数据挖掘在电信行业的应用.ppt

数据挖掘在电信行业的应用
黄典伟 博士
上海宏能软件有限公司
数据挖掘应用的理论背景
数据挖掘应用的几个主要瓶颈
数据挖掘应用的发展趋势
数据挖掘在电信行业中解决的问题
Unica公司的电信数据挖掘平台
抛砖引玉：一些应用案例与软件演示
主要内容
2
Unica Confidential & Proprietary
从经验中学习，越来越多的“经验”正在被数字化
社会信息化后，社会的历史是数据的历史
数字化的 “物以类聚，人以群分”
事物的发展一般都有其内在的规律
数据挖掘应用的理论背景
3
Unica Confidential & Proprietary
应用者必须强烈地关心效率与利润
必要的数据积累（有效使用的业务系统）
所用的数学工具与实际业务知识的鸿沟
成熟数学建模工具应经过数年的实践检验与国内这方面的初始状态之间的矛盾
相信科学方法与传统经验管理至上的矛盾
数据挖掘应用的几个主要瓶颈
4
Unica Confidential & Proprietary
数据挖掘中应用和算法的关系
5
Unica Confidential & Proprietary
1995－2000：已经从研究性质转向具体实践
2000－2002：积累丰富业务数据的企业正式感到了数据挖掘的必要性与迫切性
2002－以后：数据挖掘平台更加面向细分的行业，对使用者数学与数据库知识的要求会越来越少
2004年前，在管理上对数据挖掘的需要会像航空业对定座系统与零售业对POS系统一样必须与迫切！
数据挖掘应用的发展趋势
6
Unica Confidential & Proprietary
数据挖掘在电信行业解决的问题
如何发现电信客户的特征和分类?
如何预测那些即将流失的客户？
如何评价客户的贡献价值？
如何判断客户的欺诈行为特征？
还有更多……
如何对呆帐/坏帐进行预测和控制？
大客户的消费行为特征是什么？人口统计学特征是什么？
如何知道公司下一阶段的营业收入？
如何设计交叉销售/ 深入销售？
7
Unica Confidential & Proprietary
举例：如何发现电信客户的特征和分类?
市场竞争就是对客户的竞争！
对客户的竞争首先要知道客户在哪里，然后制定相应的市场策略：
对客户进行分组；
确定你感兴趣的那些客户群；（周末组/商业组/接听 组/打 组/服务组/打折组/…）
对不同的组给出不同的价格策略，和促销策略；
业务问题
8
Unica Confidential & Proprietary
举例：如何发现电信客户的特征和分类?
选择什么样的变量（看问题的角度）
行为特征，非人口统计特征；
要有营销意义；
选择什么样的算法
有的工具要求使用者有专业的数学基础；
有的工具只要求使用者是业务专家；
问题解决主要考虑：
9
Unica Confidential & Proprietary
举例：如何发现电信客户的特征和分类?
行为数据
使用的方式；
服务使用的种类；
人口统计数据
年令；
性别；
地址；
…
其它数据
帐户设立时间；
网络质量；
客户关怀；
级别；
…
需要的数据(数据模型)：
10
Unica Confidential & Proprietary