基于电信客户数据的智能化商务应用研究

论文摘要

在电信企业面向市场,面向国内外众多的竞争者,努力创造更高价值的同时,客户流失的不断增加,客户平均生命周期的不断缩减严重影响了电信企业的发展。如何才能减少客户的流失或延长客户的平均生命周期。 商务智能是综合的解决方案,能够通过商务智能的各种技术提高企业经营着的决策水平。 本文针对客户流失这一现象,提出了基于客户流失的商务智能过程,通过分析研究电信的客户数据,发现不同类型的客户流失特征,通过对离网原因的调查,认为大部分的客户流失是可以改善的。通过流失用户与正常用户的比较,发现了一些影响客户流失的因素。抽取2004年一到六月份未流失的历史消费信息为样本,通过预测2004年七月客户的状态建立客户流失模型。样本的获取和预处理对于数据挖掘的优劣是一个极其重要的基础性工作,本论文为此付出了大量的精力和时间,通过使用关联性分析实现了样本空间特征量的取舍。经过数据清洗,转换等一系列的数据预处理过程,建立了可用于数据挖掘的数据库表,使用决策树算法最终实现了客户流失模型。文章的最后对客户流失的损益进行了分析。 实践证明,本论文整体的技术路线是可行的,其中间结果对于昆明电信的流失分析已经起到了一定的作用,所发现的知识具有一定的合理性和参考价值,对相关领域的研究起到了一定的推动作用。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 论文背景
• 1.1.1 商务智能的概念
• 1.1.2 商务智能在中国
• 1.1.3 商务智能在电信业中的应用
• 1.2 论文研究的意义及内容
• 1.2.1 论文的研究意义
• 1.2.2 论文的研究内容
• 1.2.3 论文组织结构
• 第二章 商务智能的框架和技术
• 2.1 商务智能的框架
• 2.2 BI的主要技术
• 2.2.1 BI的数据存储技术—数据仓库和数据集市
• 2.2.2 BI的分析技术—OLAP
• 2.2.3 BI的另一分析技术—数据挖掘
• 2.2.4 四者的关系
• 2.3 BI的表示和发布技术—数据可视化和Web技术
• 第三章 客户流失分析
• 3.1 客户流失预测模型的总体设计
• 3.1.1 客户流失预测模型总体架构
• 3.1.2 数据挖掘过程的模型
• 3.1.3 确立商业目标
• 3.1.4 确立数据挖掘对象
• 3.2 电信客户流失分类
• 3.2.1 电信客户数据的来源
• 3.2.2 客户按流失特征分类
• 3.2.3 客户按流失原因分类
• 3.2.4 防止客户流失的措施
• 3.3 电信客户特征分析
• 3.3.1 电信客户信息分类
• 3.3.2 样本数据提取
• 3.4 数据预处理
• 3.4.1 数据的选择
• 3.4.2 数据清洗
• 3.4.3 属性选取
• 3.4.4 数据转换
• 3.5 数据挖掘宽表
• 第四章 使用决策树建立客户流失模型
• 4.1 决策树分类器的介绍
• 4.2 传统的决策树算法
• 4.3 客户预测流失模型
• 第五章 电信客户流失的损益分析
• 5.1 客户流失计算
• 5.2 新增用户与拆机用户的损益分析
• 第六章 结束语
• 6.1 结论
• 6.2 展望
• 致谢
• 参考文献