论文部分内容阅读
我国电信运营商一个重要业务特点就是拥有海量用户，在经历了快速业务发展的初期阶段以后，电信市场的增量市场日益萎缩，存量市场日益饱和，原来粗放的经营模式，急需向精细营销模式过渡，从以产品和服务为中心的运营方式，转换到以客户需求为中心的运营方式，其核心是要能够对海量客户群体进行细分研究，了解客户消费行为特征和差异，从而提供差异化的营销。本文主要针对数据挖掘技术，在电信海量客户进行细分建模和分析的应用，做了一定的分析和研究。 首先本文介绍了数据仓库的一些基本知识，同时说明了前电信运营商的业务数据的内容和分类，并根据工程实践，特别对数据仓库中数据模型层次，做了一定的说明和研讨。 其次本文介绍了数据挖掘的一些基本概念和技术，比较详细地说明了本次数据细分所使用的聚类分析模型，特别是本次工程所直接使用的k均值聚类算法和特点：同时因为本次细分模型建立流程采用了CRISP-DM流程，所以对该流程标准的也进行了探讨。 本文详细介绍了按前述标准流程，以一家电信运营商实际业务数据，建立客户细分的全过程，对其中涉及的商业理解，数据理解，数据准备，建模，评估以及数据发布等六个主要阶段，结合实际多个数据分析应用实例，逐一进行了实际的研讨，比较详细和具体地展示了数据挖掘在商业服务中实际应用，并对其中部分细节的处理做了一定程度的探讨和分析，并且对细分后得到的客户群，结合电信的业务进行了行为特点的分析和研究。 最后本文介绍了在建立数据聚类模型，获得数据挖掘结果以后，电信运营商在了解这些细分客户群特征的基础商，可以进行的差异化的营销服务的意见和建议，将数据挖掘带来的知识发现，进一步应用实际业务工作中，以提高典型营销的效率和质量。关键词:数据挖掘数据仓库ETL(抽取、转换、装载)OLAP(联机多维分析)聚类分析