论文部分内容阅读
随着电信市场竞争的不断加剧,如何针对不同的客户群实施差异化营销和服务,如何对客户进行细分和分类已成为当前电信企业的迫切需求。随着管理信息系统的广泛应用,电信企业积累了越来越多的客户数据,面对海量的客户数据,传统的客户细分方法已无法满足业务发展的复杂分析需求。随着数据挖掘技术在电信企业管理中应用的深入,采用数据挖掘方法进行多层次、多维度、有针对性的客户细分变得十分重要和紧迫。数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。本文针对电信行业客户细分,做了如下主要工作:首先,介绍了国内外电信行业客户细分常用方法,比较分析了各数据挖掘算法的特点。结合电信领域的海量数据及数据高维度特点,重点阐述了经典K-means算法的设计思想,针对K-means算法作了细致全面的分析,确定了以优化初值和提高执行效率作为算法改进的关键点,提出了适合于通信行业客户细分的K-nd算法思想,并完成算法的详细设计。其次,介绍了数据挖掘的整个流程和数据仓库的架构模式,在该系统架构之内,设计实现了客户细分系统。该系统以K-nd为核心,通过修改不同的K值和样本点的个数,对结果进行修正,从而得到了合理的聚类结果。最后,采集省内某地市公司的样本数据,结合部分经验值,对系统进行了验证,并对细分结果进行了分析和比对,实验结果表明,K-nd算法运行效率较高,模型合理,为今后实现与操作型客户关系管理系统的联机互动做了有益的探索。本论文一方面可以在理论上丰富电信企业客户细分和数据挖掘领域的研究,另一方面,在实践上又可为电信企业客户细分问题的解决提供更多的方法选择,进而为我国电信企业在以客户为中心的管理理念背景下,利用数据挖掘技术提高企业竞争力具有一定的指导意义与应用价值。