数据挖掘技术在电信客户关系管理中的应用与研究

重庆大学硕士学位论文数据挖掘技术在电信客户关系管理中的应用与研究姓名：谭伟行申请学位级别：硕士专业：计算机技术指导教师：何中市;赵健荣20070408数据挖掘技术在电信客户关系管理中的应用与研究作者：谭伟行学位授予单位：重庆大学相似文献(10条)1.学位论文程照星数据挖掘在电信企业客户细分中的应用2004随着电信市场竞争的不断加剧，如何针对不同的客户群实施差异化营销和服务，如何对客户进行细分和分类已成为当前电信企业的迫切需求。本文讨论了当前电信企业客户细分工作的现状和发展趋势，分析了将数据挖掘技术应用到电信企业中的必要性和可行性，提出将数据挖掘聚类分析应用到电信企业的客户细分工作。数据挖掘(DataMining)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。本文论述了数据仓库和数据挖掘的基本理论；分析比较了当前数据挖掘领域通常采用的主要方法；深入研究了数据挖掘聚类分析中的K-Mean快速聚类算法；给出将其运用到电信客户细分的建模过程。K-Mean快速聚类算法是在数据挖掘聚类算法中最常用的一种，它通过计算样本与初始中心点的距离，不断调整中心点的位置，使中心点到部分样本间的距离和达到最短，从而实现样本的“聚集”和“分类”。结合重庆移动通信有限责任公司的管理体制和业务模式，遵循CRISP-DM标准定义的商业数据挖掘过程，本文详细论述了建模所涉及的商业理解、数据理解、数据准备、建立模型、模型评估和模型发布等过程。首先将客户的各种消费行为描述数据进行K-Mean快速聚类，再结合市场业务的经验，将客户按行为分为十余种组间差异巨大，而组内差异小的行为分组。最后在建立的电信企业客户细分模型基础上采用B/S模式的计算机体系结构，结合软件工程的思想，设计开发了“重庆移动智能营销系统”，实现了数据挖掘在电信企业客户细分工作的实际应用，实现了电信运营商针对不同的客户群进行差异化营销，差异化服务的目的，达到了提高电信企业核心竞争力的效果。2.学位论文王纯麟基于数据挖掘的电信企业客户保持研究2007随着电信业的改革和开放，行业竞争日益激烈，客户流失问题也不断加剧。在新客户开发成本高昂的情况下，如何有效的保持现有客户尤其是高价值的客户已成为电信企业在未来竞争中取胜的关键。本文以电信企业的客户保持为研究主题，研究如何运用数据挖掘技术来辅助解决电信客户保持中的一些重要问题，主要对电信客户流失预测和电信客户价值评价两大问题进行了研究。运用电信企业业务系统中的丰富数据和数据挖掘技术建立电信客户流失预测模型，并帮助企业迅速、准确的定位具有流失倾向的客户，是客户保持的一个重要内容。本文针对电信客户流失预测中的非平衡数据问题，引入了代价敏感学习理论，建立了基于MetaCost算法的预测模型，并通过实证研究证明了代价敏感的电信客户流失预测模型具有更小的期望代价。同时，客户价值也是客户保持必须考虑的重要维度。本文建立了一个能够反映电信客户长期价值的评价指标体系，并且将一些难以量化的因素近似转换为可以从数据库中获取的数据，使价值评价指标体系更具客观性和可行性。利用改进的层次分析法，对指标进行赋权，并结合真实数据进行了实证研究。基于对电信客户流失的预测和价值的评价，本文提出了电信企业的一些客户保持策略，为电信企业的实践提供了有益的指导。3.学位论文王晋数据挖掘技术在电信企业客户关系管理中的应用研究2007随着国内电信市场的逐步开放，市场竞争日趋激烈，电信运营商的经营模式逐渐从“技术驱动”向“市场驱动”、“客户驱动”转化。这就要求运营商采取“以客户为中心”的策略，根据客户实际需求提供个性化的服务解决方案。因此客户关系管理(CustomerRelationshipManagement，CRM)的实施势在必行。电信企业客户数量很大，资料比较完整，并且已经建立了营帐系统和比较成熟的数据库系统。这些优势都为电信企业实施CRM系统奠定了基础。在客户关系管理流程中，如何将大量的客户资料和交易数据转化为能够为企业决策提供支持的各种信息是电信企业面临的一个重要问题。数据挖掘技术经过十多年的快速发展已经可以提供一套比较完善的挖掘方法。数据挖掘可以帮助企业更好的利用数据，发现其中潜藏的规律，并且结合专业知识加以理解，进而为企业的市场策略制定提供支持。因此数据挖掘技术已经成为CRM系统中最为重要的技术之一。本文阐述了客户关系管理理论的形成和发展过程，在仔细分析对比各大研究机构和咨询公司对CRM概念的定义后，提出了对CRM涵义的理解，并且阐述了CRM系统的框架以及CRM系统与数据挖掘之间的关系。本文介绍了数据挖掘概念提出的背景及其发展演变的过程，以及专家学者对数据挖掘的观点和定义，阐述了从技术角度和商业应用角度对数据挖掘涵义的认识。本文对数据挖掘的理论研究进行了评述，并且介绍了数据挖掘的功能和常用算法。在案例研究部分，本文基于数据挖掘的电信企业CRM客户细分研究，根据电信企业业务需求以及经营的实际状况界定了分析问题的范围，选择合适的挖掘工具和方法，利用数据挖掘聚类方法中的分割聚类算法建立了客户细分模型，并且对数据的预处理、模型的建立、结果的展示都作了详细介绍，为运营商的经营和决策提供了一定的技术支持。4.会议论文王宇基于数据挖掘的电信企业决策支持研究2005电信行业的激烈竞争,使客户关系管理显得越来越重要.本文利用数据挖掘中的k-means聚类算法,对网通公司无线市话的客户话务行为进行了挖掘和分析.进而深层次揭示客户通话数据中潜在的规律和有用的信息,科学有效地实现对客户的细分.此项研究为电信企业有针对性地制定话费策略和服务提供了决策支持,提高了电信企业的效益和竞争力.通过对网通公司客户通话数据的深层研究,以期为国内同类电信企业实施数据挖掘及客户关系管理(CRM)提供有价值的实践参考.5.学位论文林大鹏基于数据挖掘的电信企业平台整合研究及实践2005本文对数据仓库、数据挖掘在电信企业平台中的管理的理论、方法及涉及到的技术加以研究，构建了适合于哈尔滨通信公司的整体平台，提出了基于数据仓库的OLAP分析、客户分析模型，并对OLAP分析、数据挖掘算法等进行了探讨，提出了实现OLAP分析和数据挖掘的相应具体算法。目前，数据仓库技术和数据挖掘技术是计算机应用的一个较新领域。数据仓库的主题划分、OLAP及数据挖掘算法的选取、数据加载抽取的策略等都是这一领域研究的关键问题，特别是数据仓库技术与具体应用相结合，没有可供借鉴成功的案例和可以明确的遵守的原则。针对这种情况，本文在研究了的OLAP分析和数据挖掘算法的基础上，构建了融合电信业务模式和经营理念的分析模型，在开发中提出基于数据仓库技术的分析模型解决决策面分析难题的体制。6.学位论文陈金波面向电信CRM的数据挖掘应用研究2006面对电信市场竞争的加剧和信息技术的发展，电信企业必须建立以“客户为中心”的管理模式。因此，利用数据挖掘技术对海量的电信企业客户数据进行挖掘分析，从中发现各种潜在的、有价值的、规律性知识，是当前电信企业提升CRM水平的重要方面，极具理论意义和应用价值。本文运用理论分析与实证研究相结合的方法，针对数据挖掘在电信CRM中的若干个具体应用问题进行研究。主要内容如下：1．详细地分析了电信企业IT系统现状，建立面向客户主题的电信企业数据仓库体系结构，对电信企业数据仓库主题分析进行了研究，设计了相应的数据模型：物理模型和逻辑模型，并对电信企业数据仓库的实现方式进行了分析论述。2．系统地介绍了CRM理论，设计了以客户为中心、闭环的四层电信CRM体系结构；对电信客户管理进行系统地研究，以电信客户生命周期管理理论为框架，建立了基于数据挖掘的电信客户生命周期管理模型。3．依据CLV理论，建立了基于当前价值、增量价值和存量价值的电信客户价值模型；并以此为理论依据，设计了电信客户价值评价指标体系；结合AHP法，提出了电信CLV的计算方法，并对某电信企业客户进行了实证分析。4．建立了遗传算法优化的改进K-means(GLKM)聚类模型，研究了有指导的聚类模型评价方法，并进行了仿真验证；最后利用某电信公司客户数据进行了实证分析，并对客户群进行特征刻画。5．基于代价敏感学习理论，分别利用Under-sampling和AdaCost算法来构建代价最小化的电信客户流失预测模型，并通过总代价比较和模型收益性分析来表明代价最小化的模型具有更高的应用价值。本文的研究工作为电信企业应用数据挖掘技术分析客户行为和提升CRM水平可提供有益参考，在理论研究和工程实践上具有重要意义。7.学位论文黄晓颖电信企业业务分析系统设计和实现2005目前，电信企业内部积累了大量的运营数据，在原有的操作型数据库系统中难以提炼并升华为有用的信息，需要建设综合的业务分析系统，利用数据仓库和数据分析技术，深层次地挖掘、分析当前和历史的生产业务数据，为企业提供快速、准确和便捷的决策支持信息。在此背景下，安徽移动公司和中国电信集团公司决定建设业务分析系统。本文首先介绍数据仓库基本理论，然后阐述如何建设电信企业业务分析系统，构建电信企业数据仓库，重点分析电信企业业务分析系统建设过程中最重要的ETL、OLAP和数据挖掘三个方面的技术策略，保证系统的先进和高效。在此基础上，实际开发的电信业务分析系统已经于2004年10月初完成并交付使用。本文强调理论与实践相结合，主要特色是：1)构建完整的电信企业业务分析系统电信业务分析系统本身的特点决定了其要以数据仓库为基础来建设完成，设计中充分考虑电信企业业务分析系统的特点，结合数据仓库的设计重点，对元数据管理、数据获取、数据存储、分析展示等逐一进行描述。电信业务分析系统的主题域分为客户、帐务、资源、服务、客服、营销等；功能组件也非常丰富。限于篇幅，本文围绕客户主题的ETL、OLAP和数据挖掘功能进行深入、细致的设计。2)提供准确、高效的ETL技术策略ETL是业务分析系统的关键，所有的原始数据均在ETL过程中生成，数据的质量也取决于ETL过程。本文深刻理解数据模型，针对客户域不同数据给出不同的ETL原则；严格把握数据质量，确保数据清洗后的完整性和准确性；引入高效、快捷的第三方工具作为ETL处理工具：采用有效的流程调度策略，提高ETL过程的并发性、高效性。3)针对海量业务数据设计的OLAP联机分析处理子系统针对客户域分析主题，设计相应的分析主题结构(即进行事实表和维表的设计)，建立典型的多维CUBE模型，配合丰富的展示方式。针对电信企业海量的业务数据，文章详细探讨了OLAP加载计算的技术策略，优化性能，提高效率。4)实现高价值用户离网预测挖掘模型本文以高价值用户离网预测分析为主题，使用先进的数据挖掘工具，建立预测模型、打分模型和聚类模型等挖掘模型，运用多种挖掘算法，实现数据理解、数据准备、建立模型、模型评估和发布应用等完整的数据挖掘流程。8.期刊论文刘晨.孙秀杰.李响电信企业客户维系挽留应用数据挖掘探讨-商场现代化2008,(24)国内的电信市场竞争日趋激烈,客户的需求向个性化多样化转变,电信企业的成功的关键因素就在于对客户数据的深入分析、深入挖掘.目前,电信企业客户数据分析系统多是客户数据抽取的报表统计系统.本文从电信企业的实际出发,分析维系挽留系统中应用数据挖掘存在的一些问题,为电信企业实施针对性营销提供一些实际建议并论述电信企业未来的发展方向.9.学位论文吴海平面向电信企业CRM的客户智能研究与应用2005随着电信体制改革的深化，WTO的加入，我国电信企业的竞争也日趋激烈，“以客户为导向”成为新的市场竞争准则。与其他行业相比，电信企业拥有更多的客户和客户数据。因此，客户关系管理(CRM)在电信行业的应用成为企业信息化最热门的话题之一。但是业界的讨论和实践更多的是操作型CRM的应用，旨在提高运营的效率，而分析型CRM未能受到应有的重视，更很少从客户知识挖掘和管理的角度来讨论客户智能在电信分析型CRM中的获取、共享和应用。本文的开篇分析了电信行业的市场竞争环境和WTO对我国电信业带来