电信行业离网预警模型数据挖掘.doc

摘要：本文重点探讨电信业如何开展及运用数据挖掘技术，提高市场差异化营销能力。用实际证明数据挖掘技术对市场精细化营销具有切实的指导作用。 一、研究背景?依照国外电信市场的发展经验和历程，市场竞争中电信公司的成功经营之道是：通过数据仓库和统计分析模型确立竞争优势以高质量的服务留住现有客户；客户加入时间越长，客户终生价值(Customer( Life Time Value)越高，电信公司的利润越高提高通话量和设备利用率，用比竞争者更低的成本争取新客户，扩大市场份额放弃无利润和信用差的客户，降低经营风险和成本使用柏拉图80/20( 定律，掌握80%的现在和未来利润的来源：20%的企业客户了解客户对电信服务的需求，推出满足客户需求的打包服务，提高客户忠诚度和留住客户目标客户划分越明确，促销效果越好，竞争对手的客户转换率越高电信经营机构如何利用客户的特征数据和行为数据，获得客户的行为模式，从而更好地为客户服务，是企业增强核心竞争力迫切需要解决的问题。对于一个相对成熟的电信运营商来说，各运营与支撑系统所积累的海量历史数据无疑是一笔宝贵的财富，而数据挖掘系统正是充分利用这些宝贵资源，从而达到降低成本、提高效益目标的一种最有效方法与手段。二、数据挖掘技术及其应用技术上的定义及含义数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。与数据挖掘相近的同义词有数据融合、数据分析和决策支持等。这个定义包括好几层含义：数据源必须是真实的、大量的、含噪声的；发现的是用户感兴趣的知识；发现的知识要可接受、可理解、可运用；并不要求发现放之四海皆准的知识，仅支持特定的发现问题。商业角度的定义数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。数据挖掘是一种深层次的数据分析方法。因此，数据挖掘可以描述为，是按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化的先进有效的方法。数据挖掘未来研究方向----当前，DMKD（数据挖掘和知识发现）研究方兴未艾，其研究与开发的总体水平相当于数据库技术在70年代所处的地位，迫切需要类似于关系模式、DBMS系统和SQL查询语言等理论和方法的指导，才能使DMKD的应用得以普遍推广。预计在本世纪，DMKD的研究还会形成更大的高潮。研究焦点可能会集中到以下几个方面：发现语言的形式化描述；寻求数据挖掘过程中的可视化方法；?研究在网络环境下的数据挖掘技术（WebMining）；加强对各种非结构化数据的开采（DataMiningforAudio＆Video）但是，不管怎样，需求牵引与市场推动是永恒的，DMKD将首先满足信息时代用户的急需，大量的基于DMKD的决策支持软件产品将会问世。数据挖掘在电信行业中的应用数据挖掘在国内的研究与应用还处于刚起步的阶段，目前有关电信，包括通信行业中数据仓库和数据挖掘方面的研究与讨论日渐增多，但是投入实际运用的系统与案例不多，或者说真正意义上大规模、有计划、有步骤地把数据挖掘运用到实际的经营决策中的还不多。国外有关数据挖掘的成功应用实例：如：英国电信选用了SPSS 的数据挖掘产品Clementine，为其“商业高速公路”活动，分析数据和建立探索模型。应用这个系统的结果是，英国电信更好地了解到这些客户和他们在电信市场的行为特征：向销售人员和营销活动提供了“最佳客户”清单；直邮活动回应率提高了100%。又如美国西部电信公司（US WEST），作为美国最大型的长途电信公司之一，拥有2000 万以上的客户。该公司使用SAS 研究所的企业挖掘器（Enterprise Miner）软件以进一步增强其已获成功的目标市场战略。US WEST 利用销售活动管理软件，连同SAS 的Enterprise Miner 一起，使得营销专家可以对列入目标的销售活动进行规划、执行及评估。将数据挖掘工具与销售活动管理软件结合在一起既消除了销售人员对全部客户数据进行评分的负担（而这将极为耗时），也减少了手工干预所造成的人为错误，其结果是，公司的市场营销周期大为缩短，而且由于能够对市场做更加细致和高度目标化的划分而使企业得到了更高的营销投资回报（ROI）。三、电信市场精细化营销对数据挖掘的需求分析随着国内电信业的发展壮大、市场竞争格局的改变和市场监管的规范，适应入世后与国际接轨的竞争环境，电信市场竞争逐步加深，国内电信运营商的竞争理念和方式正在悄然发生转变。首先，竞争正由企业间的竞争向价值链间的竞争转变。价值链竞争将处于未来竞争的主导地位，不同的运营商将会构筑不同的价值链，价值链环