基于数据挖掘技术的电信业务数据预处理系统研究与实现

摘要

随着国内电信市场竞争的日趋激烈，电信运营商的经营模式逐渐从“技术驱动”向“市场驱动”、“客户驱动”转化。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，客户关系管理(CRM)成了电信运营商增加收入和利润，提高客户满意度、忠诚度的有效工具。在客户关系管理的流程中，为了准确、及时地进行经营决策，必须充分获取并利用相关的数据信息对决策过程进行辅助支持。近几年迅速发展起来的数据挖掘技术就是实现这一目标的重要手段。　　本文针对电信业务中的客户群的细分、客户流失、电信营销策略等业务的数据挖掘需求，通过数据清理，数据集成，数据变换和数据归约等过程，在DataStage环境中完整地展现数据预处理的整个过程，提供适合业务数据集市；通过将电信领域知识应用于数据挖掘的预处理过程中，对数据源进行过滤或补充，有效地减少数据源的样本数量，提高了数据的质量；通过相关分析的缺失值处理算法来解决数据源中空缺值填补，识别孤立点、消除噪声、纠正数据中的不一致等问题。针对当前国内电信的数据情况，提供一个较为可行适合的数据预处理模型。

目录

文摘

英文文摘

华南理工大学学位论文原创性声明和版权使用授权书

第一章绪论

1.1引言

1.2研究背景

1.3国内外研究和应用现状

1.4研究内容

1.5研究方法

第二章基本概念与技术

2.1电信业务概述

2.2数据挖掘概述

2.3面向挖掘的数据预处理过程与概念

第三章CRM与电信行业应用分析

3.1客户关系管理的概念

3.2 CRM在电信行业的应用

3.2.1电信行业CRM的内涵和目标

3.2.2电信行业CRM的特点和难点

3.2.3电信行业CRM的核心理念

3.2.4实施CRM将为电信行业带来全新的经营理念与综合效益

第四章数据预处理的解决方案

4.1电信业务分析与数据选择

4.2面向数据挖掘预处理的领域知识分类与表示

4.2.1领域知识与数据挖掘

4.2.2领域知识的表示

4.2.3领域知识的存储

4.2.4领域知识在数据挖掘预处理中的应用

4.3数据预处理工具介绍

第五章面向数据挖掘的数据预处理

5.1数据准备

5.2数据抽取与数据简单变换

5.3数据清理

5.3.1基于历史数据和业务分析的缺失值处理

5.3.2基于相关分析的缺失值处理

5.4数据集成

5.4.1数据集成过程中存在的问题

5.4.2重复数据清理概念模型与处理方法

5.5数据变换与数据归约

5.6用DataStage实现数据抽取与转换

5.6.1设计数据抽取，转换与集成任务遵循的原则

5.5.2在DataStage进行数据抽取与转换实例

5.7数据分析与统计

总结与展望

参考文献

致谢