基于电信客户数据的智能化商务应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·论文背景 | 第8-11页 |
| ·商务智能的概念 | 第8页 |
| ·商务智能在中国 | 第8-9页 |
| ·商务智能在电信业中的应用 | 第9-11页 |
| ·论文研究的意义及内容 | 第11-14页 |
| ·论文的研究意义 | 第11-12页 |
| ·论文的研究内容 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| 第二章 商务智能的框架和技术 | 第14-20页 |
| ·商务智能的框架 | 第14-15页 |
| ·BI的主要技术 | 第15-19页 |
| ·BI的数据存储技术—数据仓库和数据集市 | 第15页 |
| ·BI的分析技术—OLAP | 第15-16页 |
| ·BI的另一分析技术—数据挖掘 | 第16页 |
| ·四者的关系 | 第16-19页 |
| ·BI的表示和发布技术—数据可视化和Web技术 | 第19-20页 |
| 第三章 客户流失分析 | 第20-41页 |
| ·客户流失预测模型的总体设计 | 第20-23页 |
| ·客户流失预测模型总体架构 | 第20-21页 |
| ·数据挖掘过程的模型 | 第21-23页 |
| ·确立商业目标 | 第23页 |
| ·确立数据挖掘对象 | 第23页 |
| ·电信客户流失分类 | 第23-28页 |
| ·电信客户数据的来源 | 第23-24页 |
| ·客户按流失特征分类 | 第24-26页 |
| ·客户按流失原因分类 | 第26-27页 |
| ·防止客户流失的措施 | 第27-28页 |
| ·电信客户特征分析 | 第28-33页 |
| ·电信客户信息分类 | 第28页 |
| ·样本数据提取 | 第28-33页 |
| ·数据预处理 | 第33-39页 |
| ·数据的选择 | 第33-34页 |
| ·数据清洗 | 第34-35页 |
| ·属性选取 | 第35-38页 |
| ·数据转换 | 第38-39页 |
| ·数据挖掘宽表 | 第39-41页 |
| 第四章 使用决策树建立客户流失模型 | 第41-46页 |
| ·决策树分类器的介绍 | 第41-42页 |
| ·传统的决策树算法 | 第42-43页 |
| ·客户预测流失模型 | 第43-46页 |
| 第五章 电信客户流失的损益分析 | 第46-49页 |
| ·客户流失计算 | 第46-47页 |
| ·新增用户与拆机用户的损益分析 | 第47-49页 |
| 第六章 结束语 | 第49-50页 |
| ·结论 | 第49页 |
| ·展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-53页 |
