数据挖掘技术在银行业客户分析中的应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 国内外相关研究综述 | 第9-10页 |
| 1.3 论文的研究方法 | 第10页 |
| 1.4 论文研究的主要内容及结构安排 | 第10-12页 |
| 2 数据挖掘技术相关理论 | 第12-19页 |
| 2.1 数据挖掘概念 | 第12页 |
| 2.2 数据挖掘常用技术分析 | 第12-16页 |
| 2.2.1 决策树 | 第12-13页 |
| 2.2.2 关联规则 | 第13页 |
| 2.2.3 聚类分析 | 第13-14页 |
| 2.2.4 Logistic分析方法 | 第14-15页 |
| 2.2.5 神经网络 | 第15-16页 |
| 2.3 CRISP-DM | 第16-17页 |
| 2.4 SPSS Modeler软件介绍 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 3 银行客户细分 | 第19-27页 |
| 3.1 客户细分背景 | 第19页 |
| 3.2 客户细分概念 | 第19-20页 |
| 3.3 客户细分模型 | 第20-21页 |
| 3.4 客户细分实例 | 第21-26页 |
| 3.4.1 商业理解 | 第21页 |
| 3.4.2 数据理解 | 第21页 |
| 3.4.3 数据准备 | 第21-22页 |
| 3.4.4 建立模型 | 第22-24页 |
| 3.4.5 模型评估 | 第24-26页 |
| 3.5 本章小结 | 第26-27页 |
| 4 银行客户流失分析 | 第27-37页 |
| 4.1 客户流失概念 | 第27页 |
| 4.2 客户流失类型 | 第27-28页 |
| 4.3 客户流失分析 | 第28页 |
| 4.4 客户流失分析实例 | 第28-36页 |
| 4.4.1 商业理解 | 第28-29页 |
| 4.4.2 数据理解 | 第29-32页 |
| 4.4.3 数据准备 | 第32-33页 |
| 4.4.4 建立模型及评估 | 第33-34页 |
| 4.4.5 模型部署 | 第34-36页 |
| 4.5 本章小结 | 第36-37页 |
| 5 银行客户信用评分 | 第37-47页 |
| 5.1 信用评分背景 | 第37-38页 |
| 5.2 信用评分概念 | 第38页 |
| 5.3 信用评分方法 | 第38-39页 |
| 5.4 信用评分分析实例 | 第39-46页 |
| 5.4.1 商业理解 | 第39页 |
| 5.4.2 数据理解 | 第39-40页 |
| 5.4.3 数据准备 | 第40-41页 |
| 5.4.4 建立模型 | 第41-44页 |
| 5.4.5 模型评估 | 第44-46页 |
| 5.5 本章小结 | 第46-47页 |
| 6 结论与展望 | 第47-49页 |
| 6.1 论文研究取得的预期成果 | 第47页 |
| 6.2 论文研究存在的不足之处 | 第47页 |
| 6.3 展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-52页 |
