基于数据挖掘的银行客户管理系统的设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 论文的主要内容及结构安排 | 第13-15页 |
| 第2章 银行客户管理系统分析 | 第15-30页 |
| 2.1 数据挖掘技术 | 第15-18页 |
| 2.1.1 数据挖掘的概况 | 第15-16页 |
| 2.1.2 数据挖掘的主要功能 | 第16页 |
| 2.1.3 数据挖掘的主要技术和方法 | 第16-17页 |
| 2.1.4 数据挖掘的一般过程 | 第17-18页 |
| 2.2 聚类技术 | 第18-25页 |
| 2.2.1 聚类分析中的数据结构 | 第19页 |
| 2.2.2 聚类分析中的数据类型 | 第19-21页 |
| 2.2.3 聚类分析中的准则函数 | 第21-22页 |
| 2.2.4 主要聚类方法 | 第22-25页 |
| 2.3 客户关系管理理论 | 第25-30页 |
| 2.3.1 客户关系管理概述 | 第26-27页 |
| 2.3.2 客户细分理论概述 | 第27-29页 |
| 2.3.3 数据挖掘技术在银行客户细分中的作用 | 第29-30页 |
| 第3章 数据挖掘在客户管理系统中的应用 | 第30-47页 |
| 3.1 客户分类指标的建立 | 第30-31页 |
| 3.1.1 分类指标的选取方法 | 第30页 |
| 3.1.2 银行客户指标细分方法 | 第30-31页 |
| 3.2 客户数据的选择和准备 | 第31-35页 |
| 3.2.1 数据选择 | 第31-32页 |
| 3.2.2 数据预处理 | 第32-33页 |
| 3.2.3 数据转换 | 第33-35页 |
| 3.3 SPSS软件中的聚类分析 | 第35-44页 |
| 3.3.1 K-MEANS算法的挖掘过程 | 第36-40页 |
| 3.3.2 层次聚类算法挖掘过程 | 第40-44页 |
| 3.4 聚类结果解释与营销策略 | 第44-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第4章 银行客户管理系统的设计 | 第47-56页 |
| 4.1 系统需求分析 | 第47-48页 |
| 4.1.1 系统功能需求 | 第47页 |
| 4.1.2 系统性能需求 | 第47页 |
| 4.1.3 系统安全需求 | 第47-48页 |
| 4.1.4 系统设计需求 | 第48页 |
| 4.2 银行客户管理系统设计 | 第48-51页 |
| 4.2.1 系统设计思想 | 第48-49页 |
| 4.2.2 系统功能模块设计 | 第49-51页 |
| 4.3 数据结构设计 | 第51-53页 |
| 4.4 数据仓库设计 | 第53-54页 |
| 4.5 系统运行环境 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第5章 银行客户管理系统的实现 | 第56-75页 |
| 5.1 银行客户管理系统数据的准备和处理 | 第56-57页 |
| 5.2 银行客户管理系统数据挖掘模型的建立 | 第57-61页 |
| 5.3 银行客户管理功能模块的实现 | 第61-70页 |
| 5.3.1 客户信息管理模块 | 第61-65页 |
| 5.3.2 产品信息管理模块 | 第65-67页 |
| 5.3.3 营销信息管理模块 | 第67-70页 |
| 5.4 数据挖掘模块调用的实现 | 第70页 |
| 5.5 系统客户数据应用分析 | 第70-74页 |
| 5.5.1 客户流失预警分析 | 第70-71页 |
| 5.5.2 客户流失结果分析 | 第71-74页 |
| 5.5.3 客户流失分析及应对策略 | 第74页 |
| 5.6 本章小结 | 第74-75页 |
| 第6章 银行客户管理系统的测试 | 第75-80页 |
| 6.1 测试目标 | 第75页 |
| 6.2 测试过程 | 第75-76页 |
| 6.2.1 功能和非功能测试 | 第75页 |
| 6.2.2 测试环境 | 第75-76页 |
| 6.3 系统功能测试 | 第76-79页 |
| 6.3.1 系统性能测试 | 第77-79页 |
| 6.4 本章小结 | 第79-80页 |
| 第7章 结论 | 第80-81页 |
| 参考文献 | 第81-84页 |
| 致谢 | 第84页 |
