| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-9页 |
| 1.1 课题研究的背景和意义 | 第6-7页 |
| 1.1.1 研究背景 | 第6页 |
| 1.1.2 研究意义 | 第6-7页 |
| 1.2 研究目标及方法 | 第7页 |
| 1.2.1 研究目标 | 第7页 |
| 1.2.2 研究方法 | 第7页 |
| 1.3 研究内容概述 | 第7-9页 |
| 2 理论综述 | 第9-16页 |
| 2.1 数据挖掘技术的定义及方法 | 第9-10页 |
| 2.1.1 数据挖掘技术的定义 | 第9页 |
| 2.1.2 数据挖掘技术的常用方法 | 第9-10页 |
| 2.2 数据挖掘在银行业的发展趋势 | 第10-12页 |
| 2.2.1 宏观现状 | 第10-11页 |
| 2.2.2 国内外应用现状与发展趋势 | 第11-12页 |
| 2.3 商业银行客户关系管理简介 | 第12-13页 |
| 2.3.1 商业银行的客户关系管理概述 | 第12页 |
| 2.3.2 私人银行的概念 | 第12-13页 |
| 2.3.3 银行PCRM系统功能简述 | 第13页 |
| 2.4 数据挖掘在银行业客户关系管理中的应用和问题 | 第13-15页 |
| 2.4.1 数据挖掘在银行业客户关系管理中的使用 | 第13-14页 |
| 2.4.2 数据挖掘在私行客户关系管理中面临的问题 | 第14-15页 |
| 2.5 小结 | 第15-16页 |
| 3 私人银行客户的管理 | 第16-21页 |
| 3.1 客户的生命周期 | 第16-17页 |
| 3.2 P银行私行客户管理的三大工作重点 | 第17-19页 |
| 3.2.1 P银行私行新客户的拓展概况 | 第17页 |
| 3.2.2 P银行私行老客户的提升措施 | 第17-18页 |
| 3.2.3 P银行私行客户流失概况 | 第18-19页 |
| 3.3 P银行私行客户管理面临的主要问题 | 第19-20页 |
| 3.3.1 新客户拓展竞争压力大 | 第19页 |
| 3.3.2 老客户提升不精准 | 第19页 |
| 3.3.3 流失客户难挽回 | 第19-20页 |
| 3.4 小结 | 第20-21页 |
| 4 利用数据挖掘实现P银行私行客户管理智能模型 | 第21-32页 |
| 4.1 P银行私行客户全景特征轮廓分析 | 第21-22页 |
| 4.2 数据准备 | 第22-23页 |
| 4.3 模型建立 | 第23-31页 |
| 4.3.1 获客模型 | 第23-25页 |
| 4.3.2 提升模型 | 第25-28页 |
| 4.3.3 挽留模型 | 第28-31页 |
| 4.4 小结 | 第31-32页 |
| 5 依托智能模型制定业务实施方案 | 第32-36页 |
| 5.1 根据获客模型结果制定拓展转化实施方案 | 第32-33页 |
| 5.1.1 行外客户按照现有客户关系拓展方案 | 第32页 |
| 5.1.2 存量客户按照客户类型转化方案 | 第32-33页 |
| 5.2 依托智能推荐提升模型为客户制定提升方案 | 第33-34页 |
| 5.2.1 根据客户洞察结果提供个性化金融服务方案 | 第33页 |
| 5.2.2 根据客户分层优化产品配置 | 第33-34页 |
| 5.3 根据流失预警模型及时制定挽留方案 | 第34页 |
| 5.3.1 根据客户差异性制定挽留方案 | 第34页 |
| 5.4 小结 | 第34-36页 |
| 结论 | 第36-38页 |
| 参考文献 | 第38-39页 |
| 致谢 | 第39-41页 |
