数据挖掘技术在电信行业异常客户识别中应用研究.pdfVIP

技术广角技术广角 数据挖掘技术 在电信行业 异常客户识别 中的应用研究 1 1 2 2 熊仕平 王 雷 李 勇 1中国联通湖南分公司 长沙 410008 2清华大学博士后科研工作站 北京 100084 摘要：主要讨论数据挖掘技术在电信行业的应用，以异常客户的识 别为例阐述了数学挖掘模型的构建与使用。 关键词：数据建模 数据挖掘 主成分分析 异常客户 1 引言 题。根据已有的异常客户数据归纳其特性， 随着电信运营商逐渐从 “以业务为中 当拥有新的客户数据时，以此预测识别具有 心”向“以客户为中心”的转变，电信运营 异常倾向的客户，如识别具有离网倾向或欺 商迫切需要对各种业务的客户满意情况进行 诈倾向的客户。这样可有助于改进电信运营 分析和预测，对客户构成以及客户行为进行 商的服务水平，减少收益流失，增强客户的 预测识别。而借助数据挖掘技术构建的数学 忠诚度等。 模型恰恰可以解决分群客户的偏好归纳、客 在建立异常客户分析模型过程中，将根 户离网倾向预测、客户欺诈行为识别等运营 据实际模型的效果对影响客户异动行为的相 商最为关心的问题。由于客户离网以及客户 关变量做进一步的约简和处理。 欺诈等客户异常行为直接关系到电信运营商 最关心的收益提高问题，因此本文主要以异 2.1数据属性约简 常客户识别为例介绍电信行业数据建模技术 影响异常客户判定的影响属性通常多种 应用。 多样，这些属性之间存在着或强或弱的相关 关系，以全部属性作为细分标准显然过于复 2异常客户分析模型 杂，并且也难于在实时环境中识别和追溯目 异常客户分析识别主要是对电信客户所 标；而任意选取其中某个或某几个属性又会 处状态的一种判断，其本质是一种分类问 影响对客户异常行为的解释力度，降低细分 80 TELECOMMUNICATIONS TECHNOLOGY / 2006·3 效果。因此，较为有效的方法是从这 量的分析达到解决问题的目的。在 数较少的互不相关的新的组合变量 些相互关联的影响属性中，通过约 这种降维思想下便产生了处理高维 进行分析来达到解决问题的目的。 简算法抽取对客户异常行为起关键 数据的主成分分析 (Principal例如，假设影响客户离网的属性有 影响的属性；或者对这些属性进行 Component Analysis)法。 服务价格、通话质量、信号覆盖率、 抽取整合，重新构造少数关键指标， 2.1.2多规则神经网络 电话掉线率以及客户信用度等，对 这些指标是原有影响属性 （或称因 使用多规则神经网络进行属性 客户的这5个影响属性用 “1～10” 子）的线性组合，能综合原有影响属 约简是将原始属性数据作为多准则