基于数据挖掘的证券业客户关系管理中的客户细分研究

摘要

本文从宏观和微观两方面对证券业客户关系管理进行了探讨。在宏观方面，主要是从证券业客户关系管理的特点入手，研究数据仓库的特点、架构、功能等，并探讨了相应的数据挖掘方法，以及如何在网上经纪业务中，开展Web数据挖掘来进行客户关系管理；在微观方面，主要以证券业客户关系管理中的客户细分为例，进行了数据仓库中数据的载入、抽取，数据挖掘方法的选择，数据模型的建立及分析等全过程研究。　本文探索性地采用神经网络方法对证券业客户进行细分研究，效果比较好。在客户细分研究过程中，数据的存储、载入、抽取采用SQLServer2000，聚类分析采用SPSS，数据挖掘采用神经网络方法，最终建立了客户细分模型，同时也探讨了OLAP多维数据分析在证券业客户关系管理中的应用。　本文提出了在我国证券业客户关系管理中，如何有效地构建数据仓库，设计数据模型以满足事后数据挖掘分析的需要；在数据挖掘阶段，根据不同的数据挖掘目的，进行了相应数据挖掘方法的应用研究。

目录

文摘

英文文摘

东北大学学位论文原创性声明及版权使用授权书

引言

第一章 绪论

1.1 客户关系管理概述

1.1.1客户关系管理的含义及形成过程

1.1.2客户关系管理系统的分类

1.1.3客户关系管理系统的构成

1.1.4国内外客户关系管理的现状

1.2 券业客户关系管理

1.2.1券商的作用及主要的业务范围

1.2.2 证券业客户关系管理的主要功能

1.2.3 证券业客户关系管理的现状及前景

1.3 网络时代的证券业客户关系管理

1.4 本文的研究目标与整体框架

第二章 数据仓库和数据挖掘技术

2.1数据仓库概述

2.1.1数据仓库系统的结构

2.1.2数据仓库中的多维建模技术

2.2 客户关系管理中的数据仓库技术

2.2.1客户关系管理系统对数据仓库的要求

2.2.2客户关系管理中的数据仓库数据建模

2.2.3数据仓库在客户关系管理中的应用范围

2.3数据挖掘(Data Mining)概述

2.4 数据挖掘常用技术

2.5 数据挖掘的过程

2.6数据挖掘技术展望

第三章 Web挖掘在证券业客户关系管理中的应用

3.1 Web挖掘的概念

3.2 Web数据挖掘的分类

3.3 Web数据挖掘的过程

3.4 Web挖掘在证券业客户关系管理中的应用

3.5 证券业Web挖掘的方法(以Web使用挖掘为例)

第四章 证券业客户关系管理系统数据仓库建立与数据载入

4.1 证券业客户关系管理中的数据仓库技术

4.2 证券公司业务数据库结构的分析

4.3 证券业数据仓库应用系统设计

4.4 数据仓库从业务数据库中抽取数据

第五章 证券业客户关系管理系统客户细分数据挖掘

5.1 数据挖掘的客户细分概述

5.1.1按对风险偏好程度的客户细分理论基础

5.1.2按风险偏好细分客户的方法

5.2 客户细分的软件工具

5.3 客户细分的数据接口及客户指标获取

5.4 客户的分类分析

5.4.1数据的聚类分析

5.4.2基于神经网络的客户类型预测

5.5 证券业客户细分的其它分类标准及方法

5.6 OLAP多维数据分析

5.7 建立起以客户细分为基础的券商营销策略

第六章 结论与展望

参考文献

在校期间发表论文情况

致谢辞