| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究内容和组织结构 | 第13-16页 |
| 第2章 相关理论方法基础 | 第16-25页 |
| 2.1 商业智能相关技术介绍 | 第16-18页 |
| 2.1.1 数据挖掘 | 第16-17页 |
| 2.1.2 数据仓库与OLAP | 第17-18页 |
| 2.2 客户细分 | 第18-20页 |
| 2.2.1 客户细分概述 | 第18-19页 |
| 2.2.2 铁路货运客户细分 | 第19-20页 |
| 2.3 客户流失以及算法介绍 | 第20-24页 |
| 2.3.1 客户流失定义 | 第20页 |
| 2.3.2 客户流失预测算法 | 第20-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 铁路货运客户流失业务理解与数据准备 | 第25-31页 |
| 3.1 铁路货运客户管理现状 | 第25-26页 |
| 3.2 铁路货运客户流失分析业务理解 | 第26-27页 |
| 3.3 铁路货运客户流失分析体系研究 | 第27-28页 |
| 3.4 原始数据来源与预处理 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 客户流失分析模型构建 | 第31-42页 |
| 4.1 数据仓库模型设计 | 第31-32页 |
| 4.2 基于细分的客户流失倾向分析 | 第32-35页 |
| 4.2.1 基于RFM的铁路货运客户细分模型指标分析 | 第32-34页 |
| 4.2.2 基于KGFM的客户细分模型 | 第34-35页 |
| 4.3 基于DM的铁路货运客户流失预警研究 | 第35-41页 |
| 4.3.1 客户历史流失界定 | 第35-37页 |
| 4.3.2 挖掘目标与算法选取 | 第37-39页 |
| 4.3.3 客户流失预警模型流程 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 铁路货运客户流失分析案例实现 | 第42-57页 |
| 5.1 基于SQL的数据仓库构建 | 第42-44页 |
| 5.2 基于挖掘工具的客户细分实现 | 第44-48页 |
| 5.3 基于挖掘工具的客户流失预警实现 | 第48-53页 |
| 5.4 客户流失预警模型评估 | 第53-55页 |
| 5.5 模型应用与客户维系策略 | 第55-56页 |
| 5.6 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士期间发表的论文及科研成果 | 第63页 |