| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-18页 |
| 1． 1 选题背景 | 第11-13页 |
| 1． 2 国内外研究现状 | 第13-14页 |
| 1． 3 研究问题及意义 | 第14-17页 |
| 1． 3． 1 研究问题 | 第14-16页 |
| 1． 3 2 研究的意义和作用 | 第16-17页 |
| 1． 4 论文的结构安排 | 第17-18页 |
| 第2章 商业银行客户关系管理及数据挖掘理论体系 | 第18-31页 |
| 2． 1 客户关系管理理论 | 第18-22页 |
| 2． 1． 1 概念 | 第18-19页 |
| 2． 1． 2 客户关系管理的构成 | 第19-20页 |
| 2． 1． 3 商业银行实施客户关系管理的效用分析 | 第20-21页 |
| 2． 1． 4 当前商业银行客户关系管理的热点问题 | 第21-22页 |
| 2． 2 数据挖掘 | 第22-26页 |
| 2． 2． 1 数据挖掘概念 | 第22-23页 |
| 2． 2． 2 数据挖掘应用的分析方法 | 第23-24页 |
| 2． 2． 3 数据挖掘的经典技术 | 第24-26页 |
| 2． 3 数据挖掘与商业银行客户关系管理的内在关系 | 第26-31页 |
| 2． 3． 1 数据挖掘是实施商业银行客户关系管理的关键 | 第26-27页 |
| 2． 3． 2 数据挖掘在商业银行客户关系管理中的应用模式 | 第27页 |
| 2． 3． 3 构建以数据挖掘为核心的银行客户关系管理系统 | 第27-31页 |
| 第3章 商业银行客户关系管理的数据挖掘方法选择 | 第31-41页 |
| 3． 1 商业银行客户数据概况 | 第31-34页 |
| 3． 1． 1 商业银行客户信息系统中应有的数据 | 第31页 |
| 3． 1． 2 商业银行实际得到的客户数据概况 | 第31-32页 |
| 3． 1． 3 商业银行客户人口学特征的比较分析 | 第32-34页 |
| 3． 2 根据商业银行数据挖掘任务选择挖掘方法 | 第34-36页 |
| 3． 2． 1 神经网络法 | 第35页 |
| 3． 2． 2 决策树法 | 第35页 |
| 3． 2． 3 两种方法的比较 | 第35-36页 |
| 3． 3 决策树法的基本原理 | 第36-41页 |
| 3． 3． 1 数据挖掘的分类原理 | 第36-37页 |
| 3． 3． 2 决策树归纳分类原理 | 第37-41页 |
| 第4章 商业银行建立决策树分类模型的实证研究 | 第41-53页 |
| 4． 1 商业银行客户数据预处理 | 第41-42页 |
| 4． 1． 1 客户数据清理 | 第41页 |
| 4． 1． 2 客户数据集成 | 第41页 |
| 4． 1． 3 数据选择 | 第41-42页 |
| 4． 1． 4 数据变换 | 第42页 |
| 4． 2 构造商业银行决策树分类模型 | 第42-50页 |
| 4． 2． 1 概念分层 | 第42-44页 |
| 4． 2． 2 建立决策树对商业银行客户进行分类预测 | 第44-48页 |
| 4． 2． 3 由决策树提取出商业银行客户分类规则 | 第48-49页 |
| 4． 2． 4 小结 | 第49-50页 |
| 4． 3 商业银行决策树分类模型的测试 | 第50-53页 |
| 4． 3． 1 决策树归纳法的准确性 | 第50-51页 |
| 4． 3． 2 决策树算法的可伸缩性 | 第51-53页 |
| 第5章 基于决策树模型的商业银行客户关系管理策略 | 第53-61页 |
| 5． 1 商业银行决策树模型的评价和解释 | 第53-55页 |
| 5． 2 商业银行基于模型结果的客户关系管理策略 | 第55-61页 |
| 5． 2． 1 商业银行客户市场细分及差别化管理对策 | 第55-57页 |
| 5． 2． 2 商业银行客户接触管理 | 第57-58页 |
| 5． 2． 3 客户导向的产品和服务的开发 | 第58-61页 |
| 结论 | 第61-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 附录A 攻读学位期间发表的论文目录 | 第68页 |
