| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 图的目录 | 第8-9页 |
| 表的目录 | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| ·论文的研究背景和意义 | 第10-12页 |
| ·国内外研究状况及方向 | 第12-13页 |
| ·数据挖掘的研究现状 | 第12-13页 |
| ·CRM的研究现状 | 第13页 |
| ·本文的研究内容 | 第13-14页 |
| ·论文组织结构 | 第14-15页 |
| 第二章 客户关系管理(CRM)及数据挖掘技术知识概述 | 第15-23页 |
| ·客户关系管理知识综述 | 第15-17页 |
| ·客户关系管理的产生 | 第15页 |
| ·客户关系管理的定义 | 第15-16页 |
| ·客户关系管理系统的结构和内容 | 第16页 |
| ·加油卡客户管理的价值体现 | 第16-17页 |
| ·加油卡CRM需要数据挖掘技术支持 | 第17页 |
| ·数据挖掘技术综述 | 第17-22页 |
| ·数据挖掘技术产生 | 第17-18页 |
| ·数据挖掘定义 | 第18页 |
| ·数据挖掘系统的分类 | 第18-19页 |
| ·数据挖掘的任务 | 第19-20页 |
| ·常用数据挖掘方法简介 | 第20-21页 |
| ·数据挖掘与数据仓库、OLAP的区别和联系 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 数据挖掘在石油企业加油卡CRM中的应用综述 | 第23-31页 |
| ·石油销售企业加油卡系统概述 | 第23-28页 |
| ·数据库总体结构 | 第25-27页 |
| ·数据存储和数据交换情况 | 第27-28页 |
| ·数据挖掘在加油卡CRM中的应用分析 | 第28-30页 |
| ·持卡客户群体细分 | 第28页 |
| ·睡眠卡客户预测 | 第28-29页 |
| ·持卡客户地域性特性分析 | 第29页 |
| ·黑卡，灰卡加油风险预测 | 第29-30页 |
| ·持卡客户价值度分类 | 第30页 |
| ·持卡客户忠诚度分类 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第四章 决策树算法、贝叶斯算法在客户细分中的应用 | 第31-39页 |
| ·Microsoft决策树算法 | 第31-33页 |
| ·Microsoft Naive Bayes算法 | 第33-35页 |
| ·分类的概念和步骤 | 第35-36页 |
| ·客户价值分类及睡眠卡预测算法选择 | 第36-37页 |
| ·本文选用的挖掘工具 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 持卡客户价值模型及睡眠卡分析模型的实现 | 第39-68页 |
| ·建模前的准备工作 | 第39-54页 |
| ·在线生产数据的备份 | 第39-41页 |
| ·磁带数据恢复 | 第41-43页 |
| ·跨平台异构数据迁移环境的搭建 | 第43-44页 |
| ·数据迁移及格式转换 | 第44-49页 |
| ·数据选择 | 第49-51页 |
| ·数据预处理 | 第51-54页 |
| ·基于Microsoft决策树算法的客户价值模型实现 | 第54-63页 |
| ·创建加油卡客户价值度分类模型 | 第54-55页 |
| ·建立客户分类决策树挖掘模型class | 第55-60页 |
| ·实验结论及决策树模型class评估 | 第60-63页 |
| ·基于Bayes算法的睡眠卡分析模型的实现 | 第63-67页 |
| ·建立睡眠卡预测挖掘模型 | 第64-66页 |
| ·实验结论及贝叶斯模型评估 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-71页 |
| ·论文总结 | 第68-69页 |
| ·进一步的工作 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 作者在攻读硕士学位期间参与的科研项目及获得的行业资质 | 第75页 |
