文档介绍：Business & Operation
业务与运营
数据挖掘技术与电信客户分析
李净张范张智江
中国联合网络通信有限公司博士后工作站北京 100140
Business & Operation
摘要数据挖掘技术以其跨学科、算法丰富及处理海量数据的特点而被广泛应用于金融、零售、电信
等领域的客户分析中,帮助企业深入细分客户,提升客户体验,增加企业收入。我国电信运营商正面临
着激烈的市场竞争,对深入细分客户的需求也日益强烈,对数据挖掘技术的跟踪与应用的需求十分迫
切。本文深入探讨数据挖掘方法论、技术方法及其在电信客户分析中的应用,指出应用中要注意的问
题,为对电信客户进行分析提供了参考。
关键词数据挖掘;电信;客户分析
起来,形成了“数据丰富,知识贫乏”的状况,因此,
引言
如何从海量数据中挖掘有用的知识,变得非常重要,数
金融、零售、电信等企业都积累了大量客户数据, 据挖掘技术就是在这种背景下诞生的。
这些数据是企业的重要资产和财富。通过深入分析,可从数据挖掘的概念看,其特点主要体现在两点:
以从中获取大量有用的信息。数据挖掘是处理此类海量一是处理大数据集的能力,作为数据挖掘可以吸取多学
数据,从中挖掘有用信息的常用技术,应用广泛。如, 科的大量算法,通常需要加强算法的可扩展性以处理海
沃尔玛超市拥有世界上最大的数据仓库系统,利用数量数据;二是“探索”或“挖掘”过程,数据挖掘强调
据挖掘工具分析客户购买行为;中科院利用数据挖掘从海量数据中获取知识的过程,通过探索的方式,利用
技术为银行建立客户信用度评估系统;法国电信,英国各种方法从大量数据中挖掘可能有用的模型或模式;因
电信,AT&T,SKT,o及国内电信运营商都已此,数据挖掘更侧重于方法论,而非具体的算法。SIG
在客户分析中采用了数据挖掘技术,以提升客户洞察能组织在1996年提出的数据挖掘标准流程CRISP-DM[1],
力,提高企业竞争力。是一种被广泛应用的跨行业的处理流程,如图1所示。
在激烈的竞争环境下,我国电信运营商也越来越重 SAS[2]也提出了一种数据挖掘方法论SEMMA,并应用
视客户分析工作。如何利用数据挖掘技术分析处理规模于SAS系统中。
巨大的电信业务运营数据,解决客户发展成本高、流失
率高、个性化服务需求高、客户满意度低等问题,是我
国电信企业最为关注的内容。本文将深入探讨数据挖掘业务理解数据理解
技术与电信客户分析相关问题,以作为电信客户分析的
数据准备
参考。
数据
1 数据挖掘方法论部署
建模
数据挖掘(Data Mining)是从大量数据中提取或挖
掘知识的过程。数据挖掘是一个新兴的多学科交叉领评估
域,起源于20世纪80年代,在决策支持中扮演着重要的
角色。随着数据库技术的发展,越来越多的数据被收集
图1 CRISP-DM标准流程
2009 05 43
CRISP-DM流程分为六个阶段,详细说明见表1: 解,所使用的技术方法也与自身专业相关,这就给数据
挖掘带来了丰富的算法。从某种角度说,凡是可以用户
表1 CRISP-DM步骤说明
步骤描述从数据中挖掘知识的技术方法,都可以纳入数据挖掘范
业务理解通过反复沟通准确理解业务问题,将其转换