论文部分内容阅读
中国加入WTO之后,中国电信和其它企业一样,不但要面对国内同行之间的竞争,还要面对西方发达国家同行带来的巨大冲击。客户成了全球电信企业争夺最激烈的资源。如何留住现有客户、获得新客户、提升客户价值成为各电信企业关注的焦点。全球电信企业都在找寻一种能够预测客户未来行为,给决策者提供科学依据并从而提升企业核心竞争力的方法和技术。本文正是为了探询如何提升我国电信企业核心竞争力这一目的而进行的研究。 本文结合当前我国电信市场激烈的竞争环境,主要研究了经典数据挖掘技术和贝叶斯网络技术在电信客户关系管理中的应用。 首先,从数据挖掘的基本理论和技术入手,研究了数据挖掘的特点、功能,并对各种经典的数据挖掘技术及其和OLAP(联机分析处理)的关系进行了介绍和分析。针对经典数据挖掘只利用样本数据而忽视先验信息建模的不足,引进了贝叶斯网络这种全新的挖掘技术,研究了贝叶斯网络模型联合概率分布的有向无环的图形结构、特征及其和经典挖掘技术相比优点,并探讨了贝叶斯模型的推理、学习、构建过程。 其次,对CRM进行了介绍,分析了电信CRM的独有的特点,在此基础上研究了电信CRM中成功实施数据挖掘的流程、关键问题和解决方案,并对挖掘工具的选择问题进行了探讨。 最后,结合实证,构建了电信客户细分的决策树模型、客户流失的粗糙集模型、交叉销售的关联规则模型、客户信用度分析和客户流失分析的贝叶斯网络模型。通过实证分析,得出了两个主要结论:(1)CRM是电信企业进行客户管理的有效手段,数据挖掘则是可以从大量数据中抽取出潜在的、有价值信息和知识的强有力的工具。两者有效的结合可以为电信企业经营、科学决策提供有力支持,从而提高电信企业的核心竞争力。(2)贝叶斯网络作为一种新的数据挖掘技术,它综合了先验信息和样本信息,对不完整数据有很强的处理能力,其挖掘出的知识用于预测具有很高的可信度,有助于优化人们的决策,因此它在客户关系管理中有广阔的研究、应用前景。