《关于开展数据挖掘技术在电信运营中的应用系统研究推广的建议》由会员分享，可在线阅读，更多相关《关于开展数据挖掘技术在电信运营中的应用系统研究推广的建议（10页珍藏版）》请在金锄头文库上搜索。
1、关于开展数据挖掘技术在电信运营中的应关于开展数据挖掘技术在电信运营中的应 用系统研究推广的建议用系统研究推广的建议一、一、背景及现状背景及现状随着信息技术的超速发展，全球信息量以惊人的速度急剧增长据估计，每二十个月将增加一倍。目前的数据库系统虽然可以高效地实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势。 “信息是海量的，用途是广泛的。“人们面对太多的信息无法选择和消化，即淹没在繁杂的信息中，这种现象称为信息过载。信息资源分布的广泛性又绘用户寻找感兴趣的信息增加了困难，用户不知道如何更有效地发现自己所需的信息资源，这就是所谓的信息迷失。一
2、个崭新的挑战随之被提出来：如何才能不被信息海洋所淹没，如何才能从中发现对决策者有用的知识，如何才能提升信息的利用率呢？ 为了充分利用现有信息资源，从海量数据中找出隐藏的知识，数据挖掘技术应运而生并显示出强大的生命力。数据挖掘是近年来出现的客户关系管理（Customer Relationship Management， CRM） 、商业智能（Business Intelligence， BI）等热点领域的核心技术之一。数据挖掘技术的产生本身就有其强烈的应用需求背景，它从一开始就是面向应用的。数据挖掘技术在市场分析、业务管理、决策支持等方面有广泛的应用，是实现 CRM 和 BI 的重要技术手段之一
3、。具体涉及数据挖掘的商业问题有数据库营销（Database Marketing） 、客户群体划分（Customer Segmentation & Classification） 、背景分析（Profile Analysis） 、交叉销售（Cross-selling）等市场分析行为，以及客户流失分析(Churn Analysis)、客户信用评分(Credit Scoring)、欺诈甄别(Fraud Detection)等 。目前，数据挖掘在银行、电信、保险、交通、零售（如超级市场）等商业领域都有了成功的应用案例，而且随着竞争的加剧，对数据挖掘的需求将愈加迫切与强烈。最近 Gartner Grou
4、p 的一次高级技术调查将数据挖掘和人工智能列为“未来三到五年内将对工业产生深远影响的五大关键技术”之首，并且还将并行处理和数据挖掘列为未来五年内投资焦点的十大新兴技术前两位。根据最近 Gartner 的 HPC 研究表明， “随着数据捕获、传输和存储技术的快速发展，大型系统用户将更多地需要采用新技术来挖掘市场以外的价值，采用更为广阔的并行处理系统来创建新的商业增长点。 电信运营商拥有规模庞大的通信网络，数以百万计的用户在这些通信网络中进行大量的通信行为并产生巨大的各种数据。随着信息化技术的发展，几乎用户在通信网络中产生的各种数据都进行了持续的存储。这些数据大体可以分为三种，第一种是电信运营数据
5、，主要是各种帐务类、营销类数据等；第二种是电信运行数据，主要包括网络运行状态数据，资源数据，用户通信记录数据等；第三种是用户数据，主要有用户个人信息数据，用户终端数据等。电信运营商的日常运作和管理就是以这些数据的分析和管理为重要基础，传统数据处理方式主要是根据阶段需要对这些数据或者部分数据采取报表分析式的浅层次利用，对于这些数据之间的联系及其蕴含的更深层次的信息利用较少。如何对如此庞大的“数据宝藏”进行充分的分析利用，指导市场发展、网络优化、风险防范等电信运营过程中的重要环节是值得探讨的问题。数据挖掘技术在金融、电子商务等众多行业得到了广泛而又有效的应用，其核心思想就是利用大量的历史数据分析关
6、联性或预测未来。电信运营商已经具备了数据基础，也有在营销、维护、规划、优化等方面精细化管理的需求，数据挖掘技术很好的契合了这些需求。在激烈的竞争环境下，电信运营商也越来越重视数据分析工作。利用数据挖掘技术分析处理规模巨大的电信运营数据，解决业务发展、网络管理、个性化服务等问题对电信运营商保持有利的竞争地位将具有深远而重大的意义。近些年，随着移动通信和数据通信的不断发展，如何将数据挖掘技术及数据仓库、销售自动化等其它信息技术与最佳的商业实践紧密结合在一起，收集并提取出与客户相关的有用信息，利用模型及其他技术方法进行决策支持和营销分析，是国内外在自动化商业问题解决方案领域十分重要的研究课题。数据挖
7、掘技术在电信领域应用最广泛的是客户流失预测，通过对客户流失预测模型的分析，采取相应的行动挽留客户以降低客户流失率。国外对这方面的研究已有十多年的时间，而且己经研究出较为成熟的模型，投入到市场应用之中。如英国电信为了在经营过程中获得更高的投资回报，选用了 SPSS 的数据挖掘产品Clementine，通过分析用户数据，建立模型来预测客户使用某种业务的倾向。通过应用该模型使运营商能更好地了解其客户以及他们在电信市场的行为特征。从而为销售人员提供了有可能使用该项业务的潜在的客户清单，同时使直邮活动在这些客户中的回应率提高了 100。而国内在通信领域应用数据挖掘的研究还处于起步阶段，虽然目前有关这方面
8、的研究与讨论日渐增多，但是真正意义上大规模、有计划、有步骤地把数据挖掘运用到实际的经营决策中的还不多。所以研究数据挖掘在我国通信业的应用有重要的价值。而在网络运行管理和网络优化方面的研究，是在近两三年才开始的，相关经验较少。二、二、机遇机遇目前，三大运营商都对数据分析工作非常重视，开始在生产过程中逐步应用数据挖掘技术。经营分析系统作为支撑运营分析及管理决策的重要工具，是各大运营商非常典型的数据分析应用。各个运营商已经把经营分析系统作为固定模块内嵌到生产系统中。但是当前的经营分析系统还是停留在 OLAP 阶段，提供不同层次的数据呈现，离数据挖掘的应用还有一段距离。随着一些专业数据挖掘服务提供商的
9、出现，面向电信运营商提供客户关系管理、市场营销、风险管理和决策支持的数据分析服务开始涌现，具体应用较多的包括客户行为细分模型、客户离网预警模型、客户综合价值评估模型、交叉销售模型、客户信用评估模型、欺诈行为预警模型等。但是这些应用还没有部署在电信运营商生产环节中，仅仅作为特定时期的特定需求进行提供。同时，面向电信网络运行管理及网络优化等领域的数据挖掘研究及应用还比较少。在电信运营商现网部署应用的更少。开展电信领域的数据挖掘应用系统研究推广是存在很大的需求的。开展电信领域的数据挖掘应用系统研究推广是存在很大的需求的。实施数据挖掘需要一定的技术力量，当前国内开展数据挖掘研究及应用推广的基本上是 S
10、AS、SPSS 等国际巨头公司或者从这些公司分离出来的一部分人员和机构，应用推广的领域也大多在医药、生物等前沿科学的数据支撑方面，专注于电信运营领域的应用研究和推广还比较少，但也已经开始逐步进入。从可以获得的资料来看，在电信运营领域从事数据挖掘专业应用推广的主要有上海华院、四川磐诺等公司，他们与中国移动有一定的合作项目，主要围绕市场销售的深度分析。开展电信领域的数据挖掘应用系统研究推广是有相对轻松的开展电信领域的数据挖掘应用系统研究推广是有相对轻松的竞争环境的。竞争环境的。数据挖掘技术已经提出并发展近 20 年的时间，前期的研究热点在挖掘算法及数据挖掘系统软件的开发，经过这些年的发展，数据挖掘
11、的算法、系统软件等相关技术都已经形成了比较成熟的体系。近几年加强了对应用推广的研究，特别是提出了诸如 WEB 挖掘、文本挖掘等与电信运营领域关系较为紧密地应用系统研究。开展电信领域的数据玩具应用系统研究推广是符合数据挖掘技术的开展电信领域的数据玩具应用系统研究推广是符合数据挖掘技术的发展方向的。发展方向的。从电信运营领域相关的数据模型来看，电信领域的数据不存在任何特殊性，而且从电信领域获取的数据基本上是规范化的，目前的数据挖掘技术已经能够满足一段时期的应用需求，数据挖掘的本身难度不大，而欠缺的恰恰是对数据的应用系统研究和利用。开展电信领域的数据挖掘应用系统研究推广是具备实开展电信领域的数据挖掘
12、应用系统研究推广是具备实施条件的。施条件的。电信运营领域的运营数据、运行数据和用户信息数据大多掌握在不同的部门中，数据挖掘的实施需要多个维度的数据源，依托于电信运营商现有的架构和职责划分，由哪个部门或者组织来实施决策支撑等工作中所需要的数据挖掘职责还没有很好的得到解决，甚至说对于挖掘得到的“知识”如何应用到生产中去从而对生产活动产生积极的作用也还需要一个中间转换得角色，也就是能够实施数据挖掘并将挖掘得到的知识转换成具体的工作实施建议。这些，恰恰是一个数据挖掘应用研究组织所从事的核心工作。开展电信领域的数据挖掘应开展电信领域的数据挖掘应用系统研究推广是具备组织发展需要的。用系统研究推广是具备组织
13、发展需要的。三、三、可行性可行性下面从人、材、物、料、法等方面进行电信运营中数据挖掘应用系统研究推广的可行性进行阐述：1依托于高校，成立研究所，一方面可以与学校的教学科研结合起来，为广大的师生提供数据挖掘及软件工程等领域的研究课题和素材；另一方面，丰富的高校师生资源也为项目的系统实现提供了充足的人力保障；2研究所由曾从事过电信运营数十年的资深人员组成核心规划组，在深刻领会电信运营需求和具体应用的基础上，提出发展方向和研究课题，并对后期的整合进行保障，确保项目的可行和有效；3数据挖掘技术的应用研究主要围绕数据开展，固定资产投资不大，经营压力适当；4针对某一公司推出的应用系统在全国的所有运营商都有
14、应用推广的价值，可以形成全面开花的局面；5在进行数据挖掘项目研究开发的同时，也可以进行相应的拓展，一方面考虑领域的拓展，从电信运营领域的数据挖掘拓展到其他行业的数据分析；另一方面考虑广度的拓展，从电信运营领域的数据挖掘拓展到微型软件系统的承接；6通过数据挖掘，可以提升电信运营商的管理水平和管理效率，也可以在提升客户满意度、降低运营成本等方面发挥重要作用。四、四、典型应用典型应用从“电信运营”意义上讲，电信运营商的日常运作和管理就是以运营数据、运行数据和用户数据等三类数据的分析和管理为重要基础而展开的一系列工作。数据挖掘技术在电信运营领域有着非常广泛的应用前景，当前可以进行的就包括资源数据预测、
15、故障定位支持、垃圾短信行为分析、入侵检测模型、网络优化专家系统、经营数据预测、业务推荐系统、欠费催收模型、客户离网分析等。当然，如果能够结合电信运营商不同时期的发展需要，解决发展中遇到的问题，应用系统的价值和意义将得到更好的凸显。1 1、流量分析预警系统的意义、流量分析预警系统的意义当前，中国联通 3G 用户数已经达到 2700 万，重庆联通的 3G 用户数也达到了 50 万。3G 用户与 2G 用户最主要的区别就是在于 PS 业务的大量应用和终端的智能化普及。3G 用户的月均流量使用达到了 200M 以上。从计费体制上看，也打破了固定互联网的按时长计费的方式，采用了按照流量计费的方式，并且不
16、提供流量内容详单。所有的这些变化，给运营商带来了一个挑战：流量计费争议。据统计，目前每个月由于流量计费争议带来的投诉达到 例，引起的升级投诉 例，且有随着用户量的增长和流量的普及进一步激增的趋势。这个挑战首先造成用户满意度降低，其次给客服前台部门带来服务支撑压力，第三影响用户流量提升甚至影响企业形象。如何能够逐步控制并降低流量计费争议，当前主要有三个供选择的方案，方案一是在网关侧增加系统，提供用户上网提醒和确认功能，但是该系统投资比较大；方案二是实施计费系统的改造，提供内容计费及展示，但是该系统还没有标准的框架，且涉及到全网的设备改造；方案三是利用数据挖掘技术建立敏感用户分析预警系统，对高敏感用户进行上网提醒，对敏感用户进行套餐推荐，对稳定用户进行业务推送。2 2、流量分析预警系统的建设方法、流量分析预警系统的建设方法下面以 CRISP-DM 模型标准对方案三的数据挖掘方法进行进一步的阐述：I. 业务理解造成流量计费争议的原因归结起来主要存在于：一部分用户对“流量计费”这种计费规则还没有完全接受；一部分用户没有定制流量包套餐而使用的标准套餐，费用较高；一部分用户由
