數據挖掘技術在銀行客戶關係管理中的套用

內容簡介

　　《數據挖掘技術在銀行客戶關係管理中的套用》運用數據挖掘技術進行銀行客戶關係及行為的分析、重點客戶發現、客戶借貸情況預測分析和客戶惡意傾向分析。通過分析找到各類數據之間的聯繫，並設計出能夠衡量客戶需求、忠誠度、風險度、信用度、盈利能力和滿意度等指標，使銀行的數據資源得以最佳化；能夠為優質的客戶提供令他們滿意的服務，為銀行的高層決策人員提供準確的客戶分類、忠誠度、盈利能力及潛在用戶等有用信息；指導決策者制定的銀行行銷策略、降低銀行運營成本、增加利潤，促進銀行業務的加速發展。

圖書目錄

第1章緒論

1．1 選題依據

1．2 研究背景和意義

1．3 **外研究現狀

1．3．1 數據挖掘研究現狀

1．3．2 客戶關係管理研究現狀

1．3．3 數據挖掘在客戶關係管理中的套用現狀

1．4 研究方法

1．5 系統的B/S模式

1．6 本章小結

第2章相關理論

2．1 數據挖掘

2．1．1 數據挖掘的提出

2．1．2 數據挖掘的定義

2．1．3 數據挖掘的分類

2．1．4 數據挖掘在行業中的套用

2．2 分散式數據挖掘

2．3 客戶關係管理

2．3．1 CRM的基本概念

2．3．2 CRM的目標

2．3．3 CRM的分類

2．4 銀行客戶關係管理

2．4．1 銀行客戶關係管理的內涵與目標

2．4．2 銀行客戶關係管理的實施內容

2．5 本章小結

第3章數據倉庫

3．1 基本概念及特徵

3．2 數據倉庫的體系化環境

3．2．1 自頂向下的數據倉庫環境

3．2．2 數據集市

3．2．3 數據倉庫的組成部分

3．3 數據倉庫建模及設計方式

3．3．1 數據倉庫建模方式

3．3．2 數據倉庫設計方式

3．4 數據倉庫的模型設計

3．4．1 數據倉庫的概念模型

3．4．2 數據倉庫的邏輯模型

3．4．3 數據倉庫的物理模型

3．5 建立數據倉庫的必要性

3．6 數據倉庫的層次結構

3．6．1 數據獲取層

3．6．2 數據存儲層

3．6．3 數據挖掘層

3．7 數據倉庫的實現策略

3．7．1 “自底向上”模式

3．7．2 “自頂向下”模式

3．7．3 “平行開發”模式

3．8 數據倉庫的使用和維護

3．8．1 建立數據倉庫套用系統

3．8．2 維護數據倉庫

3．9 OLAP、數據倉庫及數據挖掘之間的關係

3．10 本章小結

數據挖掘技術在銀行客戶關係管理中的套用

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條