| 第1章 绪论 | 第1-15页 |
| 1．1 信用及信用销售概述 | 第8-11页 |
| 1．1．1 信用概述论与实际意义 | 第8-9页 |
| 1．1．2 企业信用关系网 | 第9-10页 |
| 1．1．3 企业信用销售及信用销售管理 | 第10-11页 |
| 1．2 国内相关研究综述 | 第11-13页 |
| 1．2．1 国外信用管理理论综述 | 第11-13页 |
| 1．2．2 国内信用管理理论综述 | 第13页 |
| 1．3 本文的选题意义 | 第13-14页 |
| 1．4 本文研究思路及方法 | 第14-15页 |
| 第2章 我国企业信用销售风险的现状、原因探讨 | 第15-21页 |
| 2．1 信用销售风险概述 | 第15-16页 |
| 2．2 信用销售企业的经营特征 | 第16-17页 |
| 2．3 信用销售风险分析 | 第17-21页 |
| 2．3．1 信用销售风险的现状 | 第17页 |
| 2．3．2 信用销售风险的本质 | 第17-18页 |
| 2．3．3 信用销售风险的成因 | 第18-21页 |
| 第3章 信用销售管理的信息系统 | 第21-30页 |
| 3．1 信用销售管理信息系统的组成 | 第21-22页 |
| 3．1．1 信息销售管理信息系统的特点 | 第21-22页 |
| 3．1．2 信息销售管理信息系统的组成 | 第22页 |
| 3．2 管理信息系统建设重点之一：数据仓库 | 第22-24页 |
| 3．2．1 数据仓库的定义 | 第22-23页 |
| 3．2．2 数据仓库的体系结构 | 第23-24页 |
| 3．3 管理信息系统建设重点之二：客户信息数据 | 第24-30页 |
| 3．3．1 目前我国企业在客户信息管理工作上的问题 | 第25-27页 |
| 3．3．2 企业进行科学的客户信息管理的用途 | 第27页 |
| 3．3．3 客户信息档案的内容 | 第27-28页 |
| 3．3．4 建立客户档案的方法 | 第28-30页 |
| 第4章 信息技术—信用销售的使能者 | 第30-42页 |
| 4．1 数据挖掘概述 | 第30-31页 |
| 4．1．1 数据挖掘的定义 | 第30页 |
| 4．1．2 数据挖掘的特点 | 第30-31页 |
| 4．1．3 数据挖掘分类 | 第31页 |
| 4．2 数据挖掘的流程 | 第31-34页 |
| 4．2．1 流程概述 | 第31-33页 |
| 4．2．2 数据的预处理 | 第33页 |
| 4．2．3 数据挖掘与模型 | 第33-34页 |
| 4．3 数据挖掘的主要技术 | 第34-42页 |
| 4．3．1 神经网络分类模型 | 第34-38页 |
| 4．3．1．1 神经网络概述 | 第34-35页 |
| 4．3．1．2 神经网络输入格式 | 第35-36页 |
| 4．3．1．3 神经网络输出格式 | 第36页 |
| 4．3．1．4 Sigmoid函数 | 第36页 |
| 4．3．1．5 感知机模型 | 第36-37页 |
| 4．3．1．6 神经网络训练 | 第37-38页 |
| 4．3．1．7 神经网络测试 | 第38页 |
| 4．3．2 聚类分析模型 | 第38-42页 |
| 4．3．2．1 聚类分析的概念 | 第38-39页 |
| 4．3．2．2 客户价值的数据矩阵 | 第39页 |
| 4．3．2．3 k—means算法描述 | 第39-40页 |
| 4．3．2．4 k—means算法具体方法 | 第40-42页 |
| 第5章 信息技术应用的探索 | 第42-67页 |
| 5．1 某集团公司信用销售管理的现状 | 第42-44页 |
| 5．1．1 公司简介 | 第42页 |
| 5．1．2 公司信用与销售管理现状 | 第42-43页 |
| 5．1．2．1 信用管理信息系统方面 | 第42页 |
| 5．1．1．2 客户信用管理方面 | 第42-43页 |
| 5．1．2．3 信用销售管理方面 | 第43页 |
| 5．1．3 应用信息技术的需求描述 | 第43-44页 |
| 5．2 基础工作—管理信息系统的建立 | 第44-46页 |
| 5．2．1 公司管理信息系统的技术结构 | 第44页 |
| 5．2．2 公司客户信息的管理 | 第44-46页 |
| 5．2．2．1 客户信息的内容和分类 | 第44-45页 |
| 5．2．2．2 客户信息的来源 | 第45页 |
| 5．2．2．3 客户信息的统一管理 | 第45-46页 |
| 5．3 公司客户信用评价 | 第46-60页 |
| 5．3．1 影响信用绩效的因素 | 第46页 |
| 5．3．2 构建神经网络结构 | 第46-48页 |
| 5．3．3 属性数据处理 | 第48-50页 |
| 5．3．4 流程处理 | 第50-60页 |
| 5．4 公司客户价值分析 | 第60-67页 |
| 5．4．1 客户价值分析的意义 | 第60-61页 |
| 5．4．2 客户价值的属性 | 第61-62页 |
| 5．4．3 运用k—means对客户价值进行分析 | 第62-64页 |
| 5．4．3．1 确定聚类个数—k值 | 第62页 |
| 5．4．3．2 数据矩阵和数据预处理 | 第62-64页 |
| 5．4．3．3 k—means算法的流程 | 第64页 |
| 5．4．4 结果展示和客户价值管理 | 第64-67页 |
| 结论 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间发表论文及科研实践 | 第73页 |