数据挖掘与分析技术在企业管理中应用.docVIP

数据挖掘与分析技术在企业管理中应用

TOC\o1-2\h\u14420第1章数据挖掘概述 3

16411.1数据挖掘的基本概念 4

94371.2数据挖掘的技术框架 4

319001.3数据挖掘在企业管理中的价值 4

13436第2章数据预处理 5

15872.1数据清洗 5

166342.1.1缺失值处理 5

279192.1.2异常值检测与处理 5

202322.1.3重复记录处理 5

174462.2数据集成 5

272962.2.1异构数据集成 5

84202.2.2数据集成方法 5

39572.2.3数据集成过程中的问题及解决方案 6

93052.3数据转换 6

178792.3.1数据标准化 6

315052.3.2数据归一化 6

81132.3.3属性构造与变换 6

288212.4数据降维 6

242092.4.1特征选择 6

235072.4.2主成分分析（PCA） 6

4827第3章数据挖掘算法 6

51323.1分类算法 6

178063.1.1决策树算法 7

230353.1.2朴素贝叶斯算法 7

23783.1.3支持向量机算法 7

161993.2聚类算法 7

298213.2.1Kmeans算法 7

98643.2.2层次聚类算法 7

219703.2.3密度聚类算法 7

21453.3关联规则挖掘算法 7

157163.3.1Apriori算法 8

200913.3.2FPgrowth算法 8

21143.4预测与时间序列分析算法 8

234113.4.1移动平均法 8

187533.4.2自回归模型 8

201993.4.3神经网络时间序列预测 8

305第4章数据挖掘技术在企业市场营销中的应用 8

203034.1客户细分 8

271224.1.1基于客户消费行为的细分 8

121044.1.2基于客户价值分析的细分 9

294354.1.3基于客户忠诚度的细分 9

129134.1.4基于客户人口统计特征的细分 9

172344.2市场趋势预测 9

56534.2.1时间序列分析 9

297024.2.2季节性波动分析 9

256504.2.3预测模型建立与评估 9

40054.2.4市场趋势预测在产品研发与营销策略中的应用 9

29694.3交叉销售与产品推荐 9

16104.3.1关联规则挖掘 9

200314.3.2基于客户购买历史的推荐 9

8224.3.3基于内容的推荐 9

243184.3.4协同过滤推荐算法 9

143524.3.5交叉销售与产品推荐策略在营销活动中的应用 9

4682第五章数据挖掘技术在客户关系管理中的应用 9

49265.1客户满意度分析 9

250035.1.1客户满意度影响因素分析 9

168895.1.2客户满意度预测 10

163835.1.3客户细分 10

92245.2客户忠诚度分析 10

278565.2.1客户忠诚度影响因素识别 10

179875.2.2客户忠诚度预测 10

100425.2.3客户价值评估 10

251715.3客户流失预测 10

259185.3.1客户流失影响因素分析 10

54485.3.2客户流失预测模型构建 10

67755.3.3预警机制建立 10

19448第6章数据挖掘技术在供应链管理中的应用 11

126696.1供应商选择与评估 11

69836.1.1数据挖掘在供应商选择中的应用 11

137066.1.2数据挖掘在供应商评估中的应用 11

112126.2库存优化 11

220406.2.1数据挖掘在库存需求预测中的应用 11

233996.2.2数据挖掘在库存管理策略优化中的应用 11

318886.3物流路径优化 11

32726.3.1数据挖掘在物流路径选择中的应用 11

113246.3.2数据挖掘在物流成本控制中的应用 11

7161第7章数据挖掘技术在人力资源管理中的应用 12

264057.1员工招聘与选拔 12

267277.1.1岗位需求分析与职位描述优