基于金融大数据的客户风险评估及预测
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 课题选题意义 | 第11-12页 |
| 1.3 研究现状综述 | 第12-16页 |
| 1.3.1 金融大数据研究现状 | 第12-14页 |
| 1.3.2 客户画像研究现状 | 第14-15页 |
| 1.3.3 银行客户流失预测研究现状 | 第15-16页 |
| 1.4 本文的研究工作及安排 | 第16-18页 |
| 第二章 金融大数据研究 | 第18-35页 |
| 2.1 客户画像 | 第18页 |
| 2.2 数据挖掘与精准营销策略 | 第18-22页 |
| 2.2.1 数据挖掘的应用 | 第18-19页 |
| 2.2.2 聚类算法概述 | 第19-20页 |
| 2.2.3 分类算法 | 第20-22页 |
| 2.3 客户流失预测的数学建模分析 | 第22-23页 |
| 2.4 数据可视化 | 第23-33页 |
| 2.4.1 数据可视化应用样例 | 第26-29页 |
| 2.4.2 数据可视化实现工具介绍 | 第29-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 银行大数据分析 | 第35-57页 |
| 3.1 业务目标分析 | 第35页 |
| 3.2 数据预处理 | 第35-38页 |
| 3.2.1 变量分类 | 第36-37页 |
| 3.2.2 分析性变量 | 第37页 |
| 3.2.3 描述性变量 | 第37-38页 |
| 3.3 基于聚类分析的精准营销策略研究 | 第38-49页 |
| 3.3.1 算法选取 | 第38-39页 |
| 3.3.2 聚类分析 | 第39-44页 |
| 3.3.3 聚类结果的判别分析 | 第44-48页 |
| 3.3.4 聚类结果分析与营销策略 | 第48-49页 |
| 3.4 客户流失预测分析 | 第49-55页 |
| 3.4.1 随机森林算法 | 第49-51页 |
| 3.4.2 Logistic算法 | 第51-53页 |
| 3.4.3 决策树算法 | 第53-54页 |
| 3.4.4 ROC曲线结果比较分析 | 第54-55页 |
| 3.5 本章小结 | 第55-57页 |
| 第四章 银行大数据可视化平台设计与实现 | 第57-66页 |
| 4.1 数据可视化模型设计 | 第57页 |
| 4.2 银行可视化系统功能说明 | 第57-63页 |
| 4.2.1 客户群体画像 | 第58-60页 |
| 4.2.2 个人客户分析 | 第60-62页 |
| 4.2.3 银行指标分析 | 第62-63页 |
| 4.3 可视化集成界面展现 | 第63-65页 |
| 4.3.1 个人客户集成界面 | 第63-64页 |
| 4.3.2 银行与群体客户分析界面 | 第64页 |
| 4.3.3 客户群体轨迹分析集成界面展现 | 第64-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文目录 | 第71页 |
