基于不规范销售业务的决策支持解决方案
| 第1章 绪论 | 第1-19页 |
| 1．1 本文的研究对象 | 第12页 |
| 1．2 本文的研究内容 | 第12-14页 |
| 1．3 国内外研究综述 | 第14-18页 |
| 1．3．1 关于信息系统 | 第14页 |
| 1．3．2 关于数据仓库 | 第14-16页 |
| 1．3．3 关于数据挖掘 | 第16-18页 |
| 1．4 本研究课题来源 | 第18-19页 |
| 第2章 系统解决方案 | 第19-23页 |
| 2．1 业务信息系统实现方案 | 第19-20页 |
| 2．2 数据仓库实现方案 | 第20页 |
| 2．3 数据挖掘实现方案 | 第20-21页 |
| 2．4 系统实现方案 | 第21-23页 |
| 第3章 数据仓库构建方案 | 第23-38页 |
| 3．1 关于数据仓库 | 第23-25页 |
| 3．1．1 数据仓库的概念 | 第23页 |
| 3．1．2 数据仓库的体系结构 | 第23-24页 |
| 3．1．3 数据仓库的参照结构 | 第24-25页 |
| 3．2 数据仓库解决方案 | 第25-27页 |
| 3．2．1 数据仓库的规划 | 第25-26页 |
| 3．2．2 数据仓库的设计与实施 | 第26页 |
| 3．2．3 数据仓库的使用、支持与改进 | 第26页 |
| 3．2．4 数据仓库的预期扩展 | 第26-27页 |
| 3．3 数据预处理的实现方案 | 第27-38页 |
| 3．3．1 数据准备 | 第27-33页 |
| 3．3．2 数据归约 | 第33-38页 |
| 第4章 数据挖掘模型构建方案 | 第38-55页 |
| 4．1 关于数据挖掘 | 第38-41页 |
| 4．1．1 数据挖掘的概念 | 第38页 |
| 4．1．2 数据挖掘的过程 | 第38-40页 |
| 4．1．3 数据挖掘的类型 | 第40页 |
| 4．1．4 数据挖掘的功能 | 第40-41页 |
| 4．2 数据挖掘模型构建方案 | 第41-43页 |
| 4．2．1 数据的预处理 | 第41-42页 |
| 4．2．2 数据挖掘模型 | 第42-43页 |
| 4．3 客户价值聚类分析 | 第43-47页 |
| 4．3．1 模型综述 | 第43-44页 |
| 4．3．2 定义客户价值数据矩阵 | 第44页 |
| 4．3．3 确定 K个类数的初始分区 | 第44-45页 |
| 4．3．4 确定停止准则 | 第45-46页 |
| 4．3．5 确定各个类的重心 | 第46页 |
| 4．3．6 确定样本与各重心的空间距离 | 第46-47页 |
| 4．4 客户购买行为模式关联规则分析 | 第47-49页 |
| 4．4．1 模型综述 | 第47-48页 |
| 4．4．2 确定序列数据样本及最小支持度闭值 | 第48页 |
| 4．4．3 生成频繁项列表 | 第48页 |
| 4．4．4 生成 FP-树 | 第48页 |
| 4．4．5 生成关联规则 | 第48-49页 |
| 4．5 客户偏好的模糊分析 | 第49-55页 |
| 4．5．1 模型综述 | 第50页 |
| 4．5．2 将客户模糊语义转化为三角模糊数 | 第50页 |
| 4．5．3 确定客户决策权重 | 第50-51页 |
| 4．5．4 确定客户综合属性权重 | 第51页 |
| 4．5．5 客户综合属性权重的归一化处理 | 第51-52页 |
| 4．5．6 根据决策权重计算客户综合属性评判阵 | 第52页 |
| 4．5．7 确定加权的综合属性评判阵 | 第52-53页 |
| 4．5．8 计算客户对各产品的模糊综合效用阵 | 第53页 |
| 4．5．9 定义模糊的排序指标函数 F(M) | 第53-55页 |
| 第5章 基于SAS数据清理实例分析 | 第55-62页 |
| 5．1 建立 SAS数据集 | 第55页 |
| 5．2 定义依赖变量 | 第55-56页 |
| 5．3 数据清理 | 第56-62页 |
| 5．3．1 定义决策权重 | 第56页 |
| 5．3．2 选择与净化变量 | 第56-62页 |
| 结论 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第69页 |
