决策树的数据挖掘在电信CRM中的应用.docxVIP

PAGE 1 PAGE 1 决策树的数据挖掘在电信CRM中的应用  电信CRM中一直存在着“数据丰富但是学问缺乏”的现象，现有的数据分析技术完全没有跟上时代发展的潮流，更无法适应日益复杂的数据分析的需要，因此，如何挖掘决策树的数据挖掘在电信CRM中的应用就显得尤为重要。决策树的数据挖掘，能实现在CRM中依据客户的年龄、所在的城市、性别等因素对客户进行分别归类，该技术一旦实行，就能更大程度地防止客户的流失，也能争取新的电信用户。  随着时代的进步，社会主义的蓬勃发展，我国的市场经济体制已经逐步形成了，国内的电信行业的市场环境已经发展得越来越合理了，但是，还应当看到的是，发展是一把双刃剑，国内的电信市场竞争也因此变得越来越猛烈了，而更重要的是，随着世界经济的全球化进程以及市场的国际化，我国还加入了世界贸易组织。这就在一定程度上要求我国的电信企业在经营管理等各个方面能够和国际接轨，赶超国际水平，在国际化竞争中脱颖而出，才能实现我国的更有力的进步，向着强国富国的中国梦前进。众所周知的是，我国传统的电信企业在以前都仅仅是以产品为核心，与此同时尽量掌握成本的运营模式的，而在经营模式方面，也只是以销售地点、柜台式服务以及产品和价格为主要着力点，在当今的时代要求下，我国的电信企业必需要向着以客户和市场为中心的转变，更要在客户的消费心理和价值取向方面做一番功夫的研究，才能在世界市场的竞争中立于不败之地。而本文要说的决策树的数据挖掘（也就是DM）在电信企业中的有效应用。  一、在电信CRM中使用数据挖掘的重要意义  众所周知的是，随着社会主义的发展，人民生活水平的提高，电信业务也迅猛地增长，而在激增的数据背后，却隐蔽着越来越重要的数据信息，最终随着数据的累积，乃至出现了“数据丰富学问贫乏”的现象，也就是说，数据分析技术的发展，跟不上数据分析复杂度的需要。经过几代人的努力，决策树的数据挖掘技术就在此时应运而生。数据挖掘技术和传统的数据分析有着很大的区分。  首先，数据挖掘技术在挖掘信息之前没有任何假设的环节，在这样的状况下所发觉的学问和信息，具有有效性、实用性以及事先未知性的特点。因此理所当然地，在CRM中应用数据挖掘技术可以为客户数据分析供应更有效的决策支持。  另一方面，还应指出的是，现存的数据仓库的数据存储结构其实更适合于做数据的挖掘，甚至可以做比数据挖掘供应的数据更加细的数据，还可以对事务的、文本的、空间的甚至是多媒体的数据进行分析。  二、决策树挖掘模型的建立  数据的预备、模型的建立、模型验证以及模型评价是数据挖掘一般状况下的步骤。  首先，数据预备就包括对数据进行取样、特征探索、分析以及预处理。  其次，可以看出的是，建立模型是一个反复不断的过程，所挖掘的类型和模型的类型应当是一样的。  另外，决策树、神经网络、时间序列分析以及数理统计分析等方面都可以成为模型类型。  最终，模型的验证以及评价则是主要通过对结果和模式或者模型的分析和验证来达到评价模型是否对决策支持信息有价值的目的。不然的话就要建立新的模型。  一旦建立了模型并且也通过了验证，那么在实施模型上可以使用两种方法：  第一，把该模型供应给分析或者业务人员做参考，并尽量进行全程的察看和分析，然后对该模型提出行动方案或者建议；  第二，把该模型运用到不同的数据集上。  本文主要是对电信的CRM数据里不同种类的客户进行一个简洁的分类，并且对客户的类型进行一个简洁的预估。而以下则是主要对“客户流失”的类型进行一个简洁的分析，从而达到对建立决策树挖掘模型的过程进行一个简洁的论述。  （一）分析决策树应用  在电信的CRM数据中，主要是以客户的年龄、所在的城市以及性别为依据对客户进行简洁的分类，而在该分类的基础上对客户的类型进行预估，进而可以争取更多的新用户，与此同时还要过滤掉一大批已经没有什么发展潜力的用户，要达到这样的一个目的，可以说，决策树是比较直观易懂的，在设计分类模型的时候，可以运用决策树的算法来进行，与此同时还需要做的工作就是要提取该分类中隐蔽的规则，在这种状况下，就能对客户类型进行预估。因此，显而易见的是，客户类型就是决策树要挖掘的目标。  （二）选择决策树的构造算法  决策树构造的最原始的算法应当是ID3算法，这种算法仅仅能处理内存里面的数据，有着很弱的可伸缩性，而值得庆幸的是，当下的决策树的构造算法有好多种，并且也不再是仅仅能在内存中处理，还能处理内存以外的数据，包括处理离散和连续的属性值，不仅如此，这些算法的处理速度也实现了大大的提高，因此，这些构造算法具有很强的实用性。而SLIQ算法和SPRI