BOSS数据的分析培训.pptVIP

议 程 了解市场经营分析的目的 数据挖掘和分析的主要层面和步骤 一些典型的数据挖掘和分析方法举例 分析过程中需要注意的问题 市场经营对于数据分析的需求日益增长 电信行业的管理正由原来的“粗放型”向“集约型”精细化管理转变 每项决策都应该建立于事实基础之上，而不仅仅是“拍脑袋” 更多的产品决策将具有明显的针对性，不再是“全盘操作” 简单的算术统计已经无法满足多元化业务研发的需要 客户需求越来越多元化，产品种类也日趋繁多 随着经营和计费数据的日益累计，原始数据变得庞大而繁杂 计费系统和支撑系统的发展为数据挖掘提供了能力保障 网络口、市场口和计费部门之间的结合日益紧密 详实的数据和具有说服力的解释成为部门间沟通的重要载体 市场经营数据分析的目的 对市场竞争态势有更为准确和切实了解 可以用来论证一些对市场看法的假设 定量地了解各细分市场的客户特征 通过数据挖掘和图表帮助人们理解繁杂的数字 许多数据的规律特征往往通过图表才被发现 作为进一步调研分析的数据基础 作为客户座谈会或市场调研对象的选择基础 为决策提供事实依据 比如调整资费价格，改变收费模式等 确定对各类客户群保护力度 议 程 了解市场经营分析的目的 数据挖掘和分析的主要层面和步骤 一些典型的数据挖掘和分析方法举例 分析过程中需要注意的问题 成功的数据分析关键取决于三个层面的工作 选取正确的数据来源，同时不影响正常的生产环境 必须对现有计费系统和数据结构有明确的了解 在数据提取效率和提取深度之间权衡 做出适当的假设，并对各类假设进行优先排序 尝试所有的分析维度（各种变量之间的排列组合） 对数值进行合理的归类或近似处理 选取合适的图表类型，一张图表往往胜过千言万语 突出重点，能直接为决策提供支撑依据 为进一步分析留有足够的空间 数据挖掘和分析的主要步骤 议 程 了解市场经营分析的目的 数据挖掘和分析的主要层面和步骤 一些典型的数据挖掘和分析方法举例 分析过程中需要注意的问题 ARPU水平变化细分分析 客户群ARPU分布分析 各ARPU水平客户对收入贡献程度 品牌和ARPU细分离网率分析 收入变化分析和预测 各ARPU客户群呼转比例分析 各品牌ARPU-ARPM对应关系分析 客户转网统计分析 议 程 了解市场经营分析的目的 数据挖掘和分析的主要层面和步骤 一些典型的数据挖掘和分析方法举例 分析过程中需要注意的问题 分析过程中需要注意的问题 对于各类指标的定义必须相互一致 离网率的定义：办理销户？本月未通话？三个月未通话？ 网内通话的定义：是否包含联通？是否包含外地手机？ 明确区分离网用户、未通话客户、零消费用户之间的区别 必须充分保证抽样的随机性 抽样号码在整体号段中的分布必须均匀（注意跨网络平台的处理） 检查抽样客户的ARPU与整体客户ARPU是否非常接近 检验每月消费细分总额与ARPU是否一致 对于离网客户的ARPU估算需要进行一定的调整 由消费习惯可知，客户离网前ARPU往往处于逐渐下降的趋势 -*- XXXXX-XX/Footer 市场经营分析和数据挖掘方法介绍江西移动内部培训材料二OO三年十二月 THE BOSTON CONSULTING GROUP 数据提取和收集 数据挖掘和分析 数据表达和说明 层面三：数据表达 层面二：数据分析 层面一：数据提取 选取合适的数据源 实时计费系统 经营分析系统 选择原始数据格式 数据库/纯文本 剔除无效数据 抽取质量检验 删除入网前记录 对数据进行归类整理 划分高中低端客户 提取关键数据 不是所有的结果都能被图表表达 必要时对数据进行近似或归类处理 确定分析的类型 假设验证型 特征探索型 确定数据收集需求 分解需求到为具体数据提取变量 编写分析处理程序 Excel/SPSS宏处理 Access SQL程序 运行分析程序 选择合适的图表类型 以简洁为原则，选择最有效最恰当的 注意不同元素之间的主次顺序 对于图表所说明的问题作初步解释 同时给与进一步分析留下足够空间 确定数据抽取方法 整体数据 抽样数据 初步统计数据 选择抽取范围 指定地区/品牌等 每一步工作都将直接影响最终分析结果的质量 选择分析工具 Excel宏处理 SPSS批处理 Access SQL 导入原始数据 下降50%以上 下降0-25% 增长0-25% 增长50%以上 离网率 6.2% 3.2% 2.0% 下降25-50% ARPU变化幅度 数据挖掘分析结果示例 说明问题 与总体平均ARPU变化相比，该细分分析能够识别出真正影响ARPU变动的因素 可以进一步细分品牌、地区分析 分析方法 锁定号码抽样一定规模客户近一段时间各月ARPU 确定比较对象：前后两个月，或前后两阶段多月平均ARPU值 计算ARPU变化幅