基于聚类算法的银行卡客户分类分析系统的设计与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题来源 | 第9-11页 |
| ·课题意义 | 第11-12页 |
| ·研究目的与本文主要工作 | 第12-13页 |
| ·论文结构安排 | 第13-15页 |
| 第二章银行卡及客户管理基础 | 第15-28页 |
| ·银行卡与相关知识 | 第15-17页 |
| ·银行卡的分类 | 第15页 |
| ·银行卡申领 | 第15-16页 |
| ·银行卡的使用 | 第16页 |
| ·银行卡的计息和收费 | 第16-17页 |
| ·银行卡挂失 | 第17页 |
| ·银行卡联网通用 | 第17页 |
| ·银行卡客户关系管理 | 第17-20页 |
| ·客户关系管理的内涵 | 第18-19页 |
| ·我国商业银行实施客户关系管理的必要性 | 第19-20页 |
| ·基于数据挖掘的银行客户关系管理 | 第20-23页 |
| ·客户行为分析 | 第21-22页 |
| ·银行客户保持 | 第22页 |
| ·数据库营销 | 第22页 |
| ·效果评估 | 第22-23页 |
| ·我国商业银行客户关系管理中的客户分类 | 第23-25页 |
| ·客户细分理论的产生 | 第23页 |
| ·客户细分的概念 | 第23-24页 |
| ·客户细分问题的特点分析 | 第24页 |
| ·客户细分的方法 | 第24-25页 |
| ·银行客户关系管理中基于数据挖掘的客户分类 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章系统需求分析与关键实现技术 | 第28-37页 |
| ·银行卡客户分类系统需求分析 | 第28-29页 |
| ·客户个体分析ER 图 | 第29-30页 |
| ·数据挖掘概念 | 第30-31页 |
| ·CRM 客户分类中常用的数据挖掘方法 | 第31-34页 |
| ·决策树 | 第31-32页 |
| ·类神经网络 | 第32-33页 |
| ·传统统计分析 | 第33页 |
| ·关联规则分析 | 第33-34页 |
| ·可视化技术 | 第34页 |
| ·K-means 聚类算法 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章银行卡客户分类系统设计与实现 | 第37-61页 |
| ·银行卡客户分类系统架构 | 第37-39页 |
| ·数据预处理子模块设计 | 第39-43页 |
| ·数据编码及相关数据选择 | 第40-41页 |
| ·数据清理 | 第41-42页 |
| ·数据集成 | 第42-43页 |
| ·数据归约 | 第43页 |
| ·数据挖掘子模块设计 | 第43-51页 |
| ·基于数据挖掘技术将银行卡的目标客户群体聚类 | 第44-46页 |
| ·客户分类管理 | 第46-51页 |
| ·数据管理子模块 | 第51-52页 |
| ·系统维护模块的设计 | 第52-53页 |
| ·分类分析系统的实现 | 第53-60页 |
| ·系统实现的架构 | 第53页 |
| ·硬件平台 | 第53-54页 |
| ·软件平台 | 第54页 |
| ·程序设计 | 第54-60页 |
| ·本章小结 | 第60-61页 |
| 第五章银行卡客户分类系统的测试分析与展望 | 第61-69页 |
| ·测试与分析 | 第61-67页 |
| ·结果与展望 | 第67-69页 |
| 第六章结论 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
