| 引言 | 第1-14页 |
| 第一章 绪论 | 第14-29页 |
| 1．1 客户关系管理概述 | 第14-19页 |
| 1．1．1 客户关系管理的含义及形成过程 | 第14-15页 |
| 1．1．2 客户关系管理系统的分类 | 第15-16页 |
| 1．1．3 客户关系管理系统的构成 | 第16-17页 |
| 1．1．4 国内外客户关系管理的现状 | 第17-19页 |
| 1．2 证券业客户关系管理 | 第19-24页 |
| 1．2．1 券商的作用及主要的业务范围 | 第19-21页 |
| 1．2．2 证券业客户关系管理的主要功能 | 第21-22页 |
| 1．2．3 证券业客户关系管理的现状及前景 | 第22-24页 |
| 1．3 网络时代的证券业客户关系管理 | 第24-26页 |
| 1．4 本文的研究目标与整体框架 | 第26-29页 |
| 第二章 数据仓库和数据挖掘技术 | 第29-43页 |
| 2．1 数据仓库概述 | 第29-33页 |
| 2．1．1 数据仓库系统的结构 | 第29-31页 |
| 2．1．2 数据仓库中的多维建模技术 | 第31-33页 |
| 2．2 客户关系管理中的数据仓库技术 | 第33-35页 |
| 2．2．1 客户关系管理系统对数据仓库的要求 | 第33-34页 |
| 2．2．2 客户关系管理中的数据仓库数据建模 | 第34页 |
| 2．2．3 数据仓库在客户关系管理中的应用范围 | 第34-35页 |
| 2．3 数据挖掘(Data Mining)概述 | 第35-37页 |
| 2．4 数据挖掘常用技术 | 第37-40页 |
| 2．5 数据挖掘的过程 | 第40-42页 |
| 2．6 数据挖掘技术展望 | 第42-43页 |
| 第三章 Web挖掘在证券业客户关系管理中的应用 | 第43-48页 |
| 3．1 Web挖掘的概念 | 第43页 |
| 3．2 Web数据挖掘的分类 | 第43-44页 |
| 3．3 Web数据挖掘的过程 | 第44-45页 |
| 3．4 Web挖掘在证券业客户关系管理中的应用 | 第45-46页 |
| 3．5 证券业 Web挖掘的方法(以Web使用挖掘为例) | 第46-48页 |
| 第四章 证券业客户关系管理系统数据仓库建立与数据载入 | 第48-61页 |
| 4．1 证券业客户关系管理中的数据仓库技术 | 第48-49页 |
| 4．2 证券公司业务数据库结构的分析 | 第49-51页 |
| 4．3 证券业数据仓库应用系统设计 | 第51-58页 |
| 4．4 数据仓库从业务数据库中抽取数据 | 第58-61页 |
| 第五章 证券业客户关系管理系统客户细分数据挖掘 | 第61-83页 |
| 5．1 数据挖掘的客户细分概述 | 第61-63页 |
| 5．1．1 按对风险偏好程度的客户细分理论基础 | 第61-62页 |
| 5．1．2 按风险偏好细分客户的方法 | 第62-63页 |
| 5．2 客户细分的软件工具 | 第63-64页 |
| 5．3 客户细分的数据接口及客户指标获取 | 第64-69页 |
| 5．4 客户的分类分析 | 第69-76页 |
| 5．4．1 数据的聚类分析 | 第69-73页 |
| 5．4．2 基于神经网络的客户类型预测 | 第73-76页 |
| 5．5 证券业客户细分的其它分类标准及方法 | 第76-77页 |
| 5．6 OLAP多维数据分析 | 第77-81页 |
| 5．7 建立起以客户细分为基础的券商营销策略 | 第81-83页 |
| 第六章 结论与展望 | 第83-86页 |
| 参考文献 | 第86-89页 |