信用销售(即赊销)是基于企业对买主的信用动因和信用能力的信任。使买主无须付现就可以获得商品、服务而实现的一种销售。我国信用销售增长势头很快,但是由于大多数企业缺乏完善的信用销售管理机制,采用赊销方法的企业很多都面临应收账款居高不下的问题,影响到企业的生存和发展。在实施信用销售时,对客户的信用情况进行准确的评价有着极其重要的意义,近年来人工神经网络被引入该领域并成为研究热点,基于此,笔者选择该主题作为毕业论文的研究方向。 论文首先介绍信用销售的基本概念及其业务流程特点,并详细介绍目前比较前沿的全程信用管理模式。然后引入数据挖掘,介绍了神经网络的原理和特点。最后深入研究了信用销售客户评价的神经网络实现方案。 文章在第四部分研究了信用销售客户评价的神经网络实现方案:首先深入分析了如何构建模型指标体系,整理了可以用来进行客户信用评价的信息来源,在此基础上讨论了如何构建指标体系。接着分别用B-P神经网络和LVQ(学习矢量化)神经网络构建信用销售客户评价模型,并利用真实数据对其进行仿真。最后对两种模型做出比较和评价,研究结果表明,相比B-P神经网络和其他传统方法而言LVQ神经网络具有更好的性能。 最后,希望本文的分析与研究能为我国信用销售的发展做出有益的工作。