數(shù)據(jù)分析論壇 - 數(shù)據(jù)挖掘理論 - 數(shù)據(jù)挖掘技術(shù)在移動(dòng)通信中的應(yīng)用 - powered b...
數(shù)據(jù)挖掘技術(shù)在移動(dòng)通信中的應(yīng)用
慧聰通信商務(wù)網(wǎng) 2004-02-10 14:26:41
王燕莉 安世全
重慶郵電學(xué)院計(jì)算機(jī)學(xué)院
1 引言
數(shù)據(jù)挖掘匯集了統(tǒng)計(jì)學(xué)、人工智能、數(shù)據(jù)庫(kù)等學(xué)科的內(nèi)容，是一門(mén)新興的交叉學(xué)科。這門(mén)學(xué)科旨在幫助人們從海量數(shù)據(jù)中發(fā)現(xiàn)有價(jià)值的信息，目前在商業(yè)中的應(yīng)用剛剛起步。國(guó)內(nèi)日趨激烈的移動(dòng)通信市場(chǎng)競(jìng)爭(zhēng)促使各移動(dòng)通信運(yùn)營(yíng)商去降低運(yùn)營(yíng)成本、提供差異化的客戶(hù)服務(wù)，而數(shù)據(jù)挖掘技術(shù)的應(yīng)用可以幫助運(yùn)營(yíng)商分析客戶(hù)消費(fèi)行為，識(shí)別客戶(hù)特征，輔助運(yùn)營(yíng)商進(jìn)行有效的市場(chǎng)營(yíng)銷(xiāo)和客戶(hù)服務(wù)。
2 數(shù)據(jù)挖掘技術(shù)概述
“數(shù)據(jù)挖掘包含了一系列旨在從數(shù)據(jù)集中發(fā)現(xiàn)有用而尚未發(fā)現(xiàn)的模式（Pattern）的技術(shù)。”[1]。確切地說(shuō)，數(shù)據(jù)挖掘是一種知識(shí)發(fā)現(xiàn)的過(guò)程，它主要基于統(tǒng)計(jì)學(xué)、人工智能、機(jī)器學(xué)習(xí)等技術(shù)，高度自動(dòng)化地分析數(shù)據(jù)，做出歸納性的推理，從中挖掘出潛在的模式，并對(duì)未來(lái)情況進(jìn)行預(yù)測(cè)，以輔助決策者評(píng)估風(fēng)險(xiǎn)、做出正確的決策。數(shù)據(jù)挖掘與聯(lián)機(jī)分析處理（On-Line Analytical Processing, OLAP）都是分析型工具。聯(lián)機(jī)分析處理作為驗(yàn)證型分析工具，“更多地依賴(lài)用戶(hù)輸入的問(wèn)題和假設(shè)”[2]， 使得用戶(hù)能夠快速地檢索到所需要的數(shù)據(jù)，而數(shù)據(jù)挖掘能夠自動(dòng)地發(fā)現(xiàn)隱藏在數(shù)據(jù)中的模式（Pattern）。
在實(shí)際應(yīng)用中，數(shù)據(jù)挖掘主要采用以下幾種方法進(jìn)行模式的發(fā)現(xiàn)：
（1）相關(guān)分析和回歸分析：相關(guān)分析主要分析變量之間聯(lián)系的密切程度；而回歸分析主要基于觀測(cè)數(shù)據(jù)建立變量之間適當(dāng)?shù)囊蕾?lài)關(guān)系。相關(guān)分析是回歸分析的基礎(chǔ)。
（2）時(shí)間序列分析：與相關(guān)分析類(lèi)似，目的也是為了挖掘出數(shù)據(jù)之間的聯(lián)系，但時(shí)間序列分析更加側(cè)重于數(shù)據(jù)在時(shí)間先后上的因果關(guān)系。
?。?）分類(lèi)分析：分類(lèi)分析首先為每一個(gè)觀測(cè)賦予一個(gè)標(biāo)記，然后檢查這些被標(biāo)記的觀測(cè)，描述出這些觀測(cè)的特征。這種描述可以是一個(gè)數(shù)學(xué)公式或者模型，利用它可以分類(lèi)新的觀測(cè)。常用的幾種典型的分類(lèi)模型有線性回歸模型、決策樹(shù)模型、基于規(guī)則模型和神經(jīng)網(wǎng)絡(luò)模型等。
聚類(lèi)分析：與分類(lèi)分析不同，聚類(lèi)分析的輸入是一組未標(biāo)定的記錄，目的是根據(jù)一定的規(guī)則，合理地劃分記錄集合。聚類(lèi)分析和分類(lèi)分析是一組互逆的過(guò)程，因此在很多分類(lèi)分析中適用的算法也同樣適用于聚類(lèi)分析。
3 數(shù)據(jù)挖掘在移動(dòng)通信中的應(yīng)用
目前移動(dòng)通信運(yùn)營(yíng)商都具有業(yè)務(wù)營(yíng)運(yùn)系統(tǒng)、客戶(hù)服務(wù)呼叫中心、業(yè)務(wù)受理網(wǎng)站等客戶(hù)信息系統(tǒng)，這些系統(tǒng)具有如下特點(diǎn)：
?。?）各個(gè)信息系統(tǒng)都各自比較完整地管理著客戶(hù)某一部分的信息，眾多的客戶(hù)數(shù)據(jù)、市場(chǎng)營(yíng)銷(xiāo)數(shù)據(jù)、帳務(wù)數(shù)據(jù)以不同的數(shù)據(jù)格式和訪問(wèn)方式分散在不同的系統(tǒng)中，形成眾多的信息孤島，在各個(gè)信息孤島中存在著冗余和不一致，不能滿足數(shù)據(jù)挖掘過(guò)程中數(shù)據(jù)必須具有單一視圖（Single View）的要求。
?。?）這些系統(tǒng)都是聯(lián)機(jī)事務(wù)處理（On-Line Transaction Processing, OLTP）系統(tǒng)，實(shí)時(shí)處理在線事務(wù)，不能適應(yīng)數(shù)據(jù)挖掘應(yīng)用大規(guī)模、頻繁的檢索和查詢(xún)操作。因此，數(shù)據(jù)挖掘的前提是必須建立企業(yè)級(jí)的客戶(hù)信息數(shù)據(jù)倉(cāng)庫(kù)，能夠把不同聯(lián)機(jī)事務(wù)處理系統(tǒng)的客戶(hù)數(shù)據(jù)聚集在一起，提供一個(gè)正確、完整和單一的客戶(hù)數(shù)據(jù)環(huán)境。
3.1 數(shù)據(jù)倉(cāng)庫(kù)的建立
數(shù)據(jù)倉(cāng)庫(kù)作為數(shù)據(jù)挖掘的基礎(chǔ)，不同于傳統(tǒng)的聯(lián)機(jī)事務(wù)處理系統(tǒng)，它具有面向主題的、集成的、不可更新以及隨時(shí)間變化的特性。各個(gè)聯(lián)機(jī)事務(wù)處理系統(tǒng)作為數(shù)據(jù)倉(cāng)庫(kù)的原始數(shù)據(jù)源，以文件方式提供客戶(hù)基本資料、客戶(hù)呼叫清單、客戶(hù)帳單、客戶(hù)聯(lián)系歷史記錄等數(shù)據(jù)。數(shù)據(jù)倉(cāng)庫(kù)通過(guò)ETL過(guò)程（抽取、轉(zhuǎn)換和加載）處理這些接口文件，并且按不同的主題域組織、存儲(chǔ)和管理這些客戶(hù)數(shù)據(jù)。通過(guò)數(shù)據(jù)倉(cāng)庫(kù)接口，對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的客戶(hù)數(shù)據(jù)進(jìn)行聯(lián)機(jī)分析和數(shù)據(jù)挖掘。整個(gè)數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)見(jiàn)圖1，主要由數(shù)據(jù)源、企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)和決策支持三個(gè)部分組成。
3.2 數(shù)據(jù)挖掘的主題定義
在建立完成企業(yè)級(jí)的客戶(hù)信息數(shù)據(jù)倉(cāng)庫(kù)之后，可以基于這個(gè)數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)進(jìn)行數(shù)據(jù)挖掘工作。但在數(shù)據(jù)挖掘工作開(kāi)展之前，必須明確數(shù)據(jù)挖掘所需要解決的問(wèn)題和所需要達(dá)到的預(yù)定目標(biāo)。也只有在目標(biāo)明確定義的前提下，數(shù)據(jù)挖掘的工作才有方向和意義。本文針對(duì)移動(dòng)通信運(yùn)營(yíng)商市場(chǎng)運(yùn)營(yíng)的特點(diǎn)，定義了以下主題作為數(shù)據(jù)挖掘的目標(biāo)。
3.2.1 客戶(hù)行為分析
利用分類(lèi)分析法和聚類(lèi)分析法對(duì)客戶(hù)通話行為進(jìn)行分析，從而得出客戶(hù)在消費(fèi)習(xí)慣、生活方式、社會(huì)聯(lián)系等方面的特征。對(duì)客戶(hù)行為分析的根本目的是為了按不同特征劃分客戶(hù)群，針對(duì)不同客戶(hù)群的特征，運(yùn)營(yíng)商可以進(jìn)行不同的市場(chǎng)營(yíng)銷(xiāo)活動(dòng)和客戶(hù)服務(wù)。在客戶(hù)群劃分中典型的應(yīng)用就是針對(duì)某一客戶(hù)群的消費(fèi)特征進(jìn)行某種移動(dòng)業(yè)務(wù)的營(yíng)銷(xiāo)。
3.2.2 優(yōu)惠策略仿真預(yù)測(cè)
優(yōu)惠是市場(chǎng)營(yíng)銷(xiāo)中十分重要的一部分，優(yōu)惠策略的不恰當(dāng)，常常會(huì)得到適得其反的市場(chǎng)效果。優(yōu)惠策略仿真預(yù)測(cè)就是通過(guò)已建立的客戶(hù)行為模型仿真客戶(hù)對(duì)優(yōu)惠策略的反應(yīng)，從而預(yù)測(cè)優(yōu)惠策略實(shí)施的效果。通過(guò)對(duì)優(yōu)惠策略的仿真，可以預(yù)測(cè)優(yōu)惠策略的成功與否，從而進(jìn)行相應(yīng)的調(diào)整和優(yōu)化。
3.2.3 客戶(hù)忠誠(chéng)度分析
客戶(hù)忠誠(chéng)度分析主要通過(guò)對(duì)客戶(hù)消費(fèi)金額和帳務(wù)支付的分析建立客戶(hù)價(jià)值模型，從而獲得客戶(hù)價(jià)值和離網(wǎng)傾向。客戶(hù)是運(yùn)營(yíng)商價(jià)值之所在，通過(guò)對(duì)客戶(hù)忠誠(chéng)度分析，有針對(duì)性的對(duì)高價(jià)值客戶(hù)進(jìn)行優(yōu)質(zhì)服務(wù)，對(duì)有離網(wǎng)傾向的客戶(hù)及時(shí)進(jìn)行挽留活動(dòng)對(duì)提高運(yùn)營(yíng)商市場(chǎng)占有率，降低營(yíng)銷(xiāo)成本是十分有用的。
3.2.4 反欺詐分析
目前，移動(dòng)運(yùn)營(yíng)商面臨的一個(gè)最嚴(yán)重的問(wèn)題是欠費(fèi)問(wèn)題，其中很大一部分是欺詐消費(fèi)，因此反欺詐消費(fèi)已經(jīng)成為移動(dòng)通信發(fā)展的關(guān)鍵。通過(guò)對(duì)客戶(hù)數(shù)據(jù)的多維分析、聚類(lèi)分析和孤立點(diǎn)分析可以建立客戶(hù)欺詐消費(fèi)模型，從而可以有效的對(duì)客戶(hù)消費(fèi)行為進(jìn)行監(jiān)控，對(duì)滿足欺詐消費(fèi)模型的消費(fèi)行為進(jìn)行告警。
3.2.5 競(jìng)爭(zhēng)對(duì)手分析
成熟的市場(chǎng)必然是一個(gè)競(jìng)爭(zhēng)比較充分的市場(chǎng)。不同運(yùn)營(yíng)商客戶(hù)之間的互聯(lián)互通是最基本的前提，因此通過(guò)對(duì)客戶(hù)與競(jìng)爭(zhēng)對(duì)手客戶(hù)之間通話的行為分析，可以建立有關(guān)競(jìng)爭(zhēng)對(duì)手經(jīng)營(yíng)和客戶(hù)服務(wù)的模型，比如競(jìng)爭(zhēng)對(duì)手客戶(hù)發(fā)展模型，通過(guò)對(duì)這些模型的使用，可以制定有效的市場(chǎng)應(yīng)對(duì)策略。
3.3 數(shù)據(jù)挖掘的過(guò)程
在數(shù)據(jù)挖掘目標(biāo)明確的前提下，可以基于已經(jīng)建成的企業(yè)級(jí)客戶(hù)信息數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行數(shù)據(jù)挖掘工作。本文將遵循以下步驟：?jiǎn)栴}定義、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)探索、建立模型、模型檢驗(yàn)、模型應(yīng)用以及投資回報(bào)分析，其中問(wèn)題定義已經(jīng)在上文主題定義部分完成。
在問(wèn)題定義之后，需要?jiǎng)?chuàng)建一個(gè)數(shù)據(jù)集市作為數(shù)據(jù)挖掘和分析的對(duì)象，一般抽取數(shù)據(jù)倉(cāng)庫(kù)中與問(wèn)題相關(guān)的數(shù)據(jù)子集作為數(shù)據(jù)集市。在創(chuàng)建集市過(guò)程中可以使用隨機(jī)抽樣、等距抽樣、分層抽樣和分類(lèi)抽樣等抽樣技術(shù)來(lái)減少數(shù)據(jù)集市的數(shù)據(jù)量；通過(guò)對(duì)數(shù)據(jù)的刪選和對(duì)小概率事件的放大，使得數(shù)據(jù)集市中數(shù)據(jù)的特征和規(guī)律性更加顯著。
在數(shù)據(jù)探索過(guò)程中，通過(guò)多維分析和可視化展現(xiàn)探索數(shù)據(jù)的特征，通過(guò)對(duì)數(shù)據(jù)進(jìn)行增刪操作或者根據(jù)現(xiàn)有變量重新組合生成一些新的變量來(lái)更加有效的描述數(shù)據(jù)特征；其中，對(duì)數(shù)據(jù)統(tǒng)計(jì)特性的分析在數(shù)據(jù)探索過(guò)程中起著十分重要的作用。建立數(shù)學(xué)模型是數(shù)據(jù)挖掘工作的核心環(huán)節(jié)，目前比較常用的建模方法有神經(jīng)元網(wǎng)絡(luò)模型、決策樹(shù)模型和回歸模型。數(shù)據(jù)挖掘中具體使用哪一種方法，取決于數(shù)據(jù)集市的特征和需要實(shí)現(xiàn)的目標(biāo)，在實(shí)際應(yīng)用中，往往是對(duì)多種建模方法的比較和綜合。在建模過(guò)程中，把數(shù)據(jù)分層為訓(xùn)練數(shù)據(jù)和校驗(yàn)數(shù)據(jù)，訓(xùn)練數(shù)據(jù)主要使用于建模過(guò)程中求解模型參數(shù)，而校驗(yàn)數(shù)據(jù)主要用于模型檢驗(yàn)。因此模型檢驗(yàn)階段的主要工作是把檢驗(yàn)數(shù)據(jù)代入已經(jīng)建立的模型中，觀察模型的響應(yīng)，通過(guò)比較模型的響應(yīng)和真實(shí)的數(shù)據(jù)，從而評(píng)估模型的準(zhǔn)確程度。如果模型的準(zhǔn)確性比較差，就需要重新進(jìn)行數(shù)據(jù)探索、建立新的模型、直至新模型檢驗(yàn)。因此，在實(shí)際應(yīng)用中，數(shù)據(jù)探索、建立模型、模型檢驗(yàn)是反復(fù)迭代的過(guò)程，見(jiàn)圖2。
數(shù)據(jù)挖掘的過(guò)程就是一個(gè)不斷探索數(shù)據(jù)特征、建立和檢驗(yàn)?zāi)Ｐ?，發(fā)現(xiàn)客戶(hù)消費(fèi)行為特征的過(guò)程；移動(dòng)運(yùn)營(yíng)商只有把模型的結(jié)果應(yīng)用到市場(chǎng)營(yíng)銷(xiāo)和客戶(hù)服務(wù)過(guò)程中，才能真正發(fā)揮數(shù)據(jù)挖掘的作用。
4 結(jié)論
移動(dòng)通信市場(chǎng)的激烈競(jìng)爭(zhēng)導(dǎo)致了面向市場(chǎng)營(yíng)銷(xiāo)和客戶(hù)服務(wù)的數(shù)據(jù)倉(cāng)庫(kù)的建設(shè)以及數(shù)據(jù)挖掘技術(shù)的應(yīng)用，本文在介紹了數(shù)據(jù)挖掘技術(shù)的基礎(chǔ)上，重點(diǎn)闡述了移動(dòng)通信運(yùn)營(yíng)商數(shù)據(jù)挖掘平臺(tái)的建立，以及基于這個(gè)平臺(tái)展開(kāi)數(shù)據(jù)挖掘的過(guò)程和數(shù)據(jù)挖掘的主題分析。應(yīng)該說(shuō)，運(yùn)營(yíng)商對(duì)各種技術(shù)應(yīng)用的最終目的是實(shí)施以客戶(hù)服務(wù)為中心的客戶(hù)關(guān)系管理（Customers Relation Management, CRM），但在目前情況下，本文認(rèn)為，移動(dòng)運(yùn)營(yíng)商當(dāng)務(wù)之急是在建立數(shù)據(jù)倉(cāng)庫(kù)的基礎(chǔ)上成功實(shí)施多主題的數(shù)據(jù)挖掘。
本站僅提供存儲(chǔ)服務(wù)，所有內(nèi)容均由用戶(hù)發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)
點(diǎn)擊舉報(bào)。
