ISCRMS智能化证券CRM系统设计与实现

摘要

该文考察了CRM数据挖掘中所要解决的几种问题,如:客户利润贡献度分析、客户忠诚度分析、客户细分、佣金打折、股票推荐,然后讨论了在CRM中应用数据挖掘时所面临的各种困难,如:性能问题、模型选择问题、提高预测准确率的方法、增强对领域的渗透等.ISCRMS是将数据挖掘/联机分析技术应用在证券领域而开发的一个客户智能分析解决方案.它将数据挖掘划分为三个层次:数据模型层、商业逻辑层、Web应用层,采用B/S结构实现,构建了一种新型的数据挖掘系统体系结构.ISCRMS的商业逻辑层包括客户贡献度分析、客户忠诚度分析等多个商业模型.通过在商业模型和挖掘算法之间建立映射,ISCRMS使得用户直接利用商业模型解决问题,而不是面对复杂的算法,从而提供友好、易用的数据挖掘应用环境,同时还具备处理海量数据的能力.将数据挖掘算法与存储过程形式实现,实现挖掘算法与数据库服务器捆绑,提高了系统的性能和可维护性.引入了动态数据仓库的概念,使得数据仓库具备实时学习性,让数据挖掘系统渗透到相关领域中.

目录

文摘

英文文摘

第一章引言

1.1.背景

1.2.动机

1.3.本文主要工作

1.4.文章结构

第二章CRM系统现状及问题

2.1.何为CRM

2.2.CRM系统现状

2.2.1.当前CRM系统的优点

2.2.2.当前CRM系统的缺陷

2.3.本系统的优势

第三章主要实现方法及技术

3.1.数据挖掘技术

3.1.1.概述

3.1.2.常见挖掘算法简介

3.1.3.贝叶斯算法具体实现

3.1.4.数据挖掘标准

3.2联机分析技术

第四章ISCRMS证券公司CRM系统实现

4.1.挑战

4.1.1.现状和难点

4.1.2.设计目标

4.2客户简档化

4.3.证券公司面临的问题及解决

4.3.1.佣金促销策略

4.3.2.客户利润贡献度分析

4.3.3.股票推荐

4.3.4.客户忠诚度分析

4.3.5.客户细分

4.4.系统实现

4.4.1.层次结构

4.4.2.体系结构

4.4.3.软件结构

4.5.关键技术分析

4.5.1.以客户为中心的数据仓库建模

4.5.2.实时学习的动态数据仓库策略

4.5.3.数据挖掘算法与数据库服务器捆绑

4.5.4.对海量数据实时计算的性能优化

4.5.5.实现一个商业模型采用多个算法动态实现

4.5.6.基于XML报表生成方式

4.5.7.基于组件技术的挖掘结果可视化

4.6.系统特色

4.6.1.数据挖掘与证券行业紧密结合

4.6.2.友好的用户界面

4.6.3.定时调度算法

4.6.4.自定义的挖掘

4.6.5.定期处理“过时”数据

第五章实现难点及解决

5.1.提高系统的性能

5.1.1.基于一定粒度的累计存储

5.1.2.块状存储和块状匹配

5.1.3.修正式存储及统计分析

5.1.4.基于不同存储模式的优化

5.1.5.贝叶斯算法

5.1.6.其他优化技术

5.2.应用模型中的问题

5.2.1.模型的体现和选择

5.2.2.不同预测模型之间的比较

5.2.3.模型的解释

5.2.4.模型的存储

5.2.5.保证模型的学习性

5.3本系统优缺点评估

第六章结束语

6.1.结论

6.2.进一步工作

参考文献

致谢

论文独创性声明及论文使用授权声明