数据挖掘在电信行业手册.pdfVIP

1.前言 随着电信业务的发展和体制改革地不断深化，国内电信行业内部各大运营商之间的竞争 日趋激烈，这一趋势在国内移动通信业内表现的尤为突出。移动通信运营商为了获取更多的 客户资源和占有更大的市场份额往往采取“简单”的价格竞争和“此起彼伏”的广告宣传战， 其弊端显而易见。这就要求运营商要采取以客户为中心的策略，根据客户的实际需求提供多 样化、层次化、个性化的服务解决方案。因此，客户关系管理（CRM ）成了电信运营商增 加收入和利润，提高客户满意度、忠诚度的有效工具。在客户关系管理的流程中，为了准确、 及时地进行经营决策，必须充分获取并利用相关的数据信息对决策过程进行辅助支持。近几 年迅速发展起来的数据挖掘技术就是实现这一目标的重要手段。 从电信业务层面来讲，电信业务已从单纯的提供市话和长话服务演变为提供综合电信服 务，如宽带、移动电话、语音、传真、图像、电子邮件、计算机和 Web 数据传输，以及其 他数据通信服务。电信、计算机网络、因特网和各种其他方式的通信和计算机的融合是目前 的大势所趋。而且随着许多国家对电信业的开放和新兴计算与通信技术的发展，电信市场正 在迅速扩张并越发竞争激烈。因此，为了提高企业竞争力利用数据挖掘技术来挖掘现有电信 业务能力，提高商业效率具有重要意义。 数据挖掘的概念 数据挖掘是根据企业的既定业务目标和存在的问题，对大量的业务数据进行探索，揭示 其中隐藏的规律，并将其模型化，指导并应用于企业的实际经营。 数据挖掘是建立在数据仓库基础上的高层应用，但数据挖掘跟数据仓库的其它一些应用 如 OLAP 分析、预定义报表和即席查询等有很大的区别。后三者通常是用户根据已知的情 况对所关心的业务指标进行分析；而前者则是在业务问题和目标明确但考察的问题不清楚 时，对数据进行探索，揭示隐藏其中的规律性，进而将其模型化。 电信运营商拥有许多成熟的数据库应用系统，如网管系统、财务系统、计费账务系统、 112 障碍管理系统、缴费销账系统等，并产生了大量的业务处理数据。如果针对客户关系管 理相关决策分析的需求，对这些数据进行重组整合，就能充分利用这些宝贵的数据，体现信 息的真正价值。 数据挖掘技术在电信行业客户关系管理的主要应用领域如下: （1）客户消费模式分析 客户消费模式分析（如固话话费行为分析）是对客户历年来长话、市话、信息台的大量 详单、数据以及客户档案资料等相关数据进行关联分析，结合客户的分类，可以从消费能力、 消费习惯、消费周期等诸方面对客户的话费行为进行分析和预测，从而为固话运营商的相关 经营决策提供依据。 （2 ）客户市场推广分析 客户市场推广分析（如优惠策略预测仿真）是利用数据挖掘技术实现优惠策略的仿真， 根据数据挖掘模型进行模拟计费和模拟出账，其仿真结果可以揭示优惠策略中存在的问题， 并进行相应的调整优化，以达到优惠促销活动的收益最大化。 2 （3 ）客户欠费分析和动态防欺诈 通过数据挖掘，总结各种骗费、欠费行为的内在规律，并建立一套欺诈和欠费行为的规 则库。当客户的话费行为与该库中规则吻合时，系统可以提示运营商相关部门采取措施，从 而降低运营商的损失风险。 （4 ）客户流失分析 根据已有的客户流失数据，建立客户属性、服务属性、客户消费情况等数据与客户流失 概率相关联的数学模型，找出这些数据之间的关系，并给出明确的数学公式。然后根据此模 型来监控客户流失的可能性，如果客户流失的可能性过高，则通过促销等手段来提高客户忠 诚度，防止客户流失的发生。这就彻底改变了以往电信运营商在成功获得客户以后无法监控 客户流失、无法有效实现客户关怀的状况。 数据挖掘成功方法论 按照 CRISP-DM （跨行业数据挖掘方法论），数据挖掘可以划分为以下六个步骤： 图 1.1：数据挖掘项目实施流程示意图 商业理解 在这个阶段要明确面临的商业问题和数据挖掘想要达到的目的，完成商业问题到挖掘问 题的定义过程。这阶段将产生的主要文档及提交物包括： a) 确定商业目标。包括电信行业背景，需要实现的商业目标和成功标准等； b) 形势评估。包括电信运营商拥有的资源、需求、假定和限制、风险偶然性、专业术 语和成本收益等； c) 在上述基础上确定数据挖掘的