数据挖掘在通信行业中高端用户保有的应用

论文摘要

信息产业部为了全业务发展的需求,对通信行业的六家运营商进行第四次重组,新电信和新联通凭借全业务均衡发展的优势在新形势下的竞争中开展激烈的用户争夺战,重组后的中国移动与中国铁通的联合短板非常明显,但原有的移动业务绝对优势也是不容小觑,这给重组后的市场竞争增添了不少变数。原有的存量客户是三家运营商必争的资源,尤其是优质的中高端客户的争夺更是硝烟弥漫。在这种竞争态势下,如何防止中高端客户流失,有效的保有中高端客户是摆在几家运营商面前的一道难题,也是当前发展市场、维系客户工作的重中之重。利用数据挖掘技术对中高端客户的流失进行预警,从而确保在流失前保留住客户。数据挖掘技术就是从海量的数据中抽取隐含其中潜在的、不为人知的有用信息、模式或趋势。本文的目的就是研究这种技术,并将这种技术应用到通信企业的中高端预警模型中,实现对中高端客户的有效保有。本文以某通信企业的历史数据为研究对象,基于数据挖掘技术,建立客户流失预警模型,采用的决策树分析方法进行数据挖掘分析,有利于电信企业在海量数据中的挖掘分析。论文的主要内容如下:1、介绍数据挖掘技术和数据仓库的基本理论知识,并介绍数据挖掘的过程以及几种常见的工具和算法。2、研究数据仓库的设计过程,知道如何建立一个数据仓库模型的关键步骤数据准备包括:数据抽取、数据清洗、数据转换、数据加载和数据修正五个步骤。3、在通信行业中,一般可用聚类方法来进行客户的细分。而针对客户流失预测及客户保有问题,多会采用决策树方法,相对来说,决策树方法的其结构和推理的过程更清楚。研究决策树算法,根据算法中的不足进行改进算法,采用决策树的优化算法,能够达到提高效率同时又能保证数据质量,在同类分析算法中相对较优。4、介绍数据仓库的设计和构建,建立预测模型的过程采取六个步骤进行:业务分析、数据准备、变量选择、模型构建、模型评估和模型部署。5、基于前面的分析建立预测模型,利用某移动公司的用户样本数据,对系统进行了验证,通过大量数据处理和反复试验得到了比较理想的结果,并以此为基础制定了相应的营销方案,对执行中高端用户的保有工作起到了非常重要的作用。本论文提出的基于决策树的客户流失预警方案可以为通信企业在中高端用户的保有工作和方案上提供一定参考,有一定的应用价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究目的和意义
• 1.2 中国通信行业的发展现状
• 1.3 通信企业客户流失背景
• 1.4 通信企业客户流失现状
• 1.5 国内外研究现状
• 1.5.1 客户细分研究现状
• 1.5.2 客户细分研究存在的问题
• 1.5.3 数据挖掘技术的研究以及在通信行业的应用
• 1.5.4 数据挖掘在通信行业应用中存在的问题
• 1.6 研究目的和思路
• 1.6.1 研究目的
• 1.6.2 本文内容安排
• 第二章 数据挖掘技术分析
• 2.1 数据仓库
• 2.1.1 数据仓库的定义
• 2.1.2 数据仓库的特点
• 2.1.3 数据仓库的结构
• 2.1.4 OLAP/OLTP
• 2.1.5 数据挖掘与数据仓库的关系
• 2.2 数据挖掘技术
• 2.2.1 数据挖掘的定义
• 2.2.2 数据挖掘方法
• 2.3 数据挖掘的主要任务
• 2.4 数据挖掘的常用工具
• 2.5 数据挖掘的过程
• 第三章 数据仓库的设计与分析
• 3.1 移动客户特征分析
• 3.2 数据理解
• 3.3 变量的修剪
• 3.4 数据仓库的构建
• 3.5 数据仓库的设计与实施
• 3.6 客户流失的定义和类型
• 3.7 数据准备
• 3.7.1 数据抽取
• 3.7.2 数据清洗
• 3.7.3 数据转换
• 3.7.4 数据加载
• 3.7.5 数据修正
• 第四章 决策树算法的分析与研究
• 4.1 聚类分析
• 4.2 决策树算法
• 4.2.1 CLS 算法
• 4.2.2 ID3 算法
• 4.2.3 ID3 算法的改进
• 4.2.4 ID3 算法的实现
• 4.2.5 客户流失的数据模型
• 4.2.6 改进前后算法的比较
• 第五章 基于决策树的中高端保有流失预测模型的研究与分析
• 5.1 通信行业客户保有中的应用
• 5.2 业务分析
• 5.3 数据准备
• 5.4 变量选择
• 5.5 模型构建
• 5.6 模型评估
• 5.7 模型部署
• 5.8 中高端用户保有体系
• 5.8.1 指标定义
• 5.8.2 客户保有方案
• 5.9 营销建议
• 5.10 服务建议
• 第六章 结论与展望
• 6.1 主要结论
• 6.2 后续研究工作的展望
• 参考文献
• 致谢
• 附录（攻读学位期间的研究成果）