电信业构建数据挖掘系统的思考.pdfVIP

江苏省通信学会论文集 电信业构建数据挖掘系统的思考 郭明 郑惠莉 南京邮电学院管理工程系，南京210003 擅蔓：随着电信市场竞争的日益加剧，构建电信企业经营分析系统，充分利用其业务支撑系统产生的大量的历史数据，实现 对信息的深加工和处理已成为当前电信企业系统建设关注的焦点。本文介绍了数据挖掘应用的一般过程，对国内电信业的数 据挖掘应用现状进行了分析，探讨现有电信企业构建数据挖掘系统的面临问题，对数据挖掘应用系统的实施提出一些自己的 看法。 关■宇：数据挖掘，电信Ⅺk，数据仓库，决策支持系统 1． 什么是数据挖掘? 数据挖掘就是从海量的、不完全的、有噪声的、模糊的数据中找出潜在的有价值的信息和知识，是知识 发现过程(KDD)的一个重要步骤，它是涉及统计学、数据库和人工智能等相关领域的一门偏于应用的交叉 学科u，。在近十多年的发展过程中，数据挖掘技术已被广泛地应用于医学、金融、管理学等相关学科。 目前，随着国内外电信市场竞争的日趋激烈，为了真正做到以客户为中心，提高服务质量，提供个性化 的客户服务并且准确、及时地进行经营决策，电信业也开始尝试将数据挖掘技术应用于业务预测、客户的行 为模式分析、网络资源的管理堙’31等领域，并逐渐成为电信企业管理决策的重要手段之一。 2． 数据挖掘的一般过程 一 一般地，数据挖掘的过程包括如下六步： (1)定义商业问题。 定义商业问题就是了解的你的数据和业务问题，这是实施数据挖掘的基本前提，，一个数据挖掘项目必 ’ 须要有一个清晰明确的目标以及对结果评价标准。 (2)建立数据挖掘库。 数据挖掘的原始数据大多来自于数据仓库或数据集市巾。虽然数据仓库／集市对于数据挖掘本身来说却 不是必须的，比如有些应用一个平面文件或电子表格就足够了，但从商用系统建设的角度来看，直接从数据 仓库／集市t{J获取经过清洗、转换的数据，能够为构建数据挖掘应用提供更加全面的数据支撑。 (3)分析数据。 ， 分析的目的是进行数据筛选，寻找对数据建模影响最大的指标变量，以及决定是否需要定义衍生变量a (4)准备数据。 ． 为数据挖掘建模准备数据，确定训练以及测试的样本集，为此需要进行具体的数据抽取、转换等工作。 (5)模型建立与评估。 一个有效模型的建立是一个迭代循环的过程。具体包括：①选择何种算法模型；②选择合适的训练数据 集；⑨模型的评价。 (6)模型实施。 模型建立并经验证之后，有两种主要的使用方法。第一种是提供给分析人员做参考，由他们通过查看和 分析这个模型之后提出行动方案的建议，比如聚类模型得出的的聚集标准、分类模型中蕴含的分类规则等。 另～种是把改数据挖掘模型应用到某个商业过程中，与某些应用系统相集成，例如在客户关系管理中，通过 客户的流失分析，建立客户流失的预警机制，或在网管系统中，根据客户的呼叫模式分析，对可能的恶意呼 叫行为进行监控。 314 江苏省通信学会论文集 3． 国内电信业数据挖掘应用现状分析 随着电信市场垄断格局的打破，市场竞争更趋激烈，客户服务的质量要求日益提高，同时也是国内信息 化程度最高的行业之一，．这些因素使得国内的电信企业开始着手数据仓库的建设，并将数据挖掘系统作为数 据仓库实施的一部分。 ， 目前，一些电信公司已在客户关系管理(CRM)、网管系统、OSS等系统中运用了数据挖掘技术；一些 电信公司为避免系统的重复建设，已经从更高的层次开始规划、实施统一的综合业务经营分析平台，试图将 各种数据挖掘的分析活动统一在该平台下完成【引。具体地，国内电信企业尝试的数据挖掘的应用主要涉及以 下几个方面141： (1)业务预测 通过对历史数据的分析，找出影响业务发展的因素，然后对这些因素的未来发展做出预计，从而大致的 确定未来业务量，作为制定发展计划的重要依据。例如，为了确定未来的市场规模，需要对电信