基于数据挖掘中电信数据分析.docVIP

基于数据挖掘中电信数据分析 　　[摘 要]数据挖掘技术是一项新兴技术，该技术在处理大数据方面具有很大的优势，因此许多行业，近年来数据挖掘技术也逐渐被应用到电信数据处理当中来，本文以中国移动某分公司的研究项目“某移动业务精确营销模型研究及推广”为背景，介绍了数据挖掘技术在电信数据领域的应用做了简要分析。 　　[关键词]数据挖掘；技术；电信技术 　　中图分类号：TP393.01 文献标识码：A 文章编号：1009-914X（2014）29-0355-01 　　0.前言 　　我国电信行业一直以来呈现出中国移动、中国联通、中国电信三足鼎立的状态，但是，随着市场经济的进一步完善，我国政府逐渐放开了对电信行业的准入管制，越来越多的国外电信运营商进入中国市场，这使得国内电信市场的竞争压力不断增加，另外，随着我国消费者的日趋成熟，对电信运营商的服务质量要求逐渐提高，这一切都使得我国电信运营商面临巨大挑战，具体来看主要是成本增加、顾客流失、资源浪费，传统的管理方法已经不能适应形势发展的要求，为了有效整合和利用资源，要求电信运营商借助信息化管理模式处理大量客户信息和消费数据，从中挖掘有价值的商业信息，从而制定出符合消费者期望的优质服务策略。数据挖掘技术正好符合了电信行业发展的要求。 　　1.数据挖掘的概念 　　数据挖掘指的是从这些混乱的、无序的、模糊的、随机的、不完全的数据当中找出人们事先不知道但是具有潜在价值的信息和知识。从本质上说，数据挖掘是一种深层次的数据分析方法。人们根据数据挖掘任务的不同，把数据挖掘分为不同的类型，例如分类和预测模型发现，序列模式发现，数据归类、聚类、关联规则发现，依赖关系和依赖模型发现等等[1]。根据挖掘方法可以认为统计学方法、机器学方法、数据库方法以及神经网络方法. 　　2.数据挖掘的功能 　　总的来说，数据挖掘具有五大功能，即分类功能、聚类功能、预测功能、偏差检验功能以及关联规则和序列模式发现功能。分类功能就是按照研究的对象的属性建立不同的组类来描述对象。聚类功能就是把数据集合分组为由相似的对象组成的多个类别当中，即通过间接相似度把类之间的差异识别出来，并挑选类之中的相似样本。预测功能就是根据数据属性特征等对数据进行评估分析，从而预测其他未知属性。常用的预测方法有回归分析算法、神经网络算法等。偏差检测功能是对数据库中存在的异常记录进行排除，从而确保数据库的安全稳定，降低风险。关联规则和序列模式发现功能关联分析就是找出数据库中各种隐藏的关联性。 　　3.基于数据挖掘的电信数据分析 　　将数据挖掘引入电信数据分析，其目的就是深入挖掘顾客的消费行为，探明客户的特征、行为方式、理解客户的价值，从而为电信运营商制定市场营销策略提供科学的依据。 　　3.1 电信业务下滑客户分析 　　随着市场竞争堵塞加剧，电信顾客的流动性增大，因此，要想增强企业的竞争力，首先必须保持稳定的客户，防治客户的流失，并在此基础上吸引新的客户。首先建立电信业务下滑客户聚类模型，对客户数据进行聚类，先确立不同的聚类标准作为节点，对用户进行聚类分析，然后表节点把非业务下滑客户列出来。把那些消费波动较大的用户作为业务流失或退订的客户群。最后用表节点把业务下滑的客户数据用表列出来。其次，电信客户业务下滑原因分析。这是在前面的基础上进一步分析客户业务下滑客户的特征和原因，这里首先需要构建数据训练集，把先前聚类的业务下滑客户挑选出来，为了充分表现出业务下滑客户与非业务下滑客户的特征，将它们的比例设为1：1，然后建立决策树，从客户的在网时长、长途费用、客户使用的服务品牌这三方面的具体信息出发，做出有针对性的商业决策[2]。 　　3.2 电信用户GPRS业务关联分析 　　GPRS业务关联分析模型主要有商业需求分析、数据预处理、数据集、高价值客户聚类、高价值客户数据集、GPRS业务关联分析、模型评估、模型发布等环节。首先商业需求分析。通过运用数据挖掘技术分析GPRS业务用户的特征、潜在用户、用户偏好、消费潜力等，建立GPRS业务关联模型进行分析研究，发现其中的规律，由此预测出业务的潜在客户群，协助企业扩大用户规模、获得更大利润。其次是数据处理。先根据客户性质，将其划分为多个群，找出最有价值的客户群。再利用关联性原则分析客户偏好，进而进行相应产品和服务的研究。其次，挖掘电信GPRS业务高价值客户群。为了建立有效模型，首先要进行聚类分析。按照客户消费金额分为几种不同的类型。以其中一个点为高价值客户的最低要求。从而找出高价值客户群。第三电信客户GPRS业务关联分析。该环节的目的是要找出关联大的业务。然后根据分析结果进行业务销售。 　　3.3 电信非绑定GPRS业务客户预测 　　电信非绑定GPRS业务客户预测模型与分析流程主要有商业需求分析、数据预处理、数据集、训练集、模型训