数据挖掘的研究及在移动增值业务中应用

浙江理工大学硕士学位论文数据挖掘的研究及在移动增值业务中应用姓名：金建旺申请学位级别：硕士专业：计算机应用技术指导教师：施国生20080702数据挖掘的研究及在移动增值业务中应用作者：金建旺学位授予单位：浙江理工大学相似文献(10条)1.学位论文沈超我国农村移动通信市场细分研究2007随着农村经济条件的逐步改善和城市市场日趋饱和，农村市场成为移动通信运营商关注的焦点。为了有效开发农村市场，运营商需要深入了解农村市场结构和客户消费行为，因此，合理细分农村移动通信市场来挖掘农村潜在用户市场并制定农村化的套餐业务，是当前运营商急需解决的课题。将数据挖掘技术应用于农村移动通信市场细分，可以定量化、综合化的刻画农村市场的结构和特征，实现更为精确、高效的市场细分。因此，本文结合实际项目，应用“数据挖掘”技术，借助农村市场调查数据和移动通信运营数据，从两个角度对农村移动通信市场进行了细分研究。从农村居民特征偏好的角度进行了市场细分研究，协助运营商深入了解农村移动通信市场客户构成。首先，采用抽样市场调查的方法获取了农村居民的移动通信消费偏好数据；然后，使用BP神经网络和SOM算法相结合的聚类方法进行了细分建模；最后，在细分市场评估的基础上提出了农村移动通信市场的客户开发策略：稳定个体户客户群，激励公务员客户群，培养农民客户群。从农村用户消费行为的角度进行了市场细分，协助运营商了解农村用户的消费行为模式。首先，收集了农村用户消费行为数据；然后，使用K-SOM算法进行了消费者行为细分建模，通过K-SOM算法实现了高维客户行为数据的二维映射，在映射的基础上使用K-均值算法进行了市场细分聚类建模；最后，在分析不同细分市场的消费行为模式的基础上，给出了针对性的营销策略。2.学位论文朱永明结构方程模型及在顾客满意度数据挖掘中的应用研究2007本文介绍了结构方程模型和顾客满意度的相关理论，并根据结构方程模型与相近满意度研究范畴的相关分析、回归分析、因素分析、路径分析等几种方法的理论比较，讨论了结构方程的优势、问题和注意。同时，传统的结构方程模型是根据独立同分布的样本来作统计推断的，然而，在实际满意度研究工作中经常会碰到分层抽样结构的数据，本文探讨了当市场研究中第一层数据是小样本时的两层结构方程模型的直接最大似然估计和广义最小二乘估计的统计理论，文中还探讨了有关估计量的一些基本渐近性质。同时，本文对建立顾客满意度模型的指标体系作了一般分析，并利用大样本数据分析，在移动通信顾客满意度研究的因素重要度评价领域建立了数据挖掘模型，这个顾客满意度的数据挖掘在理论上要先测量顾客对移动通信八大环节的三十九个指标的满意度评价以及顾客对总体满意度的评价，八个环节包括网络信号、增值业务、费用标准、交费方式、话费查询、营业网点、宣传促销、咨询投诉等。由于八个环节下的细项指标比较多，因此，采用了几种方法进行比较，包括八环节绝对重要度评价(无潜变量)的相关分析、八环节相对重要度评价(无潜变量)的回归分析、将八大环节做为内源变量三十九个指标作为外源变量(有潜变量并消除多重共线性)的结构方程模型研究，特别地，结构方程模型也采用了内源变量有内在影响与没有内在影响两种方法进行比较研究。最后，本文通过比较研究结果，评估出几种方法的优劣，优化出移动通信市场顾客满意度研究的结构方程数据挖掘模型，找准了对消费者而言，满意度低同时重要度也高的关键改进因素。3.学位论文张悦数据挖掘在客户行为细分中的应用2004电信改革进一步深入，各大电信运营商的实力正在渐渐接近，通信市场的竞争已经十分激烈。随着经济的发展和社会的进步，人们对通信市场消费需求的多层次、多元化、个性化的特点日益突出。因此如何对客户进行准确的细分，提供有针对性的服务，已经成为了通信运营商市场经营分析的首要工作。同时，随着信息技术的发展，大规模数据处理技术的推广和应用为复杂的客户细分提供了可能。数据挖掘技术的发展，给客户细分研究带来了前所未有的突破。br　　本文从目前移动通信市场的竞争分析入手，提出市场细分是通信企业发展和业务创新的新出路。通过对经典市场细分理论和数据挖掘技术应用的总结，为通信企业的市场细分提供了很好的理论支持和技术支持。面对消费者需求的多元化趋势，经验表明结构化的绝对的细分研究并不足以帮助营销人员精确的掌握市场信息。针对通信企业拥有大量的客户消费数据的现状，本文指出以客户历史消费行为数据为基础的客户行为细分是通信企业准确的掌握客户消费取向的一个非常有效的途径，并根据营销工作的需要提出了行为驱动的客户细分模型。最后，应用客户细分模型，使用IBMIntelligentMiner数据挖掘软件提供的聚类分析技术，完成了移动长途话音业务的客户细分，并对模型和算法做出了评价。4.期刊论文胡斐.吴殷.刘少辉.HUFei.WUYin.LIUShao-hui移动通信业中的交叉销售分析-计算机与现代化2008(9)在中国迅速发展的移动通信市场中,中国移动、联通等几大巨头正在展开激烈的竞争.客户每年给移动公司贡献的收入呈逐年下降的趋势,提高现有客户的忠诚度和价值是每个移动公司迫切需要解决的问题,而通过交叉销售则可以达到双赢的目标.结合移动通信领域实际的数据挖掘项目,阐述了交叉销售分析的完整流程,涉及关联分析、聚类分析、预测分析等多项数据挖掘技术,并对挖掘结果的应用进行了探讨.5.学位论文苏惠明数据挖掘技术在移动通信新增业务中的应用研究2007随着3G时代的到来，我国移动通信运营业的竞争将更为激烈。移动通信不仅推动了电信行业的整体发展，而且对整个社会经济和人民生活产生了日益深远的影响。如何更好的开展业务，提高服务，节约成本，获得更大的市场份额是各运营商最关心的。而移动通信市场的特点注定其会拥有海量的数据。如何从这些数据中提取所需要的信息，从而进一步开展业务?这是当前移动通信业迫切需要解决的问题。数据挖掘是一种从海量数据中提取有用信息的先进技术，为移动通信业所面临的上述问题提供了解决途径。本文分析了我国移动通信业的竞争情况，论证了数据挖掘理论应用于移动通信新增业务的必要性，重点研究了如何利用数据挖掘技术开展新增业务。在深入研究了数据挖掘理论的基础上，利用数据挖掘方法进行了对客户数据的挖掘，设计了客户细分、客户价值等模型。针对这些模型处理后的数据，应用本文所提出的新增业务提案可以有效的设计出针对性的新业务，给决策者提供参考的依据和帮助。实际应用表明，本方案作为运营商开展新增业务的辅助方法，其逻辑上是正确可行的，功能上是完整的，对运营商开展新增业务具有很大的参考价值。当然，本方案是开放的解决方案，在利用新增业务提案时还需要借助分析人员的实际经验。同时，需要在诸如人机交互系统的设计，不同地区客户数据维度等具体实施等方面做更多细致的工作。希望本研究能为我国移动通信运营业中的数据挖掘技术应用起到一定的推动作用，并对移动通信运营商有一定的帮助。6.学位论文陈云樱数据挖掘技术在移动通信行业客户关系管理中的应用研究2004该论文从数据挖掘技术角度出发,就数据挖掘技术在移动通信客户关系管理(客户关系管理CustomerRelationManagement,简称CRM)中的应用进行了研究,并在此基础上完成了客户流失预警和客户价值评估两个具体应用项目的开发.移动通信市场的竞争实质就是对客户的竞争.这也就提出了CRM实施的必要性和紧迫性,因为CRM的宗旨就是以客户为中心.CRM系统要对客户在与企业交互过程中生成的各种数据进行收集、分析,挖掘出隐含在数据中的有用信息,以便给用户提供更有针对性、更优质的服务.这其中必然要注重数据挖掘技术(数据挖掘DataMining,简称DM).因此,如何将数据挖掘技术应用于移动通信行业CRM,成为了运营商们最关注的问题之一.该文首先介绍了DM的算法与技术,特别是该文项目所涉及的决策树算法和Kohonen算法,对分类技术和聚类技术进行了概括;然后介绍了移动通信行业CRM的定义与基结构,并对与DM技术密切相关的数据仓库技术(数据仓库DataWarehouse,简称DW)作了介绍;接着在DM一般方法论——SEMMA和CRISP-DM的基础上,针对移动通信行业特点,研究了移动通信行业的DM方法论(数据挖掘项目的整体流程);最后,该文采用了IBM公司的数据挖掘工具(IntelligentMiner,简称IM)和数据仓库工具(DB2),针对四川移动通信有限责任公司客户流失预警和客户价值评估两个项目,以项目功能要求为目标,对建立模型的硬、软件环境方案和项目整体流程方面进行设计;在项目的实施过程中,以该文所研究的移动通信行业数据挖掘方法论为基础,对模型的定义、挖掘算法的选择、模型的建立和结果的展现与解释做了详细介绍.由于目前国内移动通信行业的数据挖掘技术处于起步阶段,许多省市的CRM系统仅仅停留在多维分析、联机分析处理(联机分析处理OnlineAnalyticalProcessing,简称OLAP)等技术上.该项目的实施推动了数据挖掘技术在移动通信行业CRM的发展和应用,增强了移动运营商的竞争力.7.学位论文陈强数据仓库技术在电信市场竞争分析中的应用2006随着中国加入WTO和中国电信改革的进一步深化，电信市场的竞争更加激烈，一方面表现在为客户对通信服务的整体要求提高，通信方式的多样化、个性化；另外一方面电信市场竞争(尤其是移动通信市场)也已经由增量用户抢夺，转向存量用户争夺。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，有效客户关系管理和经营数据分析成了电信运营商增加收入和利润的保障。在激烈的竞争形势下，及时、客观的竞争对手数据分析将为运营商的客户抢夺提供一个更为明确的方向指引，真正做到知已知彼，有备而战。近几年迅速发展起来的数据仓库技术就是实现这一目标的重要手段。根据这一情况，我特选择了“数据仓库技术在电信市场竞争分析中的应用”作为我的研究课题。数据仓库大量用于事务处理的传统数据库数据进行清理、抽取和转换，并按决策主题的需要进行重新组织。数据仓库完成了数据的收集、集成、存储、管理等工作，数据挖掘面对的是经初步加工的数据，使得数据挖掘更专注于知识的发现。数据仓库技术和数据挖掘技术的相互结合使得从海量的数据中进行实时的和深层次的分析成为可能，由于相关领域的技术发展及相互协同，已使数据仓库成为一项可能的实用技术。该项目的实施，使得竞争分析、商情收集等工作由之前的采集面窄、准确性不高，转变为现在的通过合法手段更为有效、精确的采取竞争数据，并将竞争数据有效的应用于市场研究和挖掘营销工作中，极大的有利于提高经营精细化管理，有利于移动存量市场的直销拓展。通过这次课题研究，竞争分析及挖掘营销项目的建设，建立了集成综合业务数据、外部商情采集等的综合业务数据中心，建立了有效的基于网间话务数据的竞争分析模型。同时，分析结果在挖掘营销工作中也得到了有效的应用。8.学位论文陆铭数据仓库技术在通信行业决策支持系统中的应用和研究2006在移动通信市场竞争日趋激烈的情况下，XXX公司(简称XXX)为实现多层次多角度实时的业务指标分析立项了数据挖掘和联机分析项目，项目的最终目标是为现有市场分析和未来市场拓展提供辅助决策的手段。本论文主要围绕XXX的数据仓库和联机分析处理的设计开发过程进行了论述。论述的内容包括：需求提取，实体关系模型设计，星型模型设计，立方体(CUBE)设计，ETCL(ExtractionTransformationCleaningLoading)的设计，软件开发实现，联机分析软件及所基于的数据仓库的选型(软件和硬件)，设计和开发中所注意的问题，同时对性能优化问题作了一定的论述。本论文中所描述的数据仓库的数据源是XXX的运营支撑系统所产生的数据(数据库数据源和文件数据源)。分析主题主要围绕XXX各种业务的营销指标设计，如具有不同业务属性的用户数，某用户群的投资回报率(ROI)等。XXX联机分析处理主要应用于对海量数据的组织处理，文件数据源每年将近10TB，数据库数据源每年1TB左右，因此在数