一、基于数据仓库的营销决策支持系统（论文文献综述）
张坤,赵刚,孙全建,张云霞[1]（2019）在《基于数据仓库的企业营销决策系统研究与设计》文中研究说明企业信息数据的处理都需要依靠先进的计算机技术的支持,需要准确、高效、及时的收集和分析数据,从而对企业的经营决策提供相应的依据,所以建立一套基于数据仓库的企业营销决策系统进行信息的管理,组织和利用各个应用系统之间的数据进而转化成有用的信息,为企业的发展提供决策支持。
郑雪梅[2]（2019）在《电力营销决策支持系统的设计与实现》文中进行了进一步梳理近年来,国家提出全面深化新一轮电力体制改革,给电力行业提出了更高的发展目标和要求,给整个电力行业带来发展机遇的同时也给传统电力企业带来了挑战,使得传统电力企业对信息化运用有了更加迫切的需求。首先,传统的人工沟通管理方式已经落后,无法适应企业高速运转的需要,其次在技术手段上,对于数据信息的采集需要有更加先进的手段作为支撑。电力生产和经营过程中会产生海量的数据,如何有效的利用这些数据,进行综合分析,从而为管理者提供有助于经营决策方面的信息,已经成为目前电力企业营销管理中的主要任务。本课题通过设计一种功能完备,符合电力企业实际需求的电力营销决策支持系统,使德阳供电公司在电力营销管理工作迈入新台阶。本文结合德阳供电公司营销管理工作实际,对电力营销管理工作现状展开分析,总结出德阳供电公司在电力营销管理理念和总体架构设计上都存在一定不足。然后运用电力营销决策分析理论和软件系统开发技术对电力营销决策支持系统展开研究。首先论文对电力营销决策支持系统进行需求分析,需求分析主要采用UML建模工具,对系统用户角色和功能进行用例分析。系统的主要功能需求包括电网经营指标分析、客户分析、电力需求侧分析、辅助决策、查询统计五个方面。并对系统的性能需求进行分析,性能分析主要从系统继承性、安全性、实用性及可扩展性等方面进行分析。其次,在需求分析的基础上对电力营销决策支持系统进行设计,在系统架构设计阶段,采用了MVC三层架构思想,运用SSH框架技术实现了系统的用户交互层、业务逻辑层和数据层三层架构。在系统功能设计阶段,对系统的五个主要功能模块的设计过程进行描述。在功能设计的基础上,按照数据仓库建立流程,用Jdeveloper、BI Beans和数据挖掘工具Oracle Data Miner详细论述了电力营销决策数据仓库的设计过程。并对系统的核心功能模块辅助决策的模型建立过程进行论述。最后对电力营销决策支持系统的实现过程进行分析,给出系统主要开发技术和实现界面,详细分析了决策支持功能的实现过程。该系统的部署和运用,对德阳供电公司电力营销业务资源整合起到了关键作用,通过数据仓库功能,该系统汇集其他业务系统中的数据,然后从不同的角度和层次对营销数据进行综合分析,为该供电公司的营销决策人员提供有价值、有意义的参考信息,不仅有效的提升电力营销管理人员的工作效率,而且为该供电公司合理定价,统筹生产,精细管理提供了强有力的保障手段。
卫一兰[3]（2019）在《基于数据挖掘技术的民航企业决策支持系统的设计与实现》文中研究指明随着经济的快速发展和科学技术水平的不断提高,信息技术和网络技术在全球范围内得到了广泛应用,已经融入人们生活中的各个方面。对于现代化企业来说,管理经营已经离不开信息和网络技术的支持,由于市场竞争越来越激烈,不确定因素日益增多,为了提升企业的竞争力,需要通过信息化改造,以获得更有质量的决策信息。企业成败的决定性因素在于是否能正确地判断市场行情,继而做出周密快速的决策。传统的决策通常是参考管理者的个人体验,因此在决策过程中一般不具备目的性。由于管理科学和计算机技术的不断进步,出现了决策支持系统,可以大幅度提升企业高层决策的功效与质量。随着数据仓库以及有关技术的不断发展,给企业决策者带来的更新的创想,也推动了系统的不断提升与进步。决策支持系统与数据仓库相结合,可以实现模型决策与数据决策的统一,充分发挥两者的优势,这在提高决策的效率。本文以“上海航空公司管理信息系统项目”为依托,深入研究了决策支持系统和数据仓库,阐述了有关原理,并在数据仓库基础上建立一个决策支持系统原型。此次研究的主要内容及创新有以下几点:1、在分析数据仓库、信息系统、决策支持系统系统发展现状的基础上,明确决策支持系统的用途与发展方向,并阐释了决策支持系统的定义、类型、构成及特征,完成系统轮廓的构造。2、详细分析了数据仓库及相关技术,包括数据仓库的构成、数据准备与挖掘、联机分析处理等技术,并对数据仓库的辅助决策方法进行了探究。在此基础上,对基于数据挖掘技术的民航决策支持系统进行了设计,主要包括系统的研发方式和方向,模型子系统、数据子系统及人际交互子系统的设计,尤其突出了数据仓库对DSS系统的作用。3、实现了面向航空公司市场营销的决策支持系统,对市场营销的定义做了简单的解释,并深入分析了自主研发的决策支持系统,阐述了数据仓库与决策支持系统结合使用以及相关模型与功能实现。
王龙救[4]（2018）在《决策支持系统对零售业务支持的研究 ——以中石化易捷便利店为例》文中认为目前国内外零售行业飞速发展,为了提高企业的竞争力,现在有很多的大型零售企业都非常重视基于POS机的流水数据、会员信息数据、以及在线商品销售的数据进行商品品类以及客户分析,现在企业一般设置有专门的数据分析团队,为决策层、销售团队、管理部门等提供定期或不定期的各种分析报告。本论文将采用案例研究法、定性和定量的研究方法、比较分析法等方法,基于中石化非油品品类分析及决策支持应用,研究信息系统提供的辅助决策如何在促销活动、商品引进、商品淘汰等关键业务中,提高管理效率。同时研究信息系统提供的数据挖掘功能,例如产品销售相关性、预测、加权计分、聚类分析等如何支持公司在日常运营中探索潜在商机,找到自己的利润点,并改善商业策略。以及自助分析功能如何为数据分析师提供灵活、便捷的数据探索、可视化分析。最后,通过信息系统中决策支持、预测分析、数据挖掘、统计分析、自助分析、系统管理的实现,提升企业的分析水平和手段,为企业运营决策提供辅助支撑手段,为整个销售企业的非油品零售数据挖掘系统建设打下坚实基础。
戴振华[5]（2017）在《基于泰州地区的电力营销决策支持系统设计》文中认为近年来随着电力体制的深化改革,对信息和数据的管理要求也逐步完善,因此需要先进的技术支持。传统的数据和信息的管理已经不能满足如今电力企业的需求,以至于重要的数据和信息没有得到充分的利用,不能给决策者提供可靠的决策支持。在分析了电力企业营销的需求的基础上,本文综合应用了数据仓库技术和决策支持理论构建了电力营销的决策支持系统。首先介绍了数据仓库技术和决策支持系统的研究现状和基本理论;论述了数据仓库在决策支持系统中的应用。其次,分析了电力营销的数据仓库的模型,根据用户的需求,设计了数据仓库的整体结构。本文选择了对关联规则中的FP-Growth算法进行数据挖掘,该算法需要事先通过K-Means聚类法对数据进行概化,过程中避免了候选集的产生。然后对抽取2012年到2015年泰州供电局4年来的23个售电量样本进行数据挖掘,结果显示售电量与月份具有强关联规则。最后,本文以泰州市电力营销现状为基础,设计了电力营销决策支持系统的总体框架,包括数据转换聚合子系统、统计报表生成子系统、综合查询子系统和综合分析子系统。以购电和售电为例,给出了双墩变、古马变地区的电力营销四种子系统的实现方式。以泰州市经济发展为背景,考虑经济情况对电力销售的关联性,构建了电力营销决策支持系统框架。
程曦[6]（2015）在《基于数据挖掘的银行客户流失研究与应用》文中研究指明当前,金融体制改革、互联网金融创新对银行业传统的零售业务构成了越来越大的挑战。在金融产品严重同质化的今天,银行原有客户的忠诚度正逐渐降低,客户流失已成为各商业银行都不得不重视的一个严峻的问题。中国工商银行作为国内最大的国有商业银行,客户流失特别是中高端客户流失的现象也日趋严重。本文从银行业对客户流失管理的研究现状、存在的问题及国内外的应用状况等角度入手,结合笔者在工行多年的工作经验,采用理论研究和实证建模相结合的方法,以数据挖掘和客户关系管理作为理论研究的重点,以该行的部分真实客户数据作为实证研究的背景,运用数据挖掘技术中的决策树模型和LOGISTIC回归模型,重点描述了基于SAS EM挖掘平台客户流失预警模型的建模过程。同时,本文还将此研究结果运用到实际的营销活动中,以该行的两家支行中高端客户的实际交易数据为例,带入模型计算得到每个客户的流失概率,筛选了流失概率前30%的客户,运用该行的精准营销平台进行有针对性地流失挽回营销,结果证明采用该模型进行客户挽留可以将客户的流失率降低近一半。最后,本文根据此次建模过程及后续的营销活动探讨了客户挽留的策略,总结出流失客户挽回及建模过程等几方面的启示,供银行的相关管理者参考。本文的主要研究成果在于:一是构建了客户流失预警模型;二是将此模型运用于实际的客户流失挽回营销活动中;三是证明了采取流失客户挽回措施可以有效降低客户流失率。
雷波[7]（2014）在《数据挖掘技术在电力营销系统中的应用研究》文中指出目前随着电力市场的不断发展,电力部门的营销工作中所采用的传统信息管理模式已经无法完全满足电力市场的要求,为解决这一问题,采用数据仓库方法与理论,将数据挖掘技术应用于电力营销系统中,分析了数据仓库的系统结构与四个特征,阐述了数据仓库、电力营销决策支持系统、EMDSS等的开发与设计方法。
邓晓蕾[8]（2014）在《基于数据仓库的电力营销决策支持系统的设计》文中指出随着电力需求的不断增加，电力信息网络迅猛发展，人们对信息管理系统能够提供更高层次分析的需求日益剧增。数据仓库技术的应用对信息管理系统决策支持方面功能的不足进行了弥补。基于此，本文以电力营销的业务流程为基础，本着为客户提供优质服务的宗旨，充分利用数据仓库技术的优势，通过数据挖掘工具，在已有管理信息系统的基础上，构建电力营销决策支持系统，使电力企业高层领导的决策更为方便、科学、精确。首先，通过数据仓库的联机分析处理技术对多维数据进行切片，切块，钻取，旋转等实现数据全方位，多角度，多层次的观察与分析；然后，结合电力营销部门的业务流程，对电力营销数据仓库主题进行划分，设计了电价计费，营业报装，电能计量，合同管理，用电检查、服务质量以及投诉、举报、咨询、报修、报装情况等七个不同的主题，初步构建了电力营销数据仓库的概念模型:多维数据模型、星状/雪花状模型；第三根据电力市场决策需要，对离散型数据进行归纳分析，确定电力营销决策系统所采取的算法：Apriori算法和决策树算法；最后，基于数据仓库的联机分析处理技术（OLAP）构建了电力营销决策支持系统，设计了电力营销决策支持系统的数据转换聚合子系统、查询子系统，实现了数据的转换以及多维的预览等。
刘绍培[9]（2013）在《基于数据仓库技术的电力营销决策支持系统》文中研究指明随着电力革新的逐步发展,电力企业对生产中的各个环节对管理也提出了更高的要求,同时也更加需要新近的科学技术来处理一些信息。由于传统的管理模式没有这种技术上的支持,因此对于收集到的信息不能做出科学有效的处理,对未来的发展趋势不能作出一个科学的预测。在这种条件下,电力营销决策系统成立了,该系统可以收集各种详细的分散数据,并以此建立不同主题的数据仓库,再从中发掘出人们不可为之的数据信息以及内在规律,从而以该数据为导向制定出科学的电力营销决策。本篇文章就对基于数据仓库技术的电力营销决策支持系统做了更进一步的研究。
郑得龙[10]（2013）在《数据挖掘在企业集团营销决策中的应用研究》文中研究说明DSS（决策支持系统）在我国已经有了较长时间的发展，但是在理论研究和实际应用方面还需要完善和提高。DSS在企业的经营活动中扮演着非常重要的角色，在决策分析工作中的作用尤为突出。不仅节省了大量的人力资源，提高了决策分析活动的效率，降低了企业的经营成本，而且在信息的准确度、实时性以及信息的多维度和多层次展示方面都非常出色。为了适应企业发展的需要，提高企业的市场竞争力，浙江烟草进行了一系列企业信息化建设。本文从浙江烟草实际业务需求出发，设计了基于数据挖掘的浙江烟草DSS。具体研究内容包括以下五部分：（1）阐述了论文研究背景，DSS的发展现状以及发展趋势，简要介绍了数据仓库、数据挖掘、OLAP三种DSS的核心技术以及三种技术间的关联关系，分析了传统DSS的缺点和新型DSS的优点；（2）基于浙江烟草对于销售分析、销售预测、市场投放分析和零售户分析的需求分析设计了烟草DSS。对系统的总体架构进行了设计、研究了系统主题并对分析主题进行了划分，在此基础上设计了系统的功能模块。（3）对DSS的数据仓库进行了“概念模型逻辑模型物理模型”的设计，并针对卷烟的销售主题进行了物理表结构的设计。分析了数据仓库的ETL方案，选取了SQL编程与IBM Datastage相结合的方案进行ETL作业，对ETL的作业过程进行了展示，为企业进行决策分析和多维分析提供支撑；（4）研究了时间序列、回归分析和决策树的决策分析方法。根据季节变动预测法和回归预测法建立了卷烟销售预测模型进行卷烟销售预测，帮助企业制定市场投放策略。利用ID3算法对卷烟客户进行了分类分析，为烟草细分客户提供支持，针对不同的客户制定不同的发展策略提供依据；（5）对数据挖掘的数据进行了收集、处理以及综合，完成了数据准备工作。数据挖掘的数据包括：全国960多万零售户的购销存数据和零售户信息数据；近20多年的宏观经济数据和人口变动数据；业务系统数据和业务系统采集的市场数据。
二、基于数据仓库的营销决策支持系统（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、基于数据仓库的营销决策支持系统（论文提纲范文）
（1）基于数据仓库的企业营销决策系统研究与设计（论文提纲范文）
| 1 我国目前企业营销行业现状分析 |
| 2 数据仓库的概念以及相关阐述 |
| 3 关于联机分析处理和数据挖掘技术相关阐述 |
| 4 关于决策支持系统的概念和相关阐述 |
| 5 基于数据仓库的企业营销决策系统的构建 |
| 6 总结 |
（2）电力营销决策支持系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 课题研究的背景 |
| 1.1.2 课题研究的意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 课题研究内容及目标 |
| 1.4 论文结构 |
| 第二章 相关理论技术 |
| 2.1 电力营销分析相关理论 |
| 2.1.1 电力营销数据分析方法 |
| 2.1.2 电力营销数据分析内容 |
| 2.1.3 电力营销层次结构 |
| 2.2 系统开发技术 |
| 2.2.1 Java EE |
| 2.2.2 MVC |
| 2.3 数据仓库 |
| 2.3.1 数据仓库技术概述 |
| 2.3.2 数据仓库的关键技术 |
| 2.4 OLAP技术 |
| 2.5 决策支持系统 |
| 2.6 本章小结 |
| 第三章 电力营销决策支持系统需求分析 |
| 3.1 现状分析 |
| 3.2 系统角色用例分析 |
| 3.3 系统的功能需求 |
| 3.3.1 电网经营指标分析功能需求 |
| 3.3.2 电力客户分析功能需求 |
| 3.3.3 电力需求侧分析功能需求 |
| 3.3.4 辅助决策功能需求 |
| 3.3.5 查询统计功能需求 |
| 3.4 系统性能需求 |
| 3.5 本章小结 |
| 第四章 电力营销决策支持系统设计 |
| 4.1 设计思路 |
| 4.2 系统架构设计 |
| 4.3 系统功能模块设计 |
| 4.3.1 电网经营指标分析模块 |
| 4.3.2 电力客户分析模块 |
| 4.3.3 电力需求侧分析模块 |
| 4.3.4 辅助决策模块 |
| 4.3.5 查询统计模块 |
| 4.4 系统数据库设计 |
| 4.5 电力营销决策数据仓库设计 |
| 4.5.1 数据仓库工具 |
| 4.5.2 数据仓库主题分析 |
| 4.5.3 数据转换 |
| 4.5.4 数据流设计 |
| 4.6 辅助决策建模 |
| 4.7 本章小结 |
| 第五章 电力营销决策支持系统的实现 |
| 5.1 系统开发技术 |
| 5.2 主要界面实现 |
| 5.2.1 登陆界面 |
| 5.2.2 电网经营指标分析 |
| 5.2.3 电力客户分析 |
| 5.2.4 电力需求侧分析 |
| 5.2.5 辅助决策 |
| 5.2.6 查询统计 |
| 5.3 辅助决策模型实现 |
| 5.4 本章小结 |
| 第六章 系统测试 |
| 6.1 测试概述 |
| 6.1.1 测试目的 |
| 6.1.2 测试方法 |
| 6.1.3 测试环境 |
| 6.2 功能测试 |
| 6.3 性能测试 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
（3）基于数据挖掘技术的民航企业决策支持系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文组织结构 |
| 第二章 决策支持系统及相关技术 |
| 2.1 决策支持系统 |
| 2.1.1 决策支持系统概述 |
| 2.1.2 决策支持的问题研究 |
| 2.2 数据仓库技术 |
| 2.2.1 数据仓库技术的发展 |
| 2.2.2 数据仓库的特性及体系结构 |
| 2.3 数据挖掘技术 |
| 2.3.1 数据挖掘技术概述 |
| 2.3.2 数据挖掘的算法分析 |
| 2.4 前后端开发技术 |
| 2.4.1 JavaScript脚本开发语言 |
| 2.4.2 Python语言及Flask框架 |
| 2.5 本章小结 |
| 第三章 基于数据仓库的决策支持系统需求分析 |
| 3.1 系统功能分析 |
| 3.2 系统功能需求分析 |
| 3.2.1 用户鉴权子系统功能分析 |
| 3.2.2 决策支持子系统功能分析 |
| 3.3 系统非功能需求分析 |
| 3.3.1 基础数据分析 |
| 3.3.2 数据仓库子系统分析 |
| 3.4 本章小结 |
| 第四章 基于数据仓库的决策支持系统设计 |
| 4.1 系统总体设计 |
| 4.2 功能模块设计 |
| 4.2.1 前端数据显示子系统设计 |
| 4.2.2 用户管理鉴权子系统设计 |
| 4.2.3 决策支持子系统设计 |
| 4.3 数据处理模块设计 |
| 4.3.1 数据仓库设计 |
| 4.3.2 数据处理设计 |
| 4.4 本章小结 |
| 第五章 面向民航企业市场营销的决策支持系统实现 |
| 5.1 系统环境配置 |
| 5.1.1 软硬件环境 |
| 5.1.2 系统总体实现 |
| 5.2 系统模块实现 |
| 5.2.1 前端显示子系统的实现 |
| 5.2.2 用户管理鉴权子系统的实现 |
| 5.2.3 决策子系统的实现 |
| 5.2.4 模型部分的实现 |
| 5.3 本章小结 |
| 第六章 面向民航企业市场营销的决策支持系统测试 |
| 6.1 系统测试模型选择介绍 |
| 6.2 系统测试流程 |
| 6.2.1 系统软硬件测试平台搭建 |
| 6.2.2 系统用例测试 |
| 6.2.3 系统用例总结 |
| 6.2.4 系统压力测试 |
| 6.3 小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 系统的未来展望 |
| 致谢 |
| 参考文献 |
（4）决策支持系统对零售业务支持的研究 ——以中石化易捷便利店为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究的背景 |
| 1.2 研究的目的和意义 |
| 1.3 国内外研究现状 |
| 1.4 研究内容及研究方法 |
| 2 中石化非油品业务和信息系统发展现状以及面临的问题 |
| 2.1 中石化非油品销售业务现状及存在问题分析 |
| 2.1.1 销售业务现状及其问题分析 |
| 2.1.2 销售业绩现状及其问题分析 |
| 2.2 中石化非油品信息系统应用现状及存在问题分析 |
| 2.2.1 信息系统功能及数据现状 |
| 2.2.2 信息系统架构 |
| 2.2.3 信息系统主要存在的问题 |
| 2.3 经营决策支持在信息系统中实现的意义 |
| 3 根据业务需求对信息系统的优化方案分析 |
| 3.1 中石化易捷便利店经营决策支持系统总体设计 |
| 3.2 中石化易捷便利店经营决策支持系统需求分析 |
| 3.3 中石化易捷便利店经营决策支持系统功能 |
| 4 决策支持在信息系统中的实现 |
| 4.1 决策支持 |
| 4.2 预测分析 |
| 4.3 数据挖掘 |
| 4.4 统计分析 |
| 4.5 自助分析 |
| 5 实施中石化易捷便利店经营决策支持系统的措施 |
| 5.1 系统成功实施的要素 |
| 5.2 系统运行管理 |
| 6 结论 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 致谢 |
（5）基于泰州地区的电力营销决策支持系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 数据仓库技术 |
| 1.2.2 电力营销系统 |
| 1.2.3 决策支持系统 |
| 1.3 本文主要研究内容 |
| 第2章 基于数据仓库的决策支持系统的理论概述 |
| 2.1 数据仓库技术理论 |
| 2.1.1 数据仓库的概念 |
| 2.1.2 数据仓库的特点 |
| 2.1.3 数据仓库的结构 |
| 2.1.4 数据仓库的关键技术 |
| 2.1.5 数据仓库的设计环节 |
| 2.2 决策支持系统理论 |
| 2.2.1 决策支持系统的发展过程 |
| 2.2.2 决策支持系统的结构 |
| 2.2.3 决策支持系统的特点和功能 |
| 2.3 数据仓库在决策支持系统中的应用 |
| 2.3.1 OLAP概念和特点 |
| 2.3.2 OLAP的结构 |
| 2.4 数据挖掘技术 |
| 2.5 本章小结 |
| 第3章 数据挖掘技术的算法研究应用 |
| 3.1 数据挖掘概述 |
| 3.1.1 数据挖掘定义 |
| 3.1.2 数据挖掘特点 |
| 3.1.3 数据挖掘的基本步骤 |
| 3.2 数据挖掘的方法 |
| 3.3 数据挖掘在电力系统中的应用 |
| 3.3.1 电力营销的应用 |
| 3.3.2 电力负荷预测的应用 |
| 3.3.3 智能变电站的的应用 |
| 3.4 售电主题关联规则的实现 |
| 3.4.1 数据仓库的建立 |
| 3.4.2 K-Means聚类的数据概化 |
| 3.4.3 FP-Growth算法的实现 |
| 3.5 基于泰州地区售电数据的挖掘 |
| 3.6 本章小结 |
| 第4章 电力营销决策支持系统设计分析 |
| 4.1 决策支持系统子系统设计 |
| 4.1.1 数据转换聚合子系统 |
| 4.1.2 数据报表生成子系统 |
| 4.1.3 数据查询子系统 |
| 4.1.4 数据综合分析子系统 |
| 4.2 决策支持系统各层设计 |
| 4.2.1 系统层设计 |
| 4.2.2 平台层设计 |
| 4.2.3 应用层设计 |
| 4.3 泰州市中长期用电预测系统构建 |
| 4.4 本章小结 |
| 第5章 基于数据仓库的电力营销决策支持系统的实现 |
| 5.1 泰州市供电公司电力营销现状分析 |
| 5.2 基于泰州地区的电力营销决策支持系统的实现 |
| 5.2.1 数据转换子系统 |
| 5.2.2 综合查询子系统 |
| 5.2.3 综合分析子系统 |
| 5.2.4 统计报表的生成 |
| 5.3 系统的安全性和可靠性 |
| 5.4 本章小结 |
| 第6章 总结和展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）基于数据挖掘的银行客户流失研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文的研究背景与研究意义 |
| 1.1.1 论文的研究背景 |
| 1.1.2 课题的研究意义 |
| 1.2 研究现状及存在问题 |
| 1.2.1 银行业对数据挖掘和客户流失管理的研究现状 |
| 1.2.2 存在的问题 |
| 1.3 论文的研究内容 |
| 2 数据挖掘与客户关系管理综述 |
| 2.1 数据挖掘综述 |
| 2.1.1 数据挖掘的定义 |
| 2.1.2 数据挖掘的过程 |
| 2.1.3 数据挖掘的功能 |
| 2.1.4 数据挖掘的常用算法 |
| 2.2 客户关系管理综述 |
| 2.2.1 客户关系管理的定义 |
| 2.2.2 客户关系管理理论体系 |
| 2.2.3 建设客户关系管理系统步骤 |
| 2.3 某银行客户关系管理系统简介 |
| 2.3.1 个人客户关系管理系统 |
| 2.3.2 企业客户关系管理系统 |
| 3 基于数据挖掘的某银行中高端客户流失预警模型 |
| 3.1 银行数据仓库概述 |
| 3.1.1 银行数据仓库体系结构 |
| 3.1.2 银行数据仓库逻辑数据模型 |
| 3.2 客户流失概念 |
| 3.2.1 客户流失定义 |
| 3.2.2 客户流失分类 |
| 3.2.3 客户流失管理的过程 |
| 3.2.4 客户流失管理的目的 |
| 3.3 银行中高端客户流失模型研究 |
| 3.3.1 定义目标 |
| 3.3.2 数据准备 |
| 3.3.3 数据处理 |
| 3.3.4 建模工具介绍及模型选择 |
| 3.3.5 建模过程 |
| 3.3.6 决策树分析 |
| 3.3.7 logistic回归分析 |
| 3.3.8 模型评价 |
| 3.4 中高端客户流失模型应用 |
| 4 客户流失挽回案例分析 |
| 4.1 精准营销系统介绍 |
| 4.2 维系客户的基本策略 |
| 4.3 客户流失挽回的实施过程 |
| 4.4 客户流失挽回的结果 |
| 4.5 流失挽回的启示 |
| 5 总结与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（7）数据挖掘技术在电力营销系统中的应用研究（论文提纲范文）
| 0 引言 |
| 1 数据仓库的概述与决策支持系统 |
| 1.1 数据仓库技术 |
| 1.2 决策支持系统 |
| 2 数据仓库的系统结构 |
| 2.1 相对稳固 |
| 2.2 面向主题 |
| 2.3 时间特征 |
| 2.4 集成性 |
| 3 数据挖掘技术在电力营销系统中的运用 |
| 3.1 数据仓库的开发 |
| 3.1.1 数据仓库的数据来源 |
| 3.1.2 数据仓库的设计 |
| 3.2 电力营销决策支持系统 |
| 3.3 EMDSS开发流程 |
| 4 结束语 |
（8）基于数据仓库的电力营销决策支持系统的设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.2.1 数据仓库技术的现状 |
| 1.2.2 电力营销系统的现状 |
| 1.2.3 决策支持系统的现状 |
| 1.3 本文的主要工作 |
| 第2章 电力营销数据仓库的构建 |
| 2.1 数据仓库概述 |
| 2.2 数据仓库设计的内容与过程 |
| 2.2.1 数据仓库设计的内容 |
| 2.2.2 数据仓库设计的过程 |
| 2.3 数据仓库的应用技术 |
| 2.4 电力营销数据仓库的模型 |
| 2.4.1 电力营销数据仓库设计主题划分 |
| 2.4.2 电力营销数据仓库设计概念模型 |
| 2.5 本章小结 |
| 第3章 电力营销决策系统中数据挖掘技术的算法原理 |
| 3.1 数据挖掘作用 |
| 3.2 数据挖掘的过程 |
| 3.3 数据挖掘的方法 |
| 3.4 电力营销决策系统中采用的算法原理 |
| 3.4.1 Apriori 算法的原理简介 |
| 3.4.2 决策树算法原理简介 |
| 3.5 本章小结 |
| 第4章 基于数据仓库的电力营销决策支持系统的设计 |
| 4.1 电力营销决策系统 |
| 4.2 电力营销决策支持系统设计原则 |
| 4.3 电力营销决策支持系统功能模块的设计 |
| 4.3.1 数据转换聚合子系统 |
| 4.3.2 统计报表生成子系统 |
| 4.3.3 综合查询子系统 |
| 4.3.4 营销决策分析子系统 |
| 4.4 电力营销决策系统集成 |
| 4.4.1 数据处理流程 |
| 4.4.2 基于数据库的决策支持系统（DSS）的建立 |
| 4.4.3 电力营销决策系统硬件配置 |
| 4.4.4 电力营销决策系统软件配置 |
| 4.5 电力营销决策支持系统的设计 |
| 4.5.1 数据转换聚合子系统 |
| 4.5.2 综合查询子系统 |
| 4.6 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士期间发表的学术论文和其他成果 |
| 致谢 |
| 作者简介 |
（9）基于数据仓库技术的电力营销决策支持系统（论文提纲范文）
| 1 简述电力营销系统 |
| 1.1 电力营销信息系统发展的现状 |
| 1.2 存在电力营销系统中的问题 |
| 2 基于数据仓库技术的电力营销决策支持系统设计 |
| 2.1 选择数据库 |
| 2.2 数据仓库技术的组成 |
| 2.3 数据仓库的设计与实现 |
| 2.4 数据库的物理设计 |
| 3 电力营销数据仓库及决策支持系统的设计流程及功能划分 |
| 3.1 电力营销决策辅助系统的设计流程 |
| 3.2 电力营销决策支持系统的功能划分 |
| 4 结束语 |
（10）数据挖掘在企业集团营销决策中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究及应用现状 |
| 1.2.1 国内外现状 |
| 1.2.2 未来发展趋势 |
| 1.3 传统 DSS 存在的问题 |
| 1.4 基于 DM 的 DSS 的优点 |
| 1.5 研究内容和组织框架 |
| 1.5.1 研究内容 |
| 1.5.2 组织框架 |
| 第2章 核心技术概述 |
| 2.1 数据仓库 |
| 2.1.1 数据仓库概念 |
| 2.1.2 数据仓库的数据组织 |
| 2.1.3 数据仓库体系结构 |
| 2.1.4 多维数据模型 |
| 2.2 数据挖掘 |
| 2.2.1 数据挖掘概念 |
| 2.2.2 数据挖掘的过程 |
| 2.2.3 数据挖掘的分类 |
| 2.3 联机分析处理 |
| 2.3.1 OLAP 概念 |
| 2.3.2 OLAP 的特征 |
| 2.3.3 OLAP 基本操作 |
| 2.4 本章小结 |
| 第3章 企业 DSS 总体设计 |
| 3.1 浙江烟草信息系统现状 |
| 3.2 决策支持系统需求分析 |
| 3.3 系统设计原则 |
| 3.4 系统总体设计 |
| 3.5 系统功能模块 |
| 3.6 小结 |
| 第4章 决策分析方法 |
| 4.1 引言 |
| 4.2 时间序列分析 |
| 4.2.1 指数平滑法 |
| 4.2.2 季节变动预测法 |
| 4.2.3 Winters 指数平滑法 |
| 4.2.4 趋势比率法 |
| 4.2.5 Holt-Winters 指数平滑法 |
| 4.2.6 可变季节指数预测法 |
| 4.3 回归分析 |
| 4.3.1 回归分析概念 |
| 4.3.2 多元线性回归分析 |
| 4.4 分类分析 |
| 4.4.1 分类算法 |
| 4.4.2 决策树分类法 |
| 4.5 本章小结 |
| 第5章 数据仓库的设计 |
| 5.1 引言 |
| 5.2 需求分析 |
| 5.3 模型设计 |
| 5.3.1 概念模型设计 |
| 5.3.2 逻辑模型设计 |
| 5.3.3 物理模型设计 |
| 5.4 ETL |
| 5.4.1 ETL 作业方案设计 |
| 5.4.2 ETL 作业流程 |
| 5.5 数据准备 |
| 5.6 本章小结 |
| 第6章 浙江烟草销售分析和预测 |
| 6.1 销售分析 |
| 6.1.1 卷烟销售趋势分析 |
| 6.1.2 卷烟市场相关因素分析 |
| 6.2 销售预测 |
| 6.2.1 回归模型预测 |
| 6.2.2 销量时间序列模型预测 |
| 6.2.3 销售金额的时间序列模型预测 |
| 6.2.4 销售的 H-P 滤波模型预测 |
| 6.2.5 趋势比率模型的建立 |
| 6.2.6 Holt-Winters 预测模型的建立 |
| 6.3 客户分析 |
| 6.3.1 客户细分 |
| 6.4 本章小结 |
| 第7章 结论及展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 附录 |
| 攻读学位期间研究成果 |
四、基于数据仓库的营销决策支持系统（论文参考文献）
- [1]基于数据仓库的企业营销决策系统研究与设计[J]. 张坤,赵刚,孙全建,张云霞. 科技传播, 2019(16)
- [2]电力营销决策支持系统的设计与实现[D]. 郑雪梅. 电子科技大学, 2019(01)
- [3]基于数据挖掘技术的民航企业决策支持系统的设计与实现[D]. 卫一兰. 电子科技大学, 2019(09)
- [4]决策支持系统对零售业务支持的研究 ——以中石化易捷便利店为例[D]. 王龙救. 北京林业大学, 2018(04)
- [5]基于泰州地区的电力营销决策支持系统设计[D]. 戴振华. 华北电力大学(北京), 2017(03)
- [6]基于数据挖掘的银行客户流失研究与应用[D]. 程曦. 浙江工业大学, 2015(01)
- [7]数据挖掘技术在电力营销系统中的应用研究[J]. 雷波. 广东科技, 2014(12)
- [8]基于数据仓库的电力营销决策支持系统的设计[D]. 邓晓蕾. 华北电力大学, 2014(03)
- [9]基于数据仓库技术的电力营销决策支持系统[J]. 刘绍培. 电子测试, 2013(20)
- [10]数据挖掘在企业集团营销决策中的应用研究[D]. 郑得龙. 浙江理工大学, 2013(03)