毕业设计论文-数据挖掘在电信行业精确营销策略研究.docVIP

数据挖掘在电信行业精确营销策略研究 一、绪论 （一）研究目的 本文目的在于对精确营销的理论研究，结合当前中国电信发展状况，利用数据挖掘技术对国家统计局历年来统计的电信业务销量进行数据分析，从地域性差异来分析电信业务中的精确营销，从而给企业的预测，资源配置提供科学依据。 （二）研究背景及意义 电信产业总体发展现状和行业地位 产业规模和发展状况 在改革开放的进程中，中国抓住世界通信技术由模拟向数字转变的历史机遇，发挥各级地方政府发展通信的积极性，通过大规模的资金投入，实现了电信业的超常规发展，创造了令世人瞩目的业绩。自1985年起，中国邮电通信的发展速度开始超过国民经济的发展速度。从第七个“五年计划”开始，中国电信业连续以高于同期GDP几倍的增幅发展，从2000年开始，中国每年的电话用户新增数都在1亿左右，电信业务总量保持了30%左右的增长幅度。截至2004年底，均已实现电话交换程控化、传输数字化的中国电信业，局用交换机容量达到42102万门，移动交换机容量达到39747万户。电信业务收入在全国GDP中所占的比重，已从1986年的0.3%提高到了3.8%. 2005年以来，全国电话市场持续保持良好的发展态势，每月新增用户都在1000万户以上。到2005年9月底，全国固定电话普及率已达到每百人26部，移动电话普及率首次超过世界平均水平，达到每百人28部。作为国民经济发展的基础行业，综合用户规模已跃居全球首位的中国电信业，实现了从弱小到强大、从落后到先进、从曾是制约经济发展的“瓶颈”到成为国民经济先导产业的质的飞跃，对经济、社会的发展起到了巨大的拉动作用。 (2)行业地位 据国家统计局的统计，2005年中国电子信息行业的销售收 入达38411亿元人民币，居产业销售收入排名的第1位。可见电 信行业作为中国国民经济发展的基础行业，已经成为了拉动中国 经济快速稳健发展的重要力量。据预测，中国电信业在未来几年 内，仍将继续高速发展，进一步的普及，并成为人们生活不可缺 少的部份,如下表1。 中国电信行业发展数据预测表 2005年 2006年 2007年 2008年 2009年 固定电话用户数(万） 固定电话普及率（每百人） 27.7 31.1 34.3 36.8 38.5 手机用户数（万） 手机普及率（每百人) 29.3 32.9 36.3 39 40.8 互联网用户（万） 互联网用户普及率（每百人） 9.1 10.4 11.6 12.7 13.7 个人计算机普及率（每千人） 56 65 77 88 98 电信总投资（亿美元） 12456 12118 11661 11302 10954 2003年 2004年 2010年预测 综合竞争力 13 14 2 环境竞争力 27 25 9 市场竞争力 2 2 1 企业竞争力 31 27 12 各种数据挖掘技术功能比较 分类 数据挖掘技术 优点 缺点 应用范围 统计模型 统计分析 不需决策者干预，能直接统计平均值、最大值、最小值等指标。通过简单工时自动实现数据处理功能。 潜在的规则需决策者根据结果进行判断、预测、统计需要大量的历史数据。 适合对一些比较简单的现象进行挖掘，可用于预测、分类。 关联和序列分析 通过计算支持度，置信度挖掘各因素之间的因果关系、关联程度、能预测潜在顾客。 要决策者输入支持度、置信度两个参数，数据库中的数据记录繁多，偏立时间较长，需较好的算法。 可用于数据之间的直观、表层的联系进行分析，算法简单。 聚类分析 根据一定的规则，合理的进行分类，用显示或隐示的方法描述不同的类别。 算法较复杂，划分类别的标准、分类界限较模糊。 适合于分类、预测比较复杂的问题进行预测，模型计算的结果较准确。 机器学习技术 决策树分析 决策过程可见，可解释结果是如何产生的，计算简单、可处理类别、连续变量得出相应的规则。 数据越复杂，决策树分支多，很难管理，对缺乏数据的决策效果不是很明显。 适于对记录分类，对结果进行预测，生成结果易解释，易理解，可用于聚类、分类、序列模式。 神经元网络 对于复杂情况仍能得到精确地预测结果，可处理类别和连续变量。 不透明，无法解释结果是如何产生的及其在推理过程中所用到的规则。 适用于模型的结果比克理解性更重要的分类