基于数据挖据的商业银行客户细分研究
| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 选题背景及研究意义 | 第8-9页 |
| 1.1.1 选题的背景 | 第8页 |
| 1.1.2 研究的意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-18页 |
| 1.2.1 客户关系管理 | 第9-11页 |
| 1.2.2 客户细分研究 | 第11-14页 |
| 1.2.3 数据挖掘 | 第14-16页 |
| 1.2.4 分位数回归综述 | 第16-18页 |
| 1.3 研究方法 | 第18-19页 |
| 1.4 研究框架 | 第19-20页 |
| 第二章 相关研究理论概述 | 第20-32页 |
| 2.1 客户关系管理 | 第20-21页 |
| 2.1.1 客户关系管理的介绍 | 第20页 |
| 2.1.2 客户关系管理的核心理念 | 第20-21页 |
| 2.1.3 客户关系管理的流程 | 第21页 |
| 2.2 商业银行中客户关系管理 | 第21-24页 |
| 2.2.1 客户关系管理在银行业的兴起 | 第21-22页 |
| 2.2.2 银行业客户关系管理的内涵 | 第22页 |
| 2.2.3 银行业客户关系管理施行 | 第22-23页 |
| 2.2.4 银行客户关系管理的特点 | 第23页 |
| 2.2.5 客户关系管理对银行的意义 | 第23-24页 |
| 2.3 客户细分的概述 | 第24-26页 |
| 2.3.1 客户细分的涵义 | 第24页 |
| 2.3.2 客户细分的特点 | 第24-25页 |
| 2.3.3 客户细分的方法 | 第25页 |
| 2.3.4 客户细分的原则 | 第25-26页 |
| 2.4 数据挖掘技术 | 第26-29页 |
| 2.4.1 数据挖掘的定义 | 第26页 |
| 2.4.2 数据挖掘的任务 | 第26-27页 |
| 2.4.3 数据挖掘的基本步骤 | 第27-28页 |
| 2.4.4 数据挖掘的主要方法 | 第28-29页 |
| 2.5 分位数回归 | 第29-32页 |
| 2.5.1 分位数回归的演进 | 第29-30页 |
| 2.5.2 分位数回归的特点 | 第30页 |
| 2.5.3 分位数回归的算法 | 第30-32页 |
| 第三章 客户细分的数据挖掘方法 | 第32-36页 |
| 3.1 客户细分的核心变量的确立及处理 | 第32-34页 |
| 3.1.1 客户细分核心变量的确立 | 第32页 |
| 3.1.2 变量数据的标准化 | 第32-33页 |
| 3.1.3 各变量权重的确定 | 第33-34页 |
| 3.2 客户聚类分析 | 第34-36页 |
| 第四章 银行客户数据的实证研究 | 第36-52页 |
| 4.1 数据的理解和准备 | 第36页 |
| 4.2 数据的基本统计 | 第36-38页 |
| 4.3 数据预处理 | 第38-39页 |
| 4.4 数据处理 | 第39-43页 |
| 4.4.1 权重的确定 | 第39-40页 |
| 4.4.2 SPSS求解过程 | 第40-41页 |
| 4.4.3 聚类结果分析 | 第41-43页 |
| 4.5 数据结果分析 | 第43-45页 |
| 4.5.1 顾客类型识别分析 | 第43-44页 |
| 4.5.2 客户群分析 | 第44页 |
| 4.5.3 客户价值比较分析 | 第44-45页 |
| 4.6 利用分位数回归分析存款总量的影响因素 | 第45-52页 |
| 4.6.1 银行存款量的影响因素及数据准备 | 第45页 |
| 4.6.2 Stata进行分位数回归过程 | 第45-52页 |
| 第五章 结论及展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 论文的不足之处 | 第52-53页 |
| 5.3 展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 发表论文和参加科研情况说明 | 第59-60页 |
| 致谢 | 第60-61页 |
