数据挖掘及其在电信营销领域的应用

• 作 者: 顾艳红
• 机 构: 南京大学
• 出 处: 南京大学
• 发表日期: 2004年期
• 关键词: 电信企业 营销策略 数据挖掘理论 综合竞争力

随着数据库技术的迅速发展以及数据库管理系统的广泛应用，人们积累的数据越来越多。激增的数据背后隐藏着许多重要的信息，人们希望能够对其进行更高层次的分析，以便更好地利用这些数据。这使得一门新型的数据挖掘技术应运而生。它是由数据库理论、统计学、机器学习理论和神经网络方法等相互结合、交叉渗透而形成的一门交叉性学科。数据挖掘是以数据库原理为基础发展起来的，但数据挖掘技术从一开始就是面向应用的，它不仅面向特定数据库的简单检索而且要对这些数据进行微观、中观乃至宏观的统计、分析综合和推理，以指导实际问题的求解，企图发现事件间的相互关联，甚至利用已有的数据对未来的活动进行预测。这些特点决定了数据挖掘的内容体系和研究方法。　　本文第一部分介绍了数据挖掘产生的背景及基础，探讨了数据挖掘的定义和理论，并且对数据挖掘与数据仓库、数据挖掘与OLAP进行了分析，回顾了数据挖掘在电信营销领域中的应用现状。　　第二部分，首先介绍了数据挖掘的CRISP-DM方法论，主要包括商业理解、数据理解、数据准备、建模、评估和发布六个过程;接着探讨了数据挖掘的分析模型及相应的数据挖掘算法;然后简要分析介绍了数据挖掘语言发展阶段和数据挖掘语言类型。　　第三部分，首先简介了数据挖掘工具的现状和数据挖掘工具的分类情况以及目前我国对数据挖掘工具的评测现状。然后具体探讨了刘世平对数据挖掘工具几方面的评价标准:数据存取、数据处理、模型算法、自动建模、可视化以及其它系统要求。　　第四部分重点探讨了数据挖掘中的决策树算法以及该算法结合电信营销中的客户流失问题所作的实例分析。首先介绍了决策树算法，具体探讨了决策树的构建过程和对决策树的修剪。并结合实例，探讨了决策树算法的具体运用。最后针对存在的主要问题提出了一些改进意见。　　第五部分重点探讨了数据挖掘中的聚类算法以及该算法结合电信营销中的信用度等级划分问题所作的实例分析。首先介绍了聚类算法的定义和评判标准，具体探讨了神经网络的算法结构、每个层次元素的功能和实现算法的基本过程以及要注意防止神经网络训练过度。最后结合具体实例，探讨了聚类算法的具体运用，并针对存在问题，提出了三种改进措施:基于统计的方法、基于距离的方法和基于背离度的方法。　　本文的创新之处是:　　(1)在对电信企业的流失客户进行分析时，运用决策树算法，建立客户流失预测模型，并且在数据挖掘过程中结合CRISP-DM的方法论，对客户数据进行选择、预处理、转换、挖掘和分析等处理。　　(2)在对客户进行信用等级划分时，借助聚类分析算法，构建了神经网络的基本结构，建立了客户信用等级模型，并针对聚类分析中的特例现象，探讨了三种改进措施。　　本文的研究还有以下未完善之处，还需今后进一步研究和探讨:　　(1)在决策树与聚类分析的应用研究中，没有探讨决策树和神经网络的具体算法公式和计算机如何实现的过程。今后可针对数据挖掘公式、算法具体实现过程进行研究。　　(2)在介绍数据挖掘工具评判标准时，没有收集数据进行分析研究。今后可针对数据挖掘工具评判标准进行探讨，制定一个统一的评判标准。