| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 研究背景 | 第7-8页 |
| 1.1.1 国外的研究现状及趋势 | 第7-8页 |
| 1.1.2 国内的研究趋势及现状 | 第8页 |
| 1.2 研究意义 | 第8-9页 |
| 1.3 研究目标与内容 | 第9-10页 |
| 1.3.1 研究目标 | 第9页 |
| 1.3.2 研究内容 | 第9页 |
| 1.3.3 论文结构 | 第9-10页 |
| 1.4 研究方法与流程 | 第10-13页 |
| 1.4.1 研究方法 | 第10-11页 |
| 1.4.2 技术路线 | 第11-13页 |
| 2 相关技术研究 | 第13-25页 |
| 2.1 数据挖掘理论研究 | 第13-19页 |
| 2.1.1 数据挖掘工作流程 | 第13-15页 |
| 2.1.2 SPSS MODELER工具介绍 | 第15-16页 |
| 2.1.3 决策树和聚类算法分析 | 第16-19页 |
| 2.2 数据挖掘技术运用 | 第19-21页 |
| 2.2.1 数据挖掘常用场景 | 第19-20页 |
| 2.2.2 数据挖掘在银行业的应用 | 第20-21页 |
| 2.3 客户行为分析现状 | 第21-24页 |
| 2.3.1 客户行为分析典型应用 | 第21-22页 |
| 2.3.2 利用数据挖掘技术的银行客户行为分析研究 | 第22-24页 |
| 2.4 数据挖掘在国内银行业应用挑战 | 第24-25页 |
| 3 银行对私客户风险行为特征分析 | 第25-31页 |
| 3.1 信用卡业务 | 第25-27页 |
| 3.2 个人贷款业务 | 第27-28页 |
| 3.3 当前银行对私客户管理难点 | 第28-31页 |
| 4 采用SPSS工具进行客户行为分析 | 第31-47页 |
| 4.1 信用卡业务的客户行为分析 | 第31-37页 |
| 4.1.1 数据准备 | 第31-32页 |
| 4.1.2 建模和分析 | 第32-37页 |
| 4.2 个人贷款业务的客户行为分析 | 第37-47页 |
| 4.2.1 数据准备 | 第37-39页 |
| 4.2.2 建模和分析 | 第39-47页 |
| 5 客户行为监测指标体系建立与应用 | 第47-61页 |
| 5.1 建立监测指标体系的必要性 | 第47页 |
| 5.2 建立客户行为监测指标体系的可行性 | 第47-48页 |
| 5.3 指标体系框架设计 | 第48-49页 |
| 5.4 指标体系设计的基本原则 | 第49页 |
| 5.5 指标体系的主要结构 | 第49-56页 |
| 5.5.1 个人贷款业务监测 | 第50-53页 |
| 5.5.2 信用卡业务监测 | 第53-55页 |
| 5.5.3 其他业务监测 | 第55-56页 |
| 5.6 指标体系的具体应用 | 第56-59页 |
| 5.6.1 数据获取及平台展示 | 第56-57页 |
| 5.6.2 体系运作的管理模式 | 第57页 |
| 5.6.3 核查分析及整改要求 | 第57-58页 |
| 5.6.4 风险分析及报告 | 第58页 |
| 5.6.5 银行可采取的风险控制手段 | 第58-59页 |
| 5.7 指标监测体系运行注意事项 | 第59-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 研究结论 | 第61页 |
| 6.2 研究局限 | 第61页 |
| 6.3 未来展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |