银行客户关系管理的数据挖掘应用研究
| 引言 | 第1-8页 |
| 第一章 客户关系管理理论体系 | 第8-18页 |
| 第一节 客户关系管理与数据挖掘理论与方法概述 | 第8-13页 |
| 一、 客户关系管理概念 | 第8-9页 |
| 二、 数据挖掘的概念 | 第9页 |
| 三、 数据挖掘与银行客户关系管理 | 第9-13页 |
| 第二节 银行CRM的数据挖掘研究现状 | 第13-14页 |
| 一、 银行利用计算机技术进行信息分析的发展历史 | 第13-14页 |
| 二、 银行CRM中数据挖掘中存在的问题 | 第14页 |
| 第三节 研究的问题及研究意义 | 第14-18页 |
| 一、 本文研究的问题 | 第14-16页 |
| 二、 建立模型的目的 | 第16页 |
| 三、 研究的意义和作用 | 第16-18页 |
| 第二章 银行CRM的数据挖掘方法确定 | 第18-30页 |
| 第一节 数据概况 | 第18-23页 |
| 一、 银行客户信息系统中应有的数据 | 第18-19页 |
| 二、 实际得到的数据概况 | 第19-20页 |
| 三、 客户的人口学特征 | 第20-23页 |
| 第二节 根据数据挖掘任务确定数据挖掘方法 | 第23-25页 |
| 一、 神经网络法 | 第23-24页 |
| 二、 判定树法 | 第24页 |
| 三、 两种方法的比较 | 第24-25页 |
| 第三节 判定树法的基本原理 | 第25-30页 |
| 一、 数据挖掘的分类原理 | 第26-27页 |
| 二、 判定树归纳分类原理 | 第27-30页 |
| 第三章 建立判定树模型的实证研究 | 第30-49页 |
| 第一节 数据预处理 | 第30-31页 |
| 一、 数据清理 | 第30页 |
| 二、 客户数据集成 | 第30-31页 |
| 三、 数据选择 | 第31页 |
| 四、 数据变换 | 第31页 |
| 第二节 构造判定树 | 第31-44页 |
| 一、 概念分层 | 第31-33页 |
| 二、 建立一棵判定树对客户进行分类预测 | 第33-44页 |
| 三、 由判定树提取出分类规则 | 第44页 |
| 第三节 判定树模型的测试 | 第44-49页 |
| 一、 判定树归纳法的准确性 | 第44-47页 |
| 二、 判定树算法的可伸缩性 | 第47-49页 |
| 第四章 结论 | 第49-60页 |
| 第一节 判定树模型的评价和解释 | 第49-55页 |
| 一、 根据模型进行的客户关系管理策略 | 第49-51页 |
| 二、 判定树法存在的缺陷 | 第51页 |
| 三、 判定树模型的解释 | 第51-55页 |
| 第二节 关于判定树模型的改进 | 第55-57页 |
| 一、 一种基于关联性度量分类的判定树设想 | 第55-57页 |
| 二、 一种复合型判定树的构想 | 第57页 |
| 第三节 银行人口信息共享的展望 | 第57-60页 |
| 一、 与公安人口管理信息系统数据的共享 | 第57-58页 |
| 二、 与证券公司及保险公司的数据库共享 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 后记 | 第63页 |
