DB2DWE在电信业数据挖掘中的应用.ppt

DB2 DWE 在电信业数据挖掘中的应用软件部 张 英 yingzswg@;;数据挖掘方法论及挖掘项目的调优;; 数据挖掘方法论; 价值、行为为导向的数据挖掘方法论;分析对象：神州行？、全球通？、动感地带？ 、固话、小灵通、公话… 挖掘模式：客户分群？流失预测？交叉销售？欺诈识别？… 挖掘主题是否符合公司当年的营销战略？是否可以解决当前面临问题？ ;用户及客户的基本信息变量 客户身份信息、联系方式、产品拥有情况，用户竣工时间、入网时长、服务开通情况、优惠套餐信息、客户服务信息（投诉、咨询、催缴情况）等。 价值变量 基本通话费用、月均国内长途费用、月租费、 GPRS使用费、SMS费用、MMS费用、WAP费用、优惠费用、新业务、信息费和卡类、结算费用、缴欠费费用等。 行为变量 时长、次数、发话不同号码数、时长集中度（当月、近三月、近六???）、次数集中度（当月、近三月、近六月）、拨打10086次数、WAP次数、SMS次数、缴费方式、欠费次数等。 ;数据仓库/PDM;数据探索与处理;构建挖掘模型;构建挖掘模型;挖掘模型的分析与升华;将分群数学刻画，转化为营销学中可以理解的特征刻画。局部/整体特征刻画法－通过对比每一类的分布和全部样本的分布来刻画每一类样本的特征。; 确定营销目标群 预测打分的方式 循环调优的方法确定目标群体 营销渠道、流程设计 确定营销渠道、渠道组合 营销单派发、流转、报表、考核 IT支撑的开发 软件开发 营销脚本设计 营销策略执行与评估 选择合适营销时段 及时统计营销成功率;数据挖掘项目的调优;挖掘建模流程调优;分群过程中的建模流程调优;数据准备流程调优; 孤立点 局部极值 过拟合 欠学习 “维度灾难“ “黑箱模型” ……;结构风险;电信业中的数据挖掘主题;电信业中的挖掘主题;潜在客户;电信业中的数据挖掘主题; 客户欺诈检测 识别可能发生的欺诈行为、异常行为 异常行为发生前采取措施进行预防 客户价值分析 客户信用等级的评定 客户价值及风险分析 事件营销 捕捉客户各种行为，识别可能的营销机会 为渠道系统提供及时的营销建议 新产品、业务潜在客户的预测 预测可能使用新业务的客户，为市场人员提供清单 开发针对新业务使用人员的营销策略;;客户流失预测模型;;客户欺诈预测模型;客户欺诈预测模型;客户欺诈预测模型;客户欺诈预测模型;客户欺诈预测模型;客户欺诈预测模型;采用数据挖掘技术，根据以上现象构建客户欺诈的决策数模型，对现有的某类业务的客户群进行实时监控，及时识别可能的欺诈行为;采用孤立点检测的数据挖掘方法，直接从现有客户群中，寻找异常的客户，;数据仓库 中的表; 客户对企业的价值是不尽相同的，帕累托的80/20法则：公司80%的赢利只来自其20%的客户。 客户价值分析：评估客户的价值，使得企业能够找到最为宝贵的客户资源，发现最具价值的客户，以便于能够有的放矢的开展营销，有效利用定价策略，针对性地实施战略。;客户价值分析模型;交叉销售模型;交叉销售模型－－ 产品－－产品的正关联与负关联;交叉销售模型 用户－产品关联;根据产品业务关联性评分表，形成某一产品与其他产品关联关系图，以形象说明本产品与其他产品之间的关联关系（正相关或是负相关）及其关联性强弱。;新产品、业务的潜在客户预测;事件监控和事件营销;电信业其他数据挖掘主题;DB2 DWE Mining Feature;DWE v9 概念架构; Data explore in DWE Design Studio Data mining functions in DWE Design Studio Data mining functions in DWE Administration console Intelligent Miner Easy Mining Intelligent Miner? Modeling Intelligent Miner Scoring Intelligent Miner Visualization Miningblox;探索自己的数据;*; ;执行一个挖掘任务: 四种方式执行一个挖掘任务;挖掘结果的可视化;Scoring: 应用挖掘模型到一个新的数据;Data Mining Scoring 支持内嵌的实时数据挖掘 ;MiningBlox DWE9.1.2 新特性;Data Input Form SelectBlox MemberSelectRDBBlox ;A Miningblox 应用包括;Execute Mining flow;Task Management;Data Analysis;Improve Alphablox Data Analysi