【Clemetine】数据挖掘在电信业中的应用

一、实验项目名称：数据挖掘在电信业中的应用
二、实验目的与要求：
通过项目的训练学习，了解数据挖掘在电信业中应用状况，掌握客户数据通话模式分析、客户细分和流失分析、移动业务关联分析等。
三、实验原理：
（1）客户分类预测、客户流失预测；
（2）移动业务关联分析。
四、实验方案设计：
Step1.数据挖掘在电信业的应用概述
Step2.客户通话模式分析
Step3.移动客户关联分析
五、测试数据与实验结果


测试数据2：移动客户关联分析
数据流：



FETION_FLAG数据的关联规则：


MOBMAIL_FLAG数据的关联规则：


quanqu_down_flag数据的关联规则：
六、资料搜集及汇总分析
查阅网上资料及图书资料，分析数据挖掘在电信业等行业中的应用，实现所选的某一应用的数据搜集和挖掘分析。
结果如下：
数据挖掘在通信行业营销中的应用
通信行业使用数据挖掘技术主要应用在于应对客户流失、维护客户关系、了解客户行为以及调整经营数据，具体的应用方式比如应用决策树算法对客户流失的原因进行分析，应用聚类分析对客户的行为进行分析等。
1．数据挖掘技术在维护客户关系方面的应用
统意义上而言，客户关系管理CRM是企业为了提高核心竞争力而通过相应的信息技术以及互联网技术来协调和解决企业与客户在营销、服务等方面的不同意见，从而提升其管理方式，为客户提供创新式的个性化客户交互和服务的过程。具体到通信行业而言，其客户管理主要针对的是客户对通信行业服务或者经营理念的理解程度，由于通信行业与客户的关系紧密，且直接面对客户进行服务与沟通，因而客户是通信行业企业最重要的资产也是企业赖以生存和发展的关键所在，随着工业化时代与信息化时代的交融，客户关系管理概念有了新的发展，在服务业领先的西方国家，CRM不仅是一种针对客户与企业关系的选择和维护系统，更是一个获取和保持可获利客户的方法和过程。业已成为世界领先的企业管理与经营理论、商业理念和运作模式，对于企业的客户关系的维持与保障具有重要意义。对于通信行业而言，CRM的内容更加宽泛，同时对于客户关系的管理具有更加重要的作用。
客户是通信行业维持营运的重要保障，客户代表着一家通信行业的服务水平和质量。因而高质量的客户是通信行业企业积极维护和重点运营的特殊资源。而通信行业客户关系管理是一种在基于客户既往选择与偏好的基础上做出的对客户与通信行业关系的切实分析与管理系统。通过应用数据挖掘系统，通信行业可以迅速实现对客户资源的认定和相应关系的明确。同时通过分析不同用户的选择偏好和使用频率，也可以针对性的定制不同的服务类型，使得客户归属感和被尊重感，这对于提升通信行业的综合竞争力，实现利润的增加具有重要意义。
为了实现客户管理进而对营销产生积极的影响，通信行业了解哪些是客户，客户的类型、每一类客户有什么不同的构成特征与相应的消费行为特征、客户群的流动趋势、相应的产品如何准确找到对应的客户群等问题。
2．数据挖掘技术在分析客户行为方面的应用
分析客户行为则必须使用聚类分析这种数据挖掘方法进行，首先要明确客户行为对于营销的意义。一般而言，客户行为对于产品的销售路径具有明显的影响，同时企业也可以根据不同客户的实际需求制定相应的产品或者服务来维持与客户的联系，避免客户流失]。该聚类分析法可采用K—means算法，假设有个对象需要分成类，那么在一算法中，首先随机地选择个对象代表个类，每一个对象作为一个类的中心，根据距离中心最近的原则将其他对象分配到各个类中。在完成首次对象的分配之后，以每一个类中所有对象的各属性均值作为该类的新的中心，进行对象的再分配，重复该过程直到中心没有变化为止，从而得到最终的分类。聚类分析用在通信行业中主要是对移动电话公司的业务进行分析，比如国内漫游、IP长途、省内通话、闲、忙时通话、呼叫次数、新业务使用等进行聚类分析，不同人群在资费选择、通话产品规划方面的不同方法，其中包含了对学识水平、工资情况、家庭状况、社交需求等的综合分析，进而形成良好的综合评价。
3．数据挖掘技术在分析经营数据方面的应用
对经营数据的挖掘主要利用关联规则进行，其主要分析的是隐藏在数据中的相互关系，给定一个指定的数据集合，通过分析数据记录组合形成记录中的相关性，将通信行业在不同领域之内的联系做合理的分析。
具体分析过程可以针对确定地区、计费组别、时长范围等进行筛选和分析，对不同区域用户的使用情况、资费套餐的订阅量等进行分析，通过分析并结合聚类分析中对不同行业人群的分析情况，确定出公司一定时间段内的经营情况。