数据挖掘在电信行业的应用.ppt

Unica Confidential Proprietary (c) 2000 - 2001 Unica Corp. Unica Confidential Proprietary 数据挖掘在电信行业的应用 主要内容 数据挖掘应用的理论背景 数据挖掘应用的几个主要瓶颈 数据挖掘应用的发展趋势 数据挖掘在电信行业中解决的问题 Unica公司的电信数据挖掘平台 抛砖引玉：一些应用案例与软件演示 数据挖掘应用的理论背景 从经验中学习，越来越多的“经验”正在被数字化 社会信息化后，社会的历史是数据的历史 数字化的 “物以类聚，人以群分” 事物的发展一般都有其内在的规律 数据挖掘应用的几个主要瓶颈 应用者必须强烈地关心效率与利润 必要的数据积累（有效使用的业务系统） 所用的数学工具与实际业务知识的鸿沟 成熟数学建模工具应经过数年的实践检验与国内这方面的初始状态之间的矛盾 相信科学方法与传统经验管理至上的矛盾 数据挖掘中应用和算法的关系 数据挖掘应用的发展趋势 1995－2000：已经从研究性质转向具体实践 2000－2002：积累丰富业务数据的企业正式感到了数据挖掘的必要性与迫切性 2002－以后：数据挖掘平台更加面向细分的行业，对使用者数学与数据库知识的要求会越来越少 2004年前，在管理上对数据挖掘的需要会像航空业对定座系统与零售业对POS系统一样必须与迫切！ 数据挖掘在电信行业解决的问题 如何发现电信客户的特征和分类? 如何预测那些即将流失的客户？ 如何评价客户的贡献价值？ 如何判断客户的欺诈行为特征？ 还有更多…… 如何对呆帐/坏帐进行预测和控制？ 大客户的消费行为特征是什么？人口统计学特征是什么？ 如何知道公司下一阶段的营业收入？ 如何设计交叉销售/ 深入销售？ 举例：如何发现电信客户的特征和分类? 市场竞争就是对客户的竞争！ 对客户的竞争首先要知道客户在哪里，然后制定相应的市场策略： 对客户进行分组； 确定你感兴趣的那些客户群；（周末组/商业组/接听电话组/打电话组/服务组/打折组/…） 对不同的组给出不同的价格策略，和促销策略； 举例：如何发现电信客户的特征和分类? 选择什么样的变量（看问题的角度） 行为特征，非人口统计特征； 要有营销意义； 选择什么样的算法 有的工具要求使用者有专业的数学基础； 有的工具只要求使用者是业务专家； 举例：如何发现电信客户的特征和分类? 行为数据 电话使用的方式； 服务使用的种类； 人口统计数据 年令； 性别； 地址； … 其它数据 帐户设立时间； 网络质量； 客户关怀； 级别； … 举例：如何发现电信客户的特征和分类? 不同的建模工具对人的要求不同； 不同的建模工具生产效率不同； 举例：如何发现电信客户的特征和分类? 营销活动 CRM系统（Call Center） 市场多维分析（OLAP） … Unica公司简介（） The Intelligent Enterprise Dozen for 2002 上海宏能软件有限公司 Meta Group列出的一些厂商 IBM DB2 Intelligent Miner NCR/Teradata Division Tera Miner Oracle Data Mining Suite (Darwin) SAS Enterprise Miner SPSS Clementine Unica Affinium Model Unica的企业营销优化与管理方案 Gartner 的行业竞争分析象限：客户关系优化软件供应商 Affinium Model简介 Affinium Model的四大类模型 关于Unica产品的一些实践数字 涉及7亿人次的市场促销应用了Unica产品 支撑100亿美元销售收入的市场活动使用了Unica产品 每年20亿条销售线索的产生应用了Unica产品 Unica的平均实施周期是8－12周（投入实用！） 可以支持具有16000个变量的20亿条记录的数据分析与挖掘建模 案例一: 美国一家著名电信运营商 市场营销问题 客户流失率高 / 获得客户成本高（ $$） 不了解客户的贡献价值 依据经验开展业务，没有依靠技术手段 经营管理问题 客户流失率高 推出新服务成本高 案例一:美国一家著名电信运营商 用数据挖掘解决的问题： 案例一:美国一家著名电信运营商 完成的工作： 案例一:美国一家著名电信运营商 人口统计方面的特性不影响购买/使用； “商业”客户主要在工作时间内消费； 许多客户很少使用移动电话，仅仅是在心理上需要一个移动电话； 案例一:美国一家著名电信运营商 对“必威体育精装版的”技术需求很弱； 一些如何使目前用户“成长”的模式，不仅仅是如何获得/保持用户； 案例二：电信服务的市场定位(响应模型) 由于通信行业正经历全球化的演变，一个提