湖南移动经营分析系统数据挖掘技术应用研究

论文摘要

市场和客户需求的变化对移动业务运营系统提出了新的要求。传统的数据统计分析报表方式统计效率低且不能深入挖掘客户的有用数据信息,难以满足企业发展需求。为了及时掌握客户信息和业务发展情况,有必要建立一个高效的数据统计分析系统为移动业务发展提供决策支持。数据仓库与数据挖掘技术的发展,为移动运营商充分挖掘和利用信息提供了技术保障和支撑。本文首先介绍了数据仓库和数据挖掘的基本理论及其相关应用现状,阐述了当前数据挖掘技术领域中常用的主要方法和数据仓库的应用情况。在此基础上,提出了一种自适应遗传算法数据挖掘技术以拓宽湖南移动的客户业务渠道,其主要思想是利用自适应遗传K-means算法对客户业务数据进行聚类分析、客户群划分和客户业务统计分析。最后,本文从湖南移动典型经营分析系统架构入手,应用数据库建模技术、OLAP技术,设计了基于数据仓库平台的湖南移动业务数据挖掘分析系统。本系统自投入湖南移动公司运营以来,运行稳定,数据统计处理准确,营业受理畅通,业务支撑能力强大,并且用户界面友好、参数设置灵活、操作方便,满足湖南移动公司实际要求,给企业带来了良好的经济和社会效益,也为通信企业拓宽新的业务市场发挥着积极的促进作用。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 课题背景
• 1.2 国内外研究现状
• 1.2.1 移动业务经营分析系统在国内外的研究现状
• 1.2.2 数据挖掘技术在移动业务应用现状
• 1.3 研究目的与意义
• 1.4 本文的主要工作和章节安排
• 第2章 数据挖掘技术
• 2.1 概述
• 2.2 数据挖掘的关键技术
• 2.3 数据仓库
• 2.4 本章小结
• 第3章 移动经营系统需求分析
• 3.1 系统商业标准
• 3.2 系统总体设计
• 3.2.1 系统体系结构
• 3.2.2 系统功能
• 3.3 基于数据仓库平台的解决方案
• 3.4 本章小结
• 第4章 自适应遗传聚类算法数据挖掘技术
• 4.1 遗传算法的原理与实现
• 4.2 自适应遗传算法
• 4.3 K-means算法的数学思想
• 4.4 自适应遗传K-means算法
• 4.5 实验仿真
• 4.6 本章小结
• 第5章 应用研究与测试
• 5.1 客户的分类
• 5.1.1 湖南移动客户群划分
• 5.1.2 客户信息
• 5.2 数据处理
• 5.2.1 ETL模块（获取层）
• 5.2.2 数据处理
• 5.2.3 客户发展分析采用的模型
• 5.3 上线测试与结果分析
• 5.4 本章小结
• 结论
• 参考文献
• 附录A （攻读硕士学位期间发表的论文和参与的课题）
• 附录B （文中几个重要的中英文对照）
• 致谢