保险业CRM系统中的数据挖掘技术研究与应用
| 中文摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 第一章 绪论 | 第7-11页 |
| ·选题背景及研究意义 | 第7-9页 |
| ·CRM 的概念 | 第7-8页 |
| ·保险公司CRM 系统开发动因 | 第8页 |
| ·数据挖掘技术在CRM 系统中应用的现状 | 第8-9页 |
| ·数据挖掘技术在保险CRM 中应用的意义 | 第9页 |
| ·本文的研究工作与创新 | 第9-10页 |
| ·论文组织结构 | 第10-11页 |
| 第二章 客户关系管理与数据挖掘 | 第11-25页 |
| ·客户关系管理（CRM） | 第11-14页 |
| ·客户关系管理概念的产生 | 第11-12页 |
| ·客户关系管理的定义 | 第12页 |
| ·客户关系管理的功能与内涵 | 第12-13页 |
| ·客户关系管理的核心技术 | 第13-14页 |
| ·数据挖掘 | 第14-22页 |
| ·数据挖掘定义 | 第14-16页 |
| ·数据挖掘与数据仓库 | 第16-17页 |
| ·数据挖掘与联机分析处理 | 第17-18页 |
| ·数据挖掘的研究内容 | 第18-19页 |
| ·数据挖掘的主要方法 | 第19-20页 |
| ·数据挖掘的过程 | 第20-22页 |
| ·数据挖掘在CRM 实施模型中的应用 | 第22-25页 |
| 第三章 聚类分析k-means 方法及改进 | 第25-35页 |
| ·聚类分析的定义 | 第25-29页 |
| ·聚类分析中几个概念 | 第25-26页 |
| ·聚类算法的评价指标 | 第26-28页 |
| ·传统聚类算法的分类和特点 | 第28-29页 |
| ·k-means 算法及其改进 | 第29-35页 |
| ·k-means 算法原理 | 第29-31页 |
| ·k-means 算法改进 | 第31-32页 |
| ·改进的k-means 性能比较 | 第32-35页 |
| 第四章 青海人保CRM 设计和实现 | 第35-62页 |
| ·青海人保CRM 开发基础环境 | 第35-38页 |
| ·青海人保主机架构 | 第35-37页 |
| ·保险业务流程 | 第37页 |
| ·COGNOS 公司BI 主要产品介绍 | 第37-38页 |
| ·青海人保CRM 系统设计和实现 | 第38-61页 |
| ·软件环境 | 第38-39页 |
| ·开发工具 | 第39页 |
| ·网络结构 | 第39-40页 |
| ·体系结构 | 第40页 |
| ·数据清洗 | 第40-48页 |
| ·数据ETL 过程 | 第48-49页 |
| ·数据库设计 | 第49-53页 |
| ·功能模块设计 | 第53-54页 |
| ·客户分析主题设计 | 第54-60页 |
| ·系统界面 | 第60-61页 |
| ·青海人保CRM 系统需改进之处 | 第61-62页 |
| 第五章 保险CRM 客户细分的应用研究 | 第62-70页 |
| ·客户细分是CRM 的首要问题 | 第62页 |
| ·保险客户细分定义 | 第62-63页 |
| ·保险客户细分过程 | 第63-70页 |
| ·商业理解和变量设计 | 第63-64页 |
| ·数据准备 | 第64-65页 |
| ·数据预处理 | 第65页 |
| ·客户聚类分析过程 | 第65-66页 |
| ·改进的k-means 算法处理模块 | 第66-67页 |
| ·客户细分结果 | 第67-70页 |
| 第六章 结论与展望 | 第70-72页 |
| ·结论 | 第70-71页 |
| ·展望 | 第71-72页 |
| 参考文献 | 第72-74页 |
| 发表论文和科研情况说明 | 第74-75页 |
| 致谢 | 第75页 |
