| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-14页 |
| 1.1 消费金融的发展 | 第10-11页 |
| 1.2 客户关系管理 | 第11-12页 |
| 1.3 数据仓库的应用 | 第12页 |
| 1.4 风险分析 | 第12-14页 |
| 2 面向消费金融业的客户关系管理和数据仓库 | 第14-19页 |
| 2.1 客户关系管理 | 第14-15页 |
| 2.1.1 客户关系管理的起源 | 第14页 |
| 2.1.2 顾客关系管理在消费金融行业的应用 | 第14-15页 |
| 2.2 数据仓库 | 第15-17页 |
| 2.2.1 数据仓库的应用 | 第15-16页 |
| 2.2.2 数据库与数据仓库的区别 | 第16-17页 |
| 2.3 面向消费金融业的数据仓库结构 | 第17-19页 |
| 3 面向消费金融业的数据模型设计 | 第19-37页 |
| 3.1 需求分析 | 第19-20页 |
| 3.2 概念模型的设计 | 第20-22页 |
| 3.3 逻辑模型的设计 | 第22-33页 |
| 3.3.1 客户信息管理（PARTY） | 第23-27页 |
| 3.3.2 申请信息管理（APPLICATION） | 第27-29页 |
| 3.3.3 账户信息管理（ACCOUNT） | 第29-31页 |
| 3.3.4 交易信息管理（TRANSACTION） | 第31-33页 |
| 3.4 物理模型的设计 | 第33-37页 |
| 4 面向消费金融业的维度表设计 | 第37-43页 |
| 4.1 时间维度 | 第38-39页 |
| 4.2 产品维度 | 第39-40页 |
| 4.3 分行维度 | 第40页 |
| 4.4 账户状态维度 | 第40-41页 |
| 4.5 促销维度 | 第41-43页 |
| 5 ETL 过程的讨论 | 第43-50页 |
| 5.1 ETL 概念 | 第43-44页 |
| 5.2 ETL 过程 | 第44-47页 |
| 5.2.1 数据的抽取 | 第44页 |
| 5.2.2 数据的清洗 | 第44页 |
| 5.2.3 面向消费金融业的数据转换设计 | 第44-47页 |
| 5.3 存量更新和增量更新 | 第47页 |
| 5.4 数据质量 | 第47-48页 |
| 5.4.1 数据质量问题产生的原因 | 第47-48页 |
| 5.4.2 提高数据质量的方法 | 第48页 |
| 5.5 ETL 过程的报警机制 | 第48-50页 |
| 6 面向消费金融业的数据仓库的应用：营销数据集市 | 第50-53页 |
| 6.1 营销数据集市的建立 | 第50-52页 |
| 6.2 一个经典的案例：服务转销售 | 第52-53页 |
| 7 数据仓库的维护和管理 | 第53-55页 |
| 7.1 数据仓库的维护和发展 | 第53页 |
| 7.2 数据仓库性能优化 | 第53-55页 |
| 8 消费金融业信用评分和风险管理 | 第55-67页 |
| 8.1 信用评分的概念 | 第55-56页 |
| 8.1.1 背景 | 第55-56页 |
| 8.1.2 何为信用评分？ | 第56页 |
| 8.2 统计学原理 | 第56-58页 |
| 8.2.1 商业问题 | 第56-57页 |
| 8.2.2 为什么采用逻辑回归（Logistic Regression）？ | 第57页 |
| 8.2.3 逻辑回归模型 | 第57-58页 |
| 8.3 创建风险预测模型的过程 | 第58-63页 |
| 8.3.1 定义客户的好坏，定义数据的时间窗口，数据准备 | 第58-59页 |
| 8.3.2 探索性分析数据 | 第59页 |
| 8.3.3 数据分类：Fine Classing 和 Coarse Classing | 第59-61页 |
| 8.3.4 模型的建立 | 第61-62页 |
| 8.3.5 如何判断模型的好坏 | 第62-63页 |
| 8.3.6 在风险控制方面的应用 | 第63页 |
| 8.4 使用SAS 实现建模 | 第63-65页 |
| 8.4.1 为什么选择SAS？ | 第64页 |
| 8.4.2 SAS IOM | 第64-65页 |
| 8.5 创建风险管理数据集市 | 第65-67页 |
| 9 结论 | 第67-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间发表的学术论文目录 | 第72-74页 |
