移动通信客户类主题数据挖掘.docx

1．业务分类大客户：移动大客户定义根据总部的统一定义，客户积分是评判大客户的依据，每年年末对大客户重新计算，确定下年的大客户积分评判阈值。大客户资格在年内只升不降。年内每月对达到大客户积分的标准赋予其相应的大客户资格。依大客户级别递增，移动大客户拥有4种VIP卡，分别是钻石卡、金卡、银卡、贵宾卡。普通客户：除大客户之外的非神州行个人用户。2．其他分类其他分类方法可以有以下2种：使用聚类算法；人为分类方法。客户主题对照数据挖掘研究的3类问题：关联、分类、预测，客户数据挖掘主题也可按此3类来划分。l 关联问题关联问题研究客户各项属性特征的相互关系以及电信产品的交叉销售等问题。因为产品、客服等信息都可以归纳成客户的各项属性，因此关联方法也同时研究了客户实体和其他实体的关系。比较典型的关联问题： 1. 电信交叉销售2. 套餐选择问题3. 业务相互影响问题l 预测问题客户预测问题是预测客户的行为变化或消费等属性变化。客户典型的行为变化有流失、增加、通话行为变化、消费行为变化、客户信息变化、和其他行为变化。比较典型的预测问题： 1. 客户流失/大客户离网2. 潜在大客户预测3. 客户级别变动4. 客户发展5. 市场效果预测l 聚类问题客户聚类问题是客户特征研究。聚类研究的问题很多，可适用很多主题。比较典型的聚类问题：1. 客户特征分析2. 消费模型3. 异常客户分析以上仅是客户主题中比较典型的几个主题，电信行业作为一个庞大的技术和业务体系，能提出的研究主题远不止这些，这些可由业务人员发现实际业务中的问题，由分析人员转变为数据挖掘问题，利用CLEMENTINE等数据挖掘工具来实现。 -------------------------- 经营分析系统的DW模型 作者：Happysboy 日期：2004-04-11 一、写在前面本文的目的是为了介绍联通经营分析系统的统一DW模型(UniDW)，这份模型已经通过概念模型（CDM）的形式发布，为了深入理解设计的思路，这里做一个大致的说明。本文首先回答为什么会有统一DW模型，再简要述说经营分析关注的业务领域，最后再逐一介绍统一DW模型中的结构。希望能够和正在建设联通经营分析系统的同志们或是在其他领域建设数据仓库系统的同行们一起探讨一下数据仓库设计。 二、为什么有统一DW模型？在联通经营分析系统中，第一阶段主要关注的分析主题是围绕用户而展开的，以前，对于用户、客户的概念模糊不清，经常混淆两者。甚至在总部统一经营分析系统业务规范中也是如此。客户相关的分析主题也有，诸如客户的年龄构成、职业构成等，但是由于数据源不干净，无法保证客户资料的准确性，所以这部分的分析不是目前阶段的重点。因此，我们现在提出的统一DW模型主要围绕用户的信息而设计的。关于用户和客户的区别在后面有详细介绍。 首先，我们要明确统一DW模型的目的。在经营分析数据仓库中，我们一般将它划分层ODS、DW和DM层， DW层指的是位于ODS之上，DM层数据之下的那一层数据结构，这一层的数据结构的主要任务是完成数据的预处理和沉淀。ODS的全称是Operational Datastore，它基本是按照数据源的模式存储数据，也就是偏向于事务型的数据存储，从这一层的数据结构，我们要进行OLAP分析很困难，因为它不是维度建模的，虽然我们在数据源到ODS这一过程的主要任务是进行代码转化（将代码转换为ID）和数据清洗。ODS层存在的目的在于降低数据仓库系统与OLTP系统的耦合程度，因为从OLTP数据源到ODS层表的规则一般都是非常简单，数据源抽取的规则复杂度很低。ODS层存在的另一个目的是提供即席查询，诸如离网客户名单，高价值客户名单等，涉及到详细信息时，必须从ODS层出数据。 DM层的目的很简单，它不是做数据沉淀之用，而是作为装载Cube所需的临时表，主要为性能考虑，便于流程处理，存储的数据也是最近一个时期的数据。因为多维分析的需求是经常变化的，所以这一层的结构也是频繁变化的，我们在设计时考虑将这一层数据结构放在逻辑设计之外（要让逻辑设计尽量保持稳定）。所幸的是这一层的结构非常简单，当一个分析主题确定时，也即维度、度量确定下来后，DM表的结构也随之确定，所以这一层表的创建和数据的装载工作目前都归于多维分析实施的工作。 正是由于用户需求的频繁变化，我们必须要有一个强大而稳定的DW层表，它包含绝大多数的分析维度和度量，并且具有足够时间跨度的数据沉淀。这种数据沉淀必须要是稳定的，在经营分析系统建设初期，数据沉淀的概念还是不清楚的，很多情况是将在若干维度汇总若干度量的数据当作沉淀，但是一旦从一个新的维度分析同样的度量，那么这个汇总数据一点用都没有。另外，这个DW层必须是和OLTP系统是绝对低耦合的，DW应该只和业务主题