| 1 绪论 | 第1-10页 |
| 1．1 引言 | 第6-7页 |
| 1．2 本文的研究主题和意义 | 第7-8页 |
| 1．3 国内外研究现状 | 第8页 |
| 1．4 创新点、研究方法和论文结构 | 第8-10页 |
| 2 信用卡和数据挖掘概述 | 第10-22页 |
| 2．1 信用卡概述 | 第10-11页 |
| 2．1．1 信用卡的定义 | 第10页 |
| 2．1．2 使用信用卡的优点 | 第10-11页 |
| 2．2 数据挖掘概述 | 第11-22页 |
| 2．2．1 数据挖掘的产生 | 第11-12页 |
| 2．2．2 数据挖掘的定义及其挖掘过程 | 第12-15页 |
| 2．2．3 数据挖掘方法 | 第15-21页 |
| 2．2．4 灵气挖掘应用 | 第21-22页 |
| 3 信用卡业务存在的问题及对策 | 第22-33页 |
| 3．1 信用卡计算机管理信息系统的现状及存在的问题 | 第22-23页 |
| 3．2 技术的推动--数据挖掘技术使信用卡决策支持系统成为可能 | 第23-25页 |
| 3．2．1 数据仓库及其系统组成 | 第23-24页 |
| 3．2．2 信用卡数据仓库系统信息的来源及构成分析 | 第24-25页 |
| 3．3 信用卡数据集市系统的功能设计 | 第25-27页 |
| 3．3．1 系统实现的目标 | 第25-27页 |
| 3．4 信用卡数据集市建模 | 第27-30页 |
| 3．4．1 数据集市的组成和表群划分 | 第27页 |
| 3．4．2 数据粒度划分 | 第27-28页 |
| 3．4．3 数据集市建模 | 第28-30页 |
| 3．5 以客户为中心的数据整合—数据采集系统ODS的设计与实现 | 第30-31页 |
| 3．5．1 数据ECTL（Extract，Cleanse，Transform，Load）过程 | 第30页 |
| 3．5．2 数据整合的难点 | 第30-31页 |
| 3．6 系统的关键技术及实现架构 | 第31-33页 |
| 3．6．1 系统的技术实现架构 | 第31页 |
| 3．6．2 系统的关键技术 | 第31-33页 |
| 4 数据挖掘在信用评分和客户、商户价值计算中的应用 | 第33-61页 |
| 4．1 客户信用评分 | 第33-46页 |
| 4．1．1 信用评分模型 | 第33-42页 |
| 4．1．2 数据挖掘在客户信用评分中的作用和一个应用实例 | 第42-46页 |
| 4．2 信用卡客户、商户价值 | 第46-61页 |
| 4．2．1 信用卡客户价值计算 | 第47-61页 |
| 5 客户消费行为关联分析及相应的营销战略和个性化营销形式 | 第61-69页 |
| 5．1 客户消费行为关联分析及相应的营销战略 | 第61-64页 |
| 5．1．1 基于日期的特约商户之间的关联 | 第62-63页 |
| 5．1．2 基于日期的特约商户营销战略 | 第63页 |
| 5．1．3 基于信用卡帐号的特约商户之间的关联 | 第63-64页 |
| 5．1．4 基于信用卡帐号的特约商户的营销战略 | 第64页 |
| 5．2 基于数据挖掘的信用卡个性化营销的形式 | 第64-69页 |
| 5．2．1 银行信用卡业务部门与特约商户进行联合数据挖掘 | 第66页 |
| 5．2．2 消费奖励积分的设置 | 第66页 |
| 5．2．3 信用卡透支利率和打折的差别化 | 第66页 |
| 5．2．4 发送定制的促销信息 | 第66-67页 |
| 5．2．5 利用数据挖掘进行交叉营销 | 第67-68页 |
| 5．2．6 利用数据挖掘评估产品表现和营销计划 | 第68页 |
| 5．2．7 利用数据挖掘奖励特约商户收银员以改善受卡服务 | 第68-69页 |
| 6 信用卡数据挖掘的相关法律问题 | 第69-71页 |
| 6．1 数据挖掘技术和隐私 | 第69-70页 |
| 6．2 有关歧视的法律问题 | 第70-71页 |
| 7 总结和展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
