中文摘要 | 第10-12页 |
ABSTRACT | 第12-13页 |
第1章 绪论 | 第14-17页 |
1.1 研究背景与意义 | 第14-15页 |
1.1.1 研究背景 | 第14页 |
1.1.2 研究目的和意义 | 第14-15页 |
1.2 研究的主要方法 | 第15-16页 |
1.3 研究思路与主要创新点 | 第16-17页 |
第2章 文献综述 | 第17-20页 |
2.1 国外的相关研究综述 | 第17-18页 |
2.2 国内的相关研究综述 | 第18-19页 |
2.3 小结 | 第19-20页 |
第3章 大数据在金融风控项目中的应用研究 | 第20-40页 |
3.1 大数据风控项目需求及可行性分析 | 第20-22页 |
3.2 大数据风控项目数据准备 | 第22-24页 |
3.2.1 原始数据收集及数据描述 | 第23页 |
3.2.2 数据整理 | 第23-24页 |
3.3 大数据风控项目技术架构 | 第24-29页 |
3.3.1 架构介绍 | 第24-28页 |
3.3.2 集群介绍 | 第28-29页 |
3.4 大数据风控项目建模及训练、测试、部署步骤 | 第29-36页 |
3.4.1 算法开发 | 第29-32页 |
3.4.2 模型训练及测试步骤 | 第32-34页 |
3.4.3 模型评估步骤 | 第34-35页 |
3.4.4 模型部署 | 第35-36页 |
3.5 大数据风控项目产品交付及优化、维护方案 | 第36-40页 |
3.5.1 产品交付内容 | 第36-37页 |
3.5.2 产品优化方法 | 第37-38页 |
3.5.3 产品维护方案 | 第38-40页 |
第4章 大数据在精准营销项目中的应用研究 | 第40-60页 |
4.1 大数据精准营销的需求及可行性分析 | 第40-42页 |
4.1.1 保险机构对人寿保险业务的精准营销需求及可行性分析 | 第41-42页 |
4.1.2 保险机构对车险业务的精准营销需求及可行性分析 | 第42页 |
4.2 大数据精准营销项目数据准备 | 第42-44页 |
4.2.1 原始数据采集及数据描述 | 第42-43页 |
4.2.2 数据整理 | 第43-44页 |
4.3 大数据精准营销项目技术架构 | 第44-48页 |
4.3.1 架构介绍 | 第44-48页 |
4.3.2 集群介绍 | 第48页 |
4.4 大数据精准营销项目建模及训练、测试、部署步骤 | 第48-56页 |
4.4.1 精准营销算法开发 | 第49-52页 |
4.4.2 模型训练及测试步骤 | 第52-54页 |
4.4.3 模型评估步骤 | 第54-55页 |
4.4.4 模型部署 | 第55-56页 |
4.5 大数据精准营销项目产品交付及优化、维护方案 | 第56-60页 |
4.5.1 产品交付内容 | 第56-57页 |
4.5.2 产品优化方法 | 第57-59页 |
4.5.3 产品维护方案 | 第59-60页 |
第5章 大数据项目实施风险及管控措施 | 第60-66页 |
5.1 大数据项目自身风险及管控措施 | 第60-62页 |
5.1.1 需求不确定性风险、沟通障碍风险以及管控措施 | 第60页 |
5.1.2 算法模型风险及管控措施 | 第60-62页 |
5.2 大数据项目技术风险及管控措施 | 第62-63页 |
5.2.1 数据安全及管控措施 | 第62-63页 |
5.2.2 网络安全及管控措施 | 第63页 |
5.3 大数据项目法律风险及管控措施 | 第63-66页 |
5.3.1 大数据项目的隐私数据泄露及管控措施 | 第63-65页 |
5.3.2 大数据项目的著作权保护 | 第65-66页 |
第6章 大数据项目培训方案、培训计划及培训方式 | 第66-71页 |
6.1 项目培训方案及培训计划 | 第66-67页 |
6.1.1 培训方案 | 第66页 |
6.1.2 培训计划 | 第66-67页 |
6.2 培训方式 | 第67-68页 |
6.3 日常维护处理及服务方案 | 第68-71页 |
6.3.1 服务器运维方案 | 第68-69页 |
6.3.2 模型优化方案 | 第69-70页 |
6.3.3 系统维护方案 | 第70页 |
6.3.4 售后人员配置方案 | 第70-71页 |
第7章 研究结论 | 第71-73页 |
附录 | 第73-79页 |
参考文献 | 第79-82页 |
致谢 | 第82-83页 |
学位论文评阅及答辩情况表 | 第83页 |