第57-58页 |
5.2 聚类分析 | 第58-61页 |
5.2.1 聚类分析基本原理 | 第58页 |
5.2.2 距离或相似性度量 | 第58-61页 |
5.3 聚类分析在零售业客户细分中的应用 | 第61-63页 |
5.3.1 数据选择 | 第61页 |
5.3.2 聚类算法 | 第61-62页 |
5.3.3 聚类结果及分析 | 第62-63页 |
5.4 本章小结 | 第63-64页 |
6. 总结与展望 | 第64-66页 |
6.1 本文研究成果 | 第64-65页 |
6.2 进一步的工作 | 第65-66页 |
参考文献 | 第66-68页 |
致谢 | 第68-69页 |
攻读学位期间发表的学术论文 | 第69-72页 |
上海交通大学学位论文答辩决议书 | 第72页 |