基于数据挖掘的商业银行客户关系管理研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-6页 |
| 1 绪论 | 第6-14页 |
| ·选题背景及研究意义 | 第6-7页 |
| ·选题背景 | 第6-7页 |
| ·研究意义 | 第7页 |
| ·国内外研究现状 | 第7-12页 |
| ·国外研究现状 | 第7-10页 |
| ·国内研究现状 | 第10-12页 |
| ·拟采取的研究方案及研究路径 | 第12-14页 |
| ·研究方法 | 第12页 |
| ·研究内容 | 第12-13页 |
| ·研究路径图 | 第13-14页 |
| 2 相关理论综述 | 第14-23页 |
| ·客户关系管理理论综述 | 第14-17页 |
| ·客户关系管理的定义 | 第14-15页 |
| ·客户关系管理的核心管理思想 | 第15-16页 |
| ·客户关系管理的步骤 | 第16页 |
| ·客户关系管理系统的类型 | 第16-17页 |
| ·数据挖掘技术理论综述 | 第17-20页 |
| ·数据挖掘的定义 | 第17页 |
| ·数据挖掘的过程 | 第17-18页 |
| ·数据挖掘常用技术分析 | 第18-20页 |
| ·商业银行客户关系管理理论综述 | 第20-21页 |
| ·商业银行的客户关系管理的内涵 | 第20页 |
| ·银行客户关系管理的实施内容 | 第20-21页 |
| ·银行客户关系管理的特点 | 第21页 |
| ·数据挖掘在商业银行CRM 的应用 | 第21-23页 |
| 3 商业银行客户关系管理相关模型的建立 | 第23-37页 |
| ·采用的主要数据挖掘技术与方法 | 第23-28页 |
| ·决策树 | 第23-25页 |
| ·BP 神经网络算法 | 第25-27页 |
| ·两种方法的比较 | 第27-28页 |
| ·银行客户等级分类相关规定 | 第28-29页 |
| ·相关模型的建立 | 第29-37页 |
| ·客户流失预警模型的建立 | 第29-32页 |
| ·客户分类模型的建立 | 第32-34页 |
| ·客户利润贡献度模型的建立 | 第34-37页 |
| 4 实证研究 | 第37-51页 |
| ·商业理解 | 第37-38页 |
| ·数据理解和准备 | 第38-41页 |
| ·数据预处理 | 第41-43页 |
| ·客户分类模型的建立 | 第43-48页 |
| ·决策树模型 | 第43-47页 |
| ·神经网络模型 | 第47-48页 |
| ·两种模型的比较 | 第48页 |
| ·商业银行分类模型的评价和解释 | 第48-49页 |
| ·商业银行应采取的管理策略 | 第49-51页 |
| 5 结论 | 第51-53页 |
| ·总结 | 第51-52页 |
| ·论文的不足 | 第52页 |
| ·展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57-61页 |
