文档介绍：数据挖掘在电信行业的应用
考核科目: 高级数据库
专业: 计算机科学与技术
班级:
姓名学号1:
姓名学号2:
姓名学号3:
姓名学号4:
考核日期: 2010年12月18日
目录
一、前言 3
(一)数据挖掘的概念 3
(二)国内数据挖掘应用中存在的问题 3
二、数据挖掘技术在电信行业客户管理的应用领域 4
三.、解决方案 6
四、数据分析 8
(一)客户流失分析 8
(二)营销响应 13
(三)营销响应分析 15
(四) 客户细分 19
(五) 客户满意度 26
(六)结论 28
五、参考文献 32
一、前言
随着电信业务的发展和体制改革地不断深化,国内电信行业内部各大运营商之间的竞争
日趋激烈,这一趋势在国内移动通信业内表现的尤为突出。移动通信运营商为了获取更多的客户资源和占有更大的市场份额往往采取"简单"的价格竞争和"此起彼伏"的广告宣传战,其弊端显而易见。这就要求运营商要采取以客户为中心的策略,根据客户的实际需求提供多样化、层次化、个性化的服务解决方案。因此,客户关系管理(CRM)成了电信运营商增加收入和利润,提高客户满意度、忠诚度的有效工具。在客户关系管理的流程中,为了准确、及时地进行经营决策,必须充分获取并利用相关的数据信息对决策过程进行辅助支持。近几年迅速发展起来的数据挖掘技术就是实现这一目标的重要手段。
从电信业务层面来讲,电信业务已从单纯的提供市话和长话服务演变为提供综合电信服务,如宽带、移动电话、语音、传真、图像、电子邮件、计算机和Web数据传输,以及其他
数据通信服务。电信、计算机网络、因特网和各种其他方式的通信和计算机的融合是目前的大势所趋。而且随着许多国家对电信业的开放和新兴计算与通信技术的发展,电信市场正在迅速扩张并越发竞争激烈。因此,为了提高企业竞争力利用数据挖掘技术来挖掘现有电信业务能力,提高商业效率具有重要意义。
(一)数据挖掘的概念
数据挖掘是根据企业的既定业务目标和存在的问题,对大量的业务数据进行探索,揭示
其中隐藏的规律,并将其模型化,指导并应用于企业的实际经营。
数据挖掘是建立在数据仓库基础上的高层应用,但数据挖掘跟数据仓库的其它一些应用
如OLAP分析、预定义报表和即席查询等有很大的区别。后三者通常是用户根据已知的情况对
所关心的业务指标进行分析;而前者则是在业务问题和目标明确但考察的问题不清楚时,对
数据进行探索,揭示隐藏其中的规律性,进而将其模型化。
电信运营商拥有许多成熟的数据库应用系统,如网管系统、财务系统、计费账务系统、
112障碍管理系统、缴费销账系统等,并产生了大量的业务处理数据。如果针对客户关系管
理相关决策分析的需求,对这些数据进行重组整合,就能充分利用这些宝贵的数据,体现信
息的真正价值。
(二)国内数据挖掘应用中存在的问题
国内电信运营商现有的、面向事务的数据在质量、完整性和一致性上存在许多问题,必
须投入大量的精力去进行数据的抽取、净化和处理。此外,业务问题的相关数据有时难以全
面收集。例如客户信用是客户价值评估中的关键因素,但由于国内未建立完善的信用体系,
无法根据现有客户数据建立优质的信用评价模型,从而导致客户价值模型有效性的降低。
在数据挖掘应用过程的多个环节中,人的主观辨识和控制是应用成败的关键,这就对系
统使用人员提出了很高的要求。如果没有具备相应素质的使用和维护人员,必将导致分析系
统与现实脱钩,无法达到预期效果。
二、数据挖掘技术在电信行业客户管理的应用领域
随电信市场竞争的发展,客户选择电信产品及电信企业的余地越来越大,电信企业之间对客户的争夺也越来越激烈。面对日益激烈的市场竞争环境,电信企业传统的、被动式服务体系已无法满足客户需要,应对对手挑战。
为了留住最有价值的客户,您需要开展有效的保留活动。SPSS 作为全球著名的分析软件提供商,对电信企业的客户流失问题十分关注,并有多年的研究经验。SPSS 核心产品之一 Clementine 的 CRISP-DM 标准可以帮助电信行业用户规范数据挖掘流程减少客户流失。
为了发展新客户和推广新产品,企业通常会针对潜在客户推出各种直接营销活动。然而,
如果目标客户的选择不明确,营销活动往往花费巨大而取得的实际效益不佳。有效的促销活动,不在于涉及客户的数量多少,而在于针对的都是具有高响应概率的目标人群。这不仅可
以提升客户的满意度,增强客户对公司的忠诚度,而且可以降低客户获取费用,增加营销活
动投资回报率,直接带来企业效益的增加。
SPSS 采用探索性数据挖掘方法,如建立营销响应模型,通过对客户及其行