数据挖掘技术在电信大客户管理系统中的应用研究

摘要

数据挖掘(DataMining)，又称数据库中的知识发现(KnowledgeDiscoveryinDatabase,KDD)，是指从大型数据库或数据仓库中提取隐含的、未知的、非平凡的及有潜在应用价值的信息或模式，它是数据库研究中的一个很有应用价值的新领域，融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。数据挖掘方法有多种，其中比较典型的有关联分析、相关性分析、预测分析、聚类分析等。 同时，数据挖掘又紧密地和数据仓库集成起来。应用数据挖掘技术，较为理想的起点就是从一个数据仓库开始。数据仓库是一个面向主题的，集成的，时变的，非易失的数据集合，它是将各种数据通过清洗、转换、装载过程而形成的，它为数据挖掘提供完整、统一、准确的数据。这个数据仓库里面应保存着所有客户的合同信息，并且还应有相应的市场竞争对手的相关数据。贵州电信大客户管理系统就是建立在数据仓库上的一个CRM(CustomerRelationshipManagement)系统，在这个系统中，必不可少的要素是将海量的、复杂的客户行为数据集中起来的，形成整合的、结构化的数据仓库(DataWearhouse)，这是数据挖掘的基础。 本文从应用角度出发，对数据挖掘的原理及技术进行了讨论，并根据贵州省电信公司实际情况，结合大客户管理系统的设计开发过程，研究数据挖掘技术在大客户管理系统中的应用。同时，针对贵州电信海量的客户运营数据，经过清洗、转换、整合到数据仓库中，采用了多种分析方法，如聚类分析、预测分析，实现了客户群细分、客户流失预测等功能，极大的提高了贵州电信核心竞争力。

目录

文摘

英文文摘

1绪论

1.1课题的实用意义

1.2国内外研究现状

1.3本课题研究的目的及内容

2客户关系管理

2.1客户关系管理

2.1.1客户关系管理的定义

2.1.2客户关系管理的意义

2.2大客户管理

2.2.1大客户的意义

2.2.2大客户管理工作特点

2.2.3电信大客户管理

3数据挖掘

3.1数据挖掘的概念

3.1.1数据挖掘的定义

3.1.2知识发现和数据挖掘

3.2数据挖掘研究内容

3.3数据挖掘常用技术

3.4数据挖掘的过程

3.5数据挖掘的发展

3.6数据挖掘在客户关系管理中的应用

4电信大客户管理系统的体系结构

4.1系统软件体系结构

4.2系统功能结构

4.3第三方软件平台

5数据挖掘技术在系统中的应用

5.1聚类分析

5.1.1定义

5.1.2原理及方法

5.1.3应用

5.2预测分析

5.2.1定义

5.2.2原理及方法

5.2.3应用

5.2.4流失预测流程

5.2.5在实际大客户管理系统中，通过预测分析后客户流失的两个例子

5.3试运行情况与结论

5.3.1试运行情况

5.3.2结论

致谢

参考文献