数据挖掘技术在移动通信中应用研究.docVIP

数据挖掘技术在移动通信中应用研究 　　摘要：计算机技术、电子技术和网络技术的飞速发展，将人们带入了信息化的社会，由于信息、数据的增加，人们就要通过数据挖掘技术对这些信息和数据进行处理才可以避免知识的匮乏和提高数据、信息的安全性。本文详细的阐述了什么是数据挖掘和数据挖掘技术、数据挖掘的原理和数据挖掘的常用技术、数据挖掘技术在移动通信中的应用。 　　关键词：数据挖掘 移动通信 技术 应用 　　中图分类号：TP311 文献标识码：A 文章编号：1007-9416（2013）12-0011-01 　　1 什么是数据挖掘和数据挖掘技术 　　数据挖掘就是从大量的数据和信息中，通过一定的知识、原理和技术来提取有价值的、隐藏的信息的过程。数据挖掘是一门混合型的学科。它涉及到的学科包括数据库技术、计算机技术、统计学知识等。数据挖掘技术不仅能对数据和信息进行基本的操作还能对隐藏起来的信息进行提取、整理、挖掘，使其帮助移动运营商更好的的决策，提高用户使用量，提高企业竞争力。 　　2 数据挖掘的原理和常用的技术 　　2.1 数据挖掘的原理 　　数据挖掘的原理很简单，大体包括5个操作步骤。（1）明确要运用数据挖掘技术的对象。对象的确立是十分重要的。在将指定的信息和数据进行数据挖掘前，首先要了解这些对象产生的背景和涉及的相关领域，对于移动通信领域来说，在对其挖掘之前，就要了解信息的来源是来自客户哪个方面的，这样就明确的目标，缩小了挖掘的范围，也提高了数据信息的可靠性和安全性。（2）建立相应的数据仓库。数据仓库是所有类型的数据的集合，这些数据的集合不是无序的，是按一定的属性进行建立的。在进行数据挖掘时，要根据相应的要求选择相应的数据。（3）预处理所选的对象。将要进行数据挖掘的数据和信息进行预处理。除去冗余的信息和数据。并将去除冗余的对象的格式进行统一化，为日后信息的详细处理做准备。（4）数据挖掘。根据计算机知识、数据库知识、统计学知识确定对象的操作算法，建立相应的模型并对模型进行评估，数据进行提取。（5）对知识进行反馈。根据数据挖掘技术对数据提取和加工后，会得到相应的??识。这些知识是否受用和推广还需要通过实验来证明，所以要将这些知识试用在普通的、普遍的部分用户身上。一段时间后，要对用户进行知识反馈。通过用户的反馈，运营商就可以采取或修改相应的决策了。也将数据挖掘的作用发挥到了极致，以上就是数据挖掘的原理。 　　2.2 数据挖掘的常用技术 　　数据挖掘是一个很复杂的过程，所以其常用技术也有很多。常用的有分类、聚类、关联原则、偏差分析等等。聚类分析是根据数据和信息的不同特征，将其分成不同的类的过程。聚类分析通常在数据挖掘开始的时候被使用。分类是按照一个属性将数据和信息进行整理并建立相应模型。这些模型中的数据和信息只有一个共同的属性。关联原则的使用主要是用来找出数据间存在的隐藏的依赖关系。偏差分析是用来对存放在数据库中异常的数据进行分析，最后分析出与正常数据的差别及产生的知识。 　　3 数据挖掘在移动通信中的应用 　　3.1 对客户行为的分析 　　对客户行为的分析其目的主要是了解用户的生活方式、用户与社会存在哪些联系、用户的消费习惯是怎样的。通常采用的数据挖掘技术中的聚类分析和分类的方法。首先选取含有客户消费习惯和消费特征的数据。对这些数据进行聚类分析和分类分析，然后根据分析的结果对用户进行分类，目的是为了能分析出用户通话行为的根本目的，了解了客户通话行为的根本目的，移动运营商就会了解客户的行为，进而就可以根据不同类别的用户采取不同的策略了。 　　3.2 对客户忠诚度的分析 　　通过数据挖掘技术对用户的消费情况和公司的账务支付情况进行分析，在事先建立好的数据仓库中选取含有用户消费金额和公司财务支出的数据，通过决策树技术对选取的数据建立相应的客户价值模型，根据所建立的模型分析客户的离网倾向和客户价值，并将结果做成图或表，用来分析其离网的原因，根据结果运营商可以了解客户的忠诚度，采取相应的优惠措施和挽留措施。 　　3.3 优惠策略的方针预测 　　采取优惠政策是企业为了吸引客户群的手段之一。优惠策略的好坏直接影响着企业的经济效益和运营成本。对于移动运营商来说，优惠政策采取的好坏直接影响着客户的数量，所以，移动运营商通过数据挖掘技术对含有用户特征的数据进行收集、整理、与处理等操作后根据决策树的方法建立用户特征模型，通过对用户特征模型进行聚类分析或关联分析后修改或制定相应的优惠政策，但优惠政策能否达到预期的效果、优惠策略制定的是否正确还需要通过对其进行仿真预测。仿真预测就是将制定的优惠政策首先应用在建立好的客户模型中，根据用户的反馈意见或用户的行为来决定是否实施优惠政策，这就大大的降低了运营商的成本。 　　3.4 竞争对手分析