Print

基于数据挖掘的客户分析模型的研究与应用

论文摘要

数据挖掘指的是从大量的数据中提取人们感兴趣的知识,这些知识是隐含的、事先未知的、并且潜在有用的信息。在客户分析方面,针对目前传统做法存在的低效率、低准确率等问题,本文采用数据挖掘的方法解决客户分析问题。又由于当前数据挖掘方法解决商业问题只是针对具体问题建立模型,不具备通用性,因此本文采用一种具有通用性的数据挖掘体系来解决客户分析模型的问题。通过对商业问题的分析,本文构建了可扩展的以客户为中心的数据仓库CDW,在此基础上设计了客户细分、客户流失、交叉销售、客户响应等客户分析模型,并且在数据挖掘工具DMiner上实现,DMnier是作者参与开发的一个供分析人员使用数据挖掘和统计分析技术进行数据分析的可视化分析平台。本文给出了这些模型的建立步骤、挖掘算法以及模型的参数选择、结果展现等,以选取最优的模型。同时,对于建模中用到的算法SLIQ进行了改进(改进算法称为DM_Tree),且将其应用到挖掘模型中。根据以上叙述的通用型的数据挖掘体系架构以及所设计的客户分析模型,本文将这些模型具体应用于银行领域,实现了商业银行应用数据挖掘模型进行客户分析的数据挖掘模块,完成了客户细分、客户流失等数据挖掘功能分析,取得了很好的效果。

论文目录

  • 摘要
  • Abstract
  • 第一章 引言
  • 1.1 数据挖掘概况
  • 1.2 数据挖掘在客户分析中的应用
  • 1.3 本文工作
  • 1.4 本文结构安排
  • 第二章 一种通用型的数据挖掘体系
  • 2.1 客户分析现状
  • 2.2 数据挖掘应用平台体系结构
  • 2.2.1 层次结构
  • 2.2.2 体系结构
  • 2.3 新型数据挖掘应用平台在客户分析领域的应用
  • 2.3.1 以客户为中心的数据仓库（CDW）
  • 2.3.2 客户分析模型
  • 2.3.3 行业应用
  • 第三章 数据挖掘过程模型及算法
  • 3.1 数据挖掘过程模型
  • 3.1.1 Fayyad 过程模型
  • 3.1.2 CRISP-DM 过程模型
  • 3.2 客户分析模型中应用的算法
  • 3.2.1 分类算法及 SLIQ 的改进
  • 3.2.2 聚类算法
  • 3.2.3 神经元网络算法
  • 3.2.4 关联规则
  • 第四章 客户分析模型的设计与实现
  • 4.1 客户流失模型
  • 4.1.1 客户流失
  • 4.1.2 客户流失分析流程图
  • 4.1.3 客户流失分析步骤简介
  • 4.1.4 客户流失分析的实现
  • 4.1.5 数据挖掘工具 DMiner
  • 4.1.6 实验及结果
  • 4.2 客户细分模型
  • 4.2.1 基本概念
  • 4.2.2 传统方法
  • 4.2.3 实现的数据挖掘方法
  • 4.2.4 实验及结果
  • 4.3 交叉销售模型
  • 4.3.1 模型设计
  • 4.3.2 实验及结果
  • 4.4 客户响应模型
  • 4.4.1 模型设计
  • 4.4.2 实验及结果
  • 第五章 客户分析模型在银行领域的应用
  • 5.1 系统功能
  • 5.2 系统体系结构
  • 5.3 系统建设方式
  • 5.4 系统的数据挖掘模块
  • 5.5 系统应用
  • 第六章 总结
  • 参考文献
  • 致谢
  • 附录 CDW 数据仓库设计说明

    • 相关论文文献

    本文来源: https://www.lw50.cn/article/a58f8bd206ccbcbe9b505fb6.html