基于商业智能的电信客户流失分析
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·论文选题及其研究意义 | 第9-10页 |
| ·国内外研究现状与发展趋势 | 第10-12页 |
| ·本文研究的主要内容、目标和方法 | 第12页 |
| ·客户流失模型的建立流程 | 第12-13页 |
| ·论文的组织 | 第13-15页 |
| 第二章 商业智能概述 | 第15-27页 |
| ·商业智能的概念 | 第15页 |
| ·商业智能的理论基础 | 第15-18页 |
| ·专家系统 | 第15-16页 |
| ·机器学习 | 第16页 |
| ·数理统计 | 第16页 |
| ·模式识别 | 第16-17页 |
| ·统计学 | 第17页 |
| ·人工智能 | 第17页 |
| ·CRM理论 | 第17-18页 |
| ·商业智能的支撑技术 | 第18-25页 |
| ·数据仓库技术 | 第18-21页 |
| ·数据挖掘技术 | 第21-24页 |
| ·联机分析处理技术(OLAP) | 第24-25页 |
| ·信息可视化和WEB技术 | 第25页 |
| ·商业智能的产品实现 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第三章 客户流失主题分析 | 第27-33页 |
| ·商业目标 | 第27页 |
| ·客户流失表现形式 | 第27-28页 |
| ·公司内客户转移 | 第27-28页 |
| ·客户被动流失 | 第28页 |
| ·客户主动流失 | 第28页 |
| ·客户流失的定义 | 第28-29页 |
| ·流失因素分析 | 第29-30页 |
| ·业务理解 | 第30-31页 |
| ·小结 | 第31-33页 |
| 第四章 客户流失主题建模 | 第33-46页 |
| ·客户流失主题建模 | 第33-36页 |
| ·KPI指标树的概念 | 第33-34页 |
| ·客户流失度指标体系建立 | 第34-36页 |
| ·参考属性的确立方法 | 第36页 |
| ·影响因子的提炼方法 | 第36-37页 |
| ·计算因子的提炼方法 | 第37-39页 |
| ·敏感度分析法 | 第37-38页 |
| ·/20法则 | 第38页 |
| ·计算过程 | 第38-39页 |
| ·客户流失度的计算方法 | 第39-45页 |
| ·神经网络简介 | 第39-41页 |
| ·BP神经网络 | 第41-43页 |
| ·基于BP神经网络的流失度计算方法 | 第43-45页 |
| ·网络参数设定 | 第43-44页 |
| ·网络的训练过程 | 第44-45页 |
| ·小结 | 第45-46页 |
| 第五章 客户流失分析模型应用实现 | 第46-80页 |
| ·MATLAB神经网络工具箱 | 第46-54页 |
| ·神经网络工具箱函数 | 第46-52页 |
| ·图形用户界面(GUI) | 第52-53页 |
| ·MATLAB中BP网络的训练 | 第53-54页 |
| ·数据理解和准备 | 第54-57页 |
| ·数据来源 | 第55页 |
| ·数据的质量问题 | 第55-56页 |
| ·数据准备 | 第56-57页 |
| ·参考属性的选择 | 第57-58页 |
| ·数据仓库建立 | 第58-65页 |
| ·仓库模型的建立 | 第59页 |
| ·数据ETL过程 | 第59-65页 |
| ·影响因子的提取 | 第65-71页 |
| ·计算因子的提取 | 第71-75页 |
| ·样本数据的处理 | 第71-72页 |
| ·KPI的计算 | 第72-75页 |
| ·客户流失度的计算 | 第75-76页 |
| ·模型的评估 | 第76-79页 |
| ·小结 | 第79-80页 |
| 第六章 结束语 | 第80-82页 |
| ·论文总结 | 第80-81页 |
| ·下一步工作 | 第81-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 在学期间取得的研究成果 | 第86页 |
