| 第一章 引言 | 第1-13页 |
| 1．1． 工作流 | 第9页 |
| 1．2． 数据采掘产生的背景 | 第9-10页 |
| 1．3． 数据采掘工具在决策支持系统中的应用 | 第10-11页 |
| 1．4． 本文的工作成果 | 第11-12页 |
| 1．5． 本文结构 | 第12-13页 |
| 第二章 工作流 | 第13-15页 |
| 第三章 数据采掘（Data Mining）工具 | 第15-28页 |
| 3．1． 数据采掘的技术基础 | 第16-21页 |
| 3．1．1 Data Mining的概念 | 第16页 |
| 3．1．2 Data Mining的方法与技术 | 第16-18页 |
| 3．1．3 Data Mining的分析方法 | 第18-21页 |
| 3．2． 数据采掘系统的体系结构及运行过程 | 第21-23页 |
| 3．2．1． 数据采掘结构 | 第21页 |
| 3．2．2． 数据采掘的步骤 | 第21-22页 |
| 3．2．3． 从技术到实现 | 第22-23页 |
| 3．3． Data Mining与其他数据库工具的区别和联系 | 第23-26页 |
| 3．3．1． 数据分析模型 | 第23-24页 |
| 3．3．2． 操作型工具 | 第24-25页 |
| 3．3．3． 分析型工具 | 第25-26页 |
| 3．4． 数据采掘的应用 | 第26-28页 |
| 第四章 银行卡（二级卡行）业务分析 | 第28-31页 |
| 4．1． 银行卡业务的现状 | 第28页 |
| 4．2． 银行卡业务现存的问题 | 第28-31页 |
| 第五章 在银行卡基础上的数据采掘工具 | 第31-45页 |
| 5．1． 银行卡Data Mining系统需求 | 第31-32页 |
| 5．2． 体系结构 | 第32页 |
| 5．3． 银行卡Data Mining模块结构 | 第32-37页 |
| 5．3．1． 数据采掘（Data Mining） | 第32-33页 |
| 5．3．2． 采掘结果表示（Presentation） | 第33页 |
| 5．3．3． 关联规则（Association Rule） | 第33-37页 |
| 5．4． 其他采掘算法在BCDAAS中的应用 | 第37-45页 |
| 5．4．1． 序列模式分析 | 第37-40页 |
| 5．4．2． 分类分析 | 第40-42页 |
| 5．4．3． 聚类分析 | 第42-45页 |
| 第六章 项目具体描述 | 第45-55页 |
| 6．1． 需求概述 | 第45页 |
| 6．2． BCDAAS总体结构 | 第45-46页 |
| 6．3． 系统逻辑特征 | 第46-47页 |
| 6．4． 逻辑模型设计 | 第47-48页 |
| 6．5． 系统配置 | 第48-49页 |
| 6．6． Oracle数据仓库系统配置及相应实现 | 第49-50页 |
| 6．7． 数据抽取、清洗、集成 | 第50页 |
| 6．8． 数据的分析、报表、查询等数据的表现 | 第50-51页 |
| 6．9． 数据仓库性能优化及发布 | 第51-55页 |
| 第七章 BCDAAS的功能 | 第55-77页 |
| 7．1． 工行信用卡业务的流程 | 第55-56页 |
| 7．2． BCDAAS主界面 | 第56页 |
| 7．3． BCDAAS实现的功能 | 第56-75页 |
| 7．3．1． 持卡人分析 | 第57-66页 |
| 7．3．2． 特约商户分析 | 第66-70页 |
| 7．3．3． 设备管理的数量分析 | 第70-71页 |
| 7．3．4． 效益分析 | 第71-75页 |
| 7．3．5． 日常业务 | 第75页 |
| 7．3．6． 业务报表 | 第75页 |
| 7．4． 发现的问题 | 第75-77页 |
| 致 谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
