基于数据挖掘的保险展业系统设计
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 引言 | 第7-12页 |
| ·国内外研究现状 | 第7-8页 |
| ·目前面临的挑战 | 第8-10页 |
| ·本文的主要内容 | 第10页 |
| ·本文的章节安排 | 第10-12页 |
| 第二章 数据挖掘技术基础 | 第12-17页 |
| ·数据挖掘的概念 | 第12-13页 |
| ·数据挖掘及其起源 | 第12页 |
| ·数据挖掘的一般过程 | 第12-13页 |
| ·数据挖掘的任务 | 第13-14页 |
| ·数据挖掘主要分析技术 | 第14-17页 |
| ·分类 | 第14-15页 |
| ·关联分析 | 第15-16页 |
| ·聚类 | 第16页 |
| ·异常检测 | 第16-17页 |
| 第三章 保险展业中的数据探索 | 第17-25页 |
| ·已有工作 | 第17-20页 |
| ·前端保险展业业务管理 | 第17-18页 |
| ·后台数据仓库 | 第18-20页 |
| ·保险展业数据集 | 第20-21页 |
| ·数据预处理 | 第21-22页 |
| ·汇总统计 | 第22-23页 |
| ·可视化 | 第23页 |
| ·联机分析处理 | 第23-25页 |
| 第四章 数据挖掘技术在保险展业中的应用 | 第25-36页 |
| ·应用现状与前景 | 第25-26页 |
| ·需求分析 | 第26-29页 |
| ·实例分析 | 第26页 |
| ·问题分析 | 第26-28页 |
| ·功能分析 | 第28页 |
| ·技术开发需求 | 第28-29页 |
| ·基于分类的客户分类模型 | 第29-31页 |
| ·训练集的定义 | 第29-30页 |
| ·决策树TreeGrowth归纳算法 | 第30-31页 |
| ·基于关联规则的组合推荐模型 | 第31-34页 |
| ·FP树表示法 | 第31-33页 |
| ·FP增长算法频繁项集的产生 | 第33-34页 |
| ·基于聚类的保单交易模型 | 第34-36页 |
| ·分割方法 | 第34页 |
| ·DBSCAN算法 | 第34-36页 |
| 第五章 系统设计与实现 | 第36-49页 |
| ·系统设计 | 第36-38页 |
| ·技术思想 | 第36页 |
| ·技术平台选择 | 第36-37页 |
| ·体系结构 | 第37-38页 |
| ·系统实现 | 第38-46页 |
| ·数据预处理 | 第38-42页 |
| ·客户分类子模块 | 第42-43页 |
| ·组合推荐子模块 | 第43-44页 |
| ·交易聚类子模块 | 第44-46页 |
| ·商业效果 | 第46-49页 |
| ·提高培训效率,降低了人员流失率 | 第46页 |
| ·提供客户个性化服务,增加了企业竞争能力 | 第46-47页 |
| ·挖掘特定客户,提供了精确推荐 | 第47页 |
| ·更易量化管理,提高了展业管理水平 | 第47-49页 |
| 第六章 结论与展望 | 第49-51页 |
| ·本文研究成果总结 | 第49页 |
| ·未来工作及展望 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53-54页 |
