| 第1章 绪论 | 第1-13页 |
| ·引言 | 第9-10页 |
| ·论文研究背景 | 第10-11页 |
| ·我国银行数据的现状 | 第10页 |
| ·国内外银行对数据挖掘技术的应用 | 第10-11页 |
| ·论文研究内容 | 第11-13页 |
| 第2章 数据挖掘技术的概述 | 第13-36页 |
| ·数据挖掘历史发展和提出背景 | 第13-15页 |
| ·数据挖掘的定义 | 第15-19页 |
| ·技术层面上的定义 | 第15-16页 |
| ·商业角度上的定义 | 第16-17页 |
| ·数据挖掘与统计学的对比分析 | 第17-18页 |
| ·数据挖掘与传统分析方法的区别 | 第18-19页 |
| ·数据挖掘的分类 | 第19-20页 |
| ·数据挖掘的主要方法 | 第20-27页 |
| ·聚类分析(Clustering) | 第20-22页 |
| ·决策树(Decision tree) | 第22-23页 |
| ·关联规则(Association rules) | 第23-24页 |
| ·神经网络(Neutral Network) | 第24-27页 |
| ·数据可视化(Data Visualization) | 第27页 |
| ·数据挖掘与数据仓库的关系 | 第27-32页 |
| ·数据仓库简介 | 第27-31页 |
| ·数据仓库与数据挖掘的紧密联系 | 第31-32页 |
| ·数据仓库与数据挖掘的区别 | 第32页 |
| ·数据挖掘的过程 | 第32-34页 |
| ·数据挖掘软件的发展 | 第34-36页 |
| 第3章 商业银行系统数据特征 | 第36-42页 |
| ·银行业务开展现状及其存在的问题 | 第36-42页 |
| ·我国商业银行个人金融业务状况分析 | 第36-40页 |
| ·我国商业银行企业金融服务的状况分析 | 第40-42页 |
| 第4章 商业银行数据仓库的设计 | 第42-48页 |
| ·个人理财数据仓库构建 | 第42-45页 |
| ·个人理财数据仓库的体系结构 | 第42-43页 |
| ·数据粒度划分 | 第43-44页 |
| ·个人理财数据仓库建模 | 第44-45页 |
| ·银企合作数据仓库构建 | 第45-48页 |
| ·银企合作数据仓库的体系结构 | 第45-46页 |
| ·数据粒度划分 | 第46-47页 |
| ·银企合作数据仓库建模 | 第47-48页 |
| 第5章 商业银行数据挖掘模型 | 第48-60页 |
| ·个人理财客户细分模型 | 第48-56页 |
| ·个人理财客户细分理论综述 | 第48-49页 |
| ·个人理财客户细分系统 | 第49页 |
| ·个人理财客户细分决策树模型 | 第49-54页 |
| ·个人理财客户细分神经网络模型 | 第54-56页 |
| ·客户流失分析模型 | 第56-58页 |
| ·客户流失分析系统的功能 | 第56-57页 |
| ·客户流失聚类分析模型 | 第57-58页 |
| ·企业内部资金管理利率划分数据挖掘模型 | 第58-60页 |
| ·企业内部资金管理利率划分系统 | 第58页 |
| ·利率划分决策树模型 | 第58-60页 |
| 第6章 系统模型的实现 | 第60-69页 |
| ·客户细分模型 | 第60-63页 |
| ·客户流失模型 | 第63-66页 |
| ·银企合作利率划分模型 | 第66-69页 |
| 第7章 总结与展望 | 第69-71页 |
| ·研究得出的结论 | 第69页 |
| ·展望 | 第69-71页 |
| 参考文献 | 第71-73页 |
| 致谢 | 第73页 |