导读:本文包含了商业数据挖掘论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:数据挖掘,信用卡,商业银行,神经网络,技术,零部件,商业。
商业数据挖掘论文文献综述
张华健,张武,李晓光,魏国迎[1]（2019）在《数据挖掘分析方法在烟草商业物流工作中的应用研究》一文中研究指出本文结合山东省淄博市烟草专卖局(公司)卷烟物流中心工作实际,探讨运用大数据思维和数据挖掘分析方法,对卷烟仓储、分拣、配送、综合等数据进行日统计、月汇总,着力构建卷烟物流信息数据的收集、整理、分析、应用、共享管理机制,建立月度数据分析报告制度,为企业决策提供有效数据支撑。(本文来源于《全国流通经济》期刊2019年29期）
王方春,王淑超[2]（2019）在《商业银行信用卡数据挖掘应用初探》一文中研究指出金融科技的兴起,为信用卡业务转型提供了重要契机。系统梳理数据挖掘技术在信用卡业务发展中的应用,拓展至引流获客、审批授信、客户管理、精准营销等多个场景,有助于商业银行进一步探索信用卡业务的创新路径。央行发布的《2018年支付体系运行总体情况》显示,我国信用卡发卡量保持稳步增长。截至2018年底,信用卡和借贷合一卡在用发卡数量共计6.86亿(本文来源于《中国银行业》期刊2019年07期）
张石[3]（2019）在《数据挖掘技术在商业银行的应用》一文中研究指出文章综述了国内外学者对数据挖掘技术在商业银行应用的相关研究,概述了数据挖掘步骤和技术方法,之后从风险管理、客户关系管理、金融监管、电子银行业务等领域分析了数据挖掘在商业银行的应用。(本文来源于《甘肃金融》期刊2019年05期）
徐枫,陈辉[4]（2019）在《基于神经网络的商业数据挖掘的分析与实现》一文中研究指出随着信息技术的发展以及数据库管理系统的广泛应用,作为系统数据支撑的数据库,其存储的数据量急剧增大。运用网络爬虫技术和BP神经网络技术,可以提取到这些海量的数据背后隐藏着的许多重要信息。本文阐述了一种网络爬虫技术和增加动量因子的BP神经网络算法在数据挖掘中的应用及实现方法。(本文来源于《科技视界》期刊2019年11期）
戈邱[5]（2019）在《数据挖掘在商业银行借记卡客户交叉营销信用卡的研究与应用》一文中研究指出近年来国际贸易摩擦加剧,国内经济增速放缓,银行业面临着巨大的压力和挑战:传统盈利模式带来的收益增长逐渐放缓,客户资金资源被支付宝、微信支付等互联网商业模式所蚕食,商业银行获客能力低、成本高的问题日益显现。本文主要就上述问题中的商业银行获客能力和成本方面择取信用卡获客这一角度来研究,选题源自某商业银行新建的大数据智能营销推荐系中的信用卡推荐模块,论文对系统需求分析、设计的基础上,依据数据挖掘的基本展现和推荐技术,对借记卡交叉营销信用卡营销模块进行了研究和实现,主要工作如下:(1)对借记卡用户中持有信用卡用户数据和信用卡潜在客户数据进行分析,结合业务逻辑建立了借记卡交叉营销模型;(2)在采集的客户数据的基础上,首先对数据进行了预处理,根据数据特征和所要实现的目标进行Logistic回归建模,确定模型的最终变量,并对模型进行评价;(3)应用训练数据对模型进行了训练,并在实际场景中进行了测试和应用。通过对商业银行借记卡交叉营销信用卡的应用研究,将数据挖掘应用于具体的实际业务场景,实现了在存量借记卡客户中推荐信用卡,从而提高了银行收益。(本文来源于《郑州大学》期刊2019-04-01）
徐毅佳[6]（2019）在《商业智能数据挖掘技术提升客户服务能力研究》一文中研究指出近年来,随着保险业的飞速发展,人身险(寿险)公司面临的内外部竞争压力不断加剧。与此同时,人们对于寿险服务的能力与多样性需求不断提高。因此,如何进一步加强、提升客户服务能力成为了寿险公司急需解决的难题。随着数据挖掘、机器学习,特别是深度神经网络技术的快速发展,智能技术应用于商业已成为解决此类难题的重要手段。本文旨在探索如何利用智能数据挖掘技术来提升寿险公司的客户服务能力。本文在广泛调研寿险业务的基础上,完成了数据仓库的设计与搭建。利用数据挖掘与机器学习技术,构建了智能技术应用于业务提升的整体框架,并且尝试运用智能挖掘技术来提升客户服务能力,包括利用决策树算法、多层感知器、集成学习算法构建分类器来进行客户细分;利用关联规则挖掘来辅助寿险公司经营决策;利用聚类算法和可视化技术进一步分析理赔案件并辅助保险欺诈的发现。本文的各个算法模型在案例公司的初步应用过程中有良好的表现。其中多层感知器分类使得寿险客户的类别划分更为详细、合理,公司的业务人员能够更有针对性地进行产品的销售;关联规则挖掘大大提高了公司管理人员的决策质量和效率;聚类与可视化的结合应用帮助理赔服务人员对可疑案例进一步展开调查。本文的一系列尝试和探索对数据智能相关技术在寿险业的落地应用有较好的参考价值。(本文来源于《浙江工业大学》期刊2019-01-01）
张昊泽[7]（2018）在《机器学习技术在数据挖掘中的商业应用》一文中研究指出现如今,数据挖掘中机器学习技术的应用非常广泛,遍及金融、医疗等领域,这就要求企业应该提升自身辨别方法和技术优劣的能力,面对不同的环境,选择应用与任务相匹配的数据挖掘技术。本篇文章首先对机器学习技术的界说作了简述,其后对机器学习技术在数据挖掘任务的商业应用作了两点详细的研究,以期促进企业的可持续发展。(本文来源于《电子技术与软件工程》期刊2018年20期）
王俊[8]（2018）在《基于数据挖掘和商业智能的零部件标准化研究》一文中研究指出迈入21世纪后,产品数字化设计技术与先进机械制造技术得到快速发展,机械行业的整体设计制造水平大幅提高,这对机械产品的设计效率提出了更高的要求。零部件标准化为企业产品设计提供了技术支持,在提高企业产品设计效率、保证产品质量、降低生产成本等方面发挥了重要作用。目前企业在零部件标准化定制过程中还存在诸多问题:企业的设计资源未充分利用,零部件数据之间隐含的联系尚未挖掘,零部件检索方法较为落后及数据可视化程度较低。上述问题导致了企业资源利用率低,零部件检索不全面,企业数据信息处理能力不足,最终影响企业的可持续发展。为解决上述问题,本文以数据挖掘技术、零部件检索方法及数据可视化技术为关键技术展开深入研究,搭建基于数据挖掘和商业智能的零部件标准化平台,推动企业产品设计模式向先进制造方向发展。论文具体研究内容如下:(1)针对企业设计资源未能充分利用的情况,提出了基于马尔科夫(Markov)模型的零部件标准规格推荐方法。深度挖掘零部件规格库,提炼出信息关联度高的参数组合,结合Markov模型估算其条件概率,拟合出新的零部件设计方案,拓展设计人员的选择策略,提高设计效率。(2)基于零部件检索技术,提出了一种基于功能聚类的检索方法。根据零部件名称和功能,自动提取关键字,同步动态匹配与关键字同族的数据信息,扩大了零部件检索范围,方便企业设计人员根据实际需求筛选出符合产品设计要求的零件。(3)探究了数据可视化技术,提出将零部件推荐规格以产品商业图表库(Echarts)的形式进行可视化展示。结合可视化技术,以图像化形式直观地呈现零部件参数,提高企业设计人员对数据信息的处理能力,帮助设计人员理解和评估挖掘结果。基于上述理论分析,本文结合C#编程语言、NX及Visual Studio开发平台,搭建了基于数据挖掘与数据可视化的零部件标准化平台,并以自动扶梯验证本文所提方法的有效性。(本文来源于《江苏科技大学》期刊2018-10-25）
陈昊[9]（2018）在《数据挖掘技术在商业银行客户关系管理中的应用》一文中研究指出目前互联网金融对传统银行的不断冲击,银行的服务和产品越来越透明化,差异也不断缩小,同时产品的生命周期也在缩短,传统商业银行更是面临着巨大压力。银行间的竞争重点也在转变,从产品到客户的竞争,谁抓住了客户谁就掌握了市场,并能在日益激烈的市场中站稳脚步。客户的需求也因人群的不同而有所差异,银行在长期发展中不能够根据客户多元化的需求创新产品或者服务,还是停留在传统战略思维发展模式下,将逐渐被现代化发展的浪潮淘汰。在信息化时代怎样借助客户资料以及交易等信息强化与客户间的联系,同时深度开发客户价值尤其重要。对于未来银行的发展,能够利用大数据开发客户信息与价值是今后它们发展的一大主要方向,这必须依赖于相关的技术。其中,数据挖掘技术可以很好的解决该问题。本文以数据挖掘技术在银行客户关系管理中的应用为研究的主要内容。1、对银行的客户信息进行处理。首先从银行各系统通过ETL抽取技术提取出我们想要的信息,其次,基于客户价值的角度就其展开精细化,商业银行改进自身的产品、服务质量与措施等目的来构建了具体模型。然后,基于客户余额日平和经营利润采用聚类法对客户展开不同类型的划分;之后,对客户的转移进行了研究,最后基于数据挖掘的CRM对客户信息进行分类,依据每类客户的特征对客户进行个性化营销。2、客户关系管理对于商业银行而言非常重要本研究可以完善此系统。在研究中构建了客户的模型,并使用了数据挖掘技术,不仅可以提高准确度性,而且优化了系统性能,提高银行工作效率。此外,本文设计并实现了该系统。在介绍该系统时,第一对其需求进行了探讨,接着对其框架整体设计规划目标进行了简述,之后对其框架结构进行了分析。随后实现了各功能,最后测试各功能成功有效。(本文来源于《扬州大学》期刊2018-10-01）
刘迎[10]（2018）在《数据挖掘技术在商业银行个人信用风险评估中的应用》一文中研究指出近年来,随着我国经济结构的转变,居民消费水平逐步提高,商业银行的各类消费信贷业务量激增,这使得银行的风险管控工作面临巨大的挑战。传统的风险评估方式主要依靠信贷人员的市场经验,风险评估结果受个人主观因素的影响较大,而且面对日渐增加的数据量和业务量,传统的评估方式效率低,业务周期长,准确率也难以保证。所以传统的评估方式已经不能满足当下商业银行信贷业务的发展,商业银行急需建立新型的评估精度较高的信用风险评估模型。本文以商业银行个人信贷业务的实际应用为背景,以汉堡大学捐赠的德国银行信用数据集为研究对象,对商业银行个人信用风险评估的模型进行了研究,主要工作如下:首先,对原始数据进行预处理,包括去除缺失值和离群点,变量特征合并,数据变换、数据标准化等,并利用处理后的数据进行描述性统计分析,构建简单的信用客户画像。其次,建立了叁种单算法的个人信用评估模型,分别为Logistic回归模型、决策树模型和神经网络模型,并利用参数调整和引入代价矩阵的方式对单算法模型的性能进行优化。最终各模型预测结果显示,叁种模型在测试集上的整体预测精度均在65%以上,预测效果较好。然后,为进一步提高模型的预测精度,在单算法模型的基础上,本文又建立了集成算法模型和组合优化模型。集成模型选择应用较为广泛的boosting集成模型和随机森林集成模型。与单算法模型相比,两种集成算法模型的预测精度均有明显的提升。另外,利用随机森林算法中各变量的平均精度降低(MDA)值的大小,对变量进行排序,选出了对模型结果影响较大的15个变量。组合优化模型是在神经网络单算法模型的基础上,针对该模型存在的稳定性较差的问题,利用遗传算法对其进行优化,并利用随机森林算法进行变量的筛选。经验证发现,组合优化模型对训练数据和测试数据的预测标准差均较小,模型的稳定性明显提升,同时模型对测试集的预测精度达到83.5%,预测效果最佳。最后,结合商业银行个人信用评估的实际应用背景,对所建立的六类模型进行对比分析。结果显示组合优化模型在模型预测精度、模型解释性和稳定性方面均有较好的表现,模型性能优于其它模型。因此,组合优化模型对商业银行建立自动化的信用评估体系具有一定的参考和应用价值。(本文来源于《西安电子科技大学》期刊2018-05-01）
商业数据挖掘论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
金融科技的兴起,为信用卡业务转型提供了重要契机。系统梳理数据挖掘技术在信用卡业务发展中的应用,拓展至引流获客、审批授信、客户管理、精准营销等多个场景,有助于商业银行进一步探索信用卡业务的创新路径。央行发布的《2018年支付体系运行总体情况》显示,我国信用卡发卡量保持稳步增长。截至2018年底,信用卡和借贷合一卡在用发卡数量共计6.86亿
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
商业数据挖掘论文参考文献
[1].张华健,张武,李晓光,魏国迎.数据挖掘分析方法在烟草商业物流工作中的应用研究[J].全国流通经济.2019
[2].王方春,王淑超.商业银行信用卡数据挖掘应用初探[J].中国银行业.2019
[3].张石.数据挖掘技术在商业银行的应用[J].甘肃金融.2019
[4].徐枫,陈辉.基于神经网络的商业数据挖掘的分析与实现[J].科技视界.2019
[5].戈邱.数据挖掘在商业银行借记卡客户交叉营销信用卡的研究与应用[D].郑州大学.2019
[6].徐毅佳.商业智能数据挖掘技术提升客户服务能力研究[D].浙江工业大学.2019
[7].张昊泽.机器学习技术在数据挖掘中的商业应用[J].电子技术与软件工程.2018
[8].王俊.基于数据挖掘和商业智能的零部件标准化研究[D].江苏科技大学.2018
[9].陈昊.数据挖掘技术在商业银行客户关系管理中的应用[D].扬州大学.2018
[10].刘迎.数据挖掘技术在商业银行个人信用风险评估中的应用[D].西安电子科技大学.2018
论文知识图
