数据挖掘技术在湖南电信经营分析系统中的应用

摘要

随着各个电信运营商规模的不断扩大和市场竞争的日趋激烈,如何有效地利用业务系统积累的大量历史数据,从中提炼出面向不同管理主题(市场营销、客户服务、网络优化、财务、人力资源等方面)的、面向分析的、有利于决策支持的信息;如何把握业务发展的趋势,发掘隐藏在业务数据中的一些深层次的内在规律,对业务发展进行分析及预测,从而获得竞争优势,已成为湖南电信公司当前迫切关注的问题。因此,湖南电信决定建立电信经营分析系统,实现对信息的分析与挖掘,为市场营销和领导决策提供及时、准确、科学的决策依据。
　　 本文介绍了数据仓库和数据挖掘的基本理论及其相关国内外应用现状,阐述了当前数据挖掘技术领域中常用的主要方法和数据仓库的应用情况。为了提高湖南电信客户业务渠道,应用数据挖掘技术对业务信息进行处理,提取有用的客户信息。文中将粗糙集理论应用于数据属性约减并提出有用信息,对经过约减的有用信息,利用K均值算法对客户业务数据进行聚类分析、客户群划分和客户业务统计分析。在系统在实现方面:首先采用自项向下的方法进行设计,结合湖南电信的实际情况,运用数据挖掘技术、联机分析处理技术对数据进行了有效清洗、转换和入库,保证了数据仓库数据质量;同时经营分析系统要实现提高客户价值判断、客户群细分、客户保持、客户流失分析,并提供相关分析主题的展示功能。
　　 本系统在湖南电信公司运营中,系统运行稳定、数据统计处理准确、营业受理畅通、业务支撑能力强大、界面友好、参数设置灵活、操作方便,满足湖南电信公司实际要求,在运营过程中产生了良好经济社会效益,将对公司拓宽新的业务市场发挥积极的作用。

目录

文摘

英文文摘

论文说明:图表目录

第1章 绪论

1.1 课题背景

1.2 国内外研究现状

1.2.1 电信业经营分析系统在国内外的研究现状

1.2.2 数据挖掘技术在电信业应用现状

1.3 研究目的与意义

1.4 本文的主要工作和章节安排

第2章 数据挖掘技术

2.1 概述

2.1.1 数据挖掘的目的

2.1.2 数据挖掘的功能

2.1.3 数据挖掘的流程

2.1.4 数据挖掘的应用

2.2 数据挖掘的关键技术

2.2.1 数据预处理

2.2.2 数据分类

2.2.3 聚类分析

2.3 数据仓库

2.3.1 数据仓库的特点

2.3.2 数据仓库的体系结构

2.3.3 OLAP及其多维分析

2.3.4 OLAP的概念与特点

2.3.5 多维分析

2.3.6 OLAP的体系结构与分类

2.4 本文主要采用的技术

2.5 本章小结

第3章 电信经营分析系统设计

3.1 系统商业标准

3.2 系统总体设计

3.2.1 系统体系结构

3.2.2 业务结构

3.2.3 用户层面

3.2.4 基于数据仓库平台的解决方案

3.3 系统配置

3.4 本章小结

第4章 数据挖掘技术在客户划分及业务分析中的应用

4.1 客户的分类

4.1.1 湖南电信客户群划分

4.1.2 客户信息

4.2 数据处理

4.2.1 ETL模块(获取层)

4.2.2 数据处理

4.2.3 客户发展分析采用的模型

4.3 基于粗糙集理论的数据决策分析法

4.3.1 粗糙集理论概述

4.3.2 基于粗糙集的属性约简

4.3.3 基于粗糙集的属性约简步骤及应用

4.4 基于K均值算法的客户划分

4.4.1 K均值算法描述

4.4.2 K均值算法基本思想

4.4.3 K均值算法在经营分析系统的应用

4.5 业务发展总体情况

4.6 本章小结

第5章 系统测试和应用

5.1 软件测试

5.1.1 测试准备

5.1.2 测试方案

5.2 系统操作使用

5.2.1 用户界面

5.3 实际效益

5.4 本章小结

结论

参考文献

附录A 攻读工程硕士学位期间发表的学术论文

附录B 文中几个重要的中英文对照

致谢