数据挖掘技术在客户流失预警中的应用

论文摘要

数据挖掘是从大量的数据中抽取出潜在的、不为人知的有用信息、模式和趋势。其目的是提高市场决策能力、检测异常模式、在过去的经验基础上预言未来趋势等等。它致力于数据分析和理解、揭示数据内部蕴藏知识的技术,已成为未来信息技术应用的重要目标之一。本学位论文针对通信行业小灵通客户流失问题进行了研究与分析,以C4.5决策树数据挖掘算法为核心设计实现了客户流失预警模型并予以了实际应用。首先,以决策树数据挖掘算法为理论基础,结合ID3算法和C4.5算法对训练样本集合进行实例分析和对比,确定了建立客户流失预警模型的算法;其次,针对通信行业小灵通客户流失问题,以C4.5算法为核心设计了预警模型;最后,从延边网通分公司现有运营支撑系统提取客户数据作为数据源,对数据进行了清洗和预处理,利用本文设计实现的客户流失预警模型对清洗后的客户数据进行分类、评估,挖掘出流失用户的业务特征并生成客户流失分类规则。应用结果表明,本文所实现的客户流失预警系统可为延边网通分公司提供较准确的决策依据。据此,公司可以对流失倾向较高的客户群体采取有针对性的客户挽留策略,很大程度上避免了因客户流失对企业造成的损失,为延边网通分公司更好地开展客服工作起到了积极的推进作用。在理论知识商业化应用方面,本学位论文进行了一次有意义的探索和尝试。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究目的和意义
• 1.2 国内外研究现状
• 1.2.1 数据挖掘技术的研究现状
• 1.2.2 客户流失预警的研究现状
• 1.3 主要研究内容和主要工作
• 1.4 结构安排
• 第2章 决策树数据挖掘算法的基本原理
• 2.1 引言
• 2.2 数据挖掘技术概述
• 2.3 决策树算法介绍
• 2.3.1 决策树算法概述
• 2.3.2 ID3算法基本原理及应用举例
• 2.3.3 C4.5算法基本原理及应用举例
• 2.4 建模算法的优选
• 2.5 本章小结
• 第3章 基于C4.5算法的客户流失预警模型的建立
• 3.1 客户流失的相关理论
• 3.1.1 流失客户的定义及流失原因
• 3.1.2 生命周期理论
• 3.2 基于C4.5算法的客户流失预警模型的建立
• 3.2.1 分类过程及评估标准
• 3.2.2 C4.5算法程序流程图
• 3.2.3 模型的建立
• 3.3 本章小结
• 第4章 客户流失预警系统的设计实现
• 4.1 设计方案
• 4.2 系统设计
• 4.2.1 系统概念模型
• 4.2.2 系统功能模块构成
• 4.3 系统实现
• 4.3.1 数据源的选取
• 4.3.2 数据清洗和预处理
• 4.3.3 计算属性增益比并分割数据
• 4.3.4 决策树的生成
• 4.3.5 决策规则的生成
• 4.4 系统应用分析
• 4.5 本章小结
• 结论
• 参考文献
• 作者在攻读硕士学位期间发表的论文
• 致谢