電信帳單數(shù)據(jù)挖掘.doc

電信帳單數(shù)據(jù)挖掘17一概述11.1項目背景11.2數(shù)據(jù)挖掘和相關(guān)概念11.2.1數(shù)據(jù)挖掘的概念和過程11.2.2數(shù)據(jù)挖掘在電信管理中的應(yīng)用21.3項目計劃31.3.1項目目標(biāo)31.3.2時間安排41.3.3人員組織5二項目實施62.1選擇數(shù)據(jù)挖掘工具62.2建立數(shù)據(jù)庫表建立和數(shù)據(jù)清理72.3建立數(shù)據(jù)多維存儲82.3.1維度創(chuàng)建82.3.2OLAP存儲創(chuàng)建92.3.3OLAP數(shù)據(jù)分析102.4數(shù)據(jù)挖掘122.4.1決策樹計算（月用戶數(shù)量分析）132.4.2用戶分類（聚類分析）14三總結(jié)15一概述1.1項目背景隨著國內(nèi)電信市場競爭的日趨激烈，電信運營商的經(jīng)營模式逐漸從“技術(shù)驅(qū)動”向“市場驅(qū)動”、“客戶驅(qū)動”轉(zhuǎn)化。這就要求運營商要采取以客戶為中心的策略，根據(jù)客戶的實際需求提供多樣化、層次化、個性化的服務(wù)解決方案。因此，客戶關(guān)系管理（CRM）成了電信運營商增加收入和利潤，提高客戶滿意度、忠誠度的有效工具。在客戶關(guān)系管理的流程中，為了準(zhǔn)確、及時地進行經(jīng)營決策，必須充分獲取并利用相關(guān)的數(shù)據(jù)信息對決策過程進行輔助支持。近幾年迅速發(fā)展起來的數(shù)據(jù)挖掘技術(shù)就是實現(xiàn)這一目標(biāo)的重要手段。 1.2數(shù)據(jù)挖掘和相關(guān)概念1.2.1數(shù)據(jù)挖掘的概念和過程 1數(shù)據(jù)挖掘的概念數(shù)據(jù)挖掘是根據(jù)企業(yè)的既定業(yè)務(wù)目標(biāo)和存在的問題，對大量的業(yè)務(wù)數(shù)據(jù)進行探索，揭示其中隱藏的規(guī)律，并將其模型化，指導(dǎo)并應(yīng)用于企業(yè)的實際經(jīng)營。 數(shù)據(jù)挖掘是建立在數(shù)據(jù)倉庫基礎(chǔ)上的高層應(yīng)用，但數(shù)據(jù)挖掘跟數(shù)據(jù)倉庫的其它一些應(yīng)用如OLAP分析、預(yù)定義報表和即席查詢等有很大的區(qū)別。后三者通常是用戶根據(jù)已知的情況對所關(guān)心的業(yè)務(wù)指標(biāo)進行分析；而前者則是在業(yè)務(wù)問題和目標(biāo)明確但考察的問題不清楚時，對數(shù)據(jù)進行探索，揭示隱藏其中的規(guī)律性，進而將其模型化。 2數(shù)據(jù)挖掘過程數(shù)據(jù)挖掘是一個循環(huán)往復(fù)的過程，通常涉及數(shù)據(jù)準(zhǔn)備、建立模型、評估和解釋模型、運用和鞏固模型等步驟。 （1）數(shù)據(jù)準(zhǔn)備：數(shù)據(jù)準(zhǔn)備工作包括數(shù)據(jù)的選擇（選擇相關(guān)和合適的數(shù)據(jù)）、探索（了解數(shù)據(jù)分布情況和異常數(shù)據(jù)等）、修正（包括缺失數(shù)據(jù)的插值等）和變換（離散值數(shù)據(jù)與連續(xù)值數(shù)據(jù)的相互轉(zhuǎn)換，數(shù)據(jù)的分組分類，數(shù)據(jù)項的計算組合等）。 （2）建立模型：選取數(shù)據(jù)挖掘工具提供的算法并應(yīng)用于準(zhǔn)備好的數(shù)據(jù)，選取相應(yīng)參數(shù)，生成模型。 （3）評估和解釋模型：對模型進行比較和評估，生成一個相對最優(yōu)模型，并對此模型用業(yè)務(wù)語言加以解釋。 （4）運用和鞏固模型：對模型在實際應(yīng)用中的表現(xiàn)進行監(jiān)控，如果模型表現(xiàn)不好，則對模型作進一步的考察和修正，以反映業(yè)務(wù)運作規(guī)律的變化。1.2.2數(shù)據(jù)挖掘在電信管理中的應(yīng)用電信運營商擁有許多熟的數(shù)據(jù)庫應(yīng)用系統(tǒng)，如網(wǎng)管系統(tǒng)、財務(wù)系統(tǒng)、計費賬務(wù)系統(tǒng)、112障礙管理系統(tǒng)、繳費銷賬系統(tǒng)等，并產(chǎn)生了大量的業(yè)務(wù)處理數(shù)據(jù)。如果針對客戶關(guān)系管理相關(guān)決策分析的需求，對這些數(shù)據(jù)進行重組整合，就能充分利用這些寶貴的數(shù)據(jù)，體現(xiàn)信息的真正價值。 數(shù)據(jù)挖掘技術(shù)在電信行業(yè)主要應(yīng)用領(lǐng)域如下：（1）客戶消費模式分析客戶消費模式分析（如固話話費行為分析）是對客戶歷年來長話、市話、信息臺的大量詳單、數(shù)據(jù)以及客戶檔案資料等相關(guān)數(shù)據(jù)進行關(guān)聯(lián)分析，結(jié)合客戶的分類，可以從消費能力、消費習(xí)慣、消費周期等諸方面對客戶的話費行為進行分析和預(yù)測，從而為固話運營商的相關(guān)經(jīng)營決策提供依據(jù)。 （2）客戶市場推廣分析客戶市場推廣分析（如優(yōu)惠策略預(yù)測仿真）是利用數(shù)據(jù)挖掘技術(shù)實現(xiàn)優(yōu)惠策略的仿真，根據(jù)數(shù)據(jù)挖掘模型進行模擬計費和模擬出賬，其仿真結(jié)果可以揭示優(yōu)惠策略中存在的問題，并進行相應(yīng)的調(diào)整優(yōu)化，以達(dá)到優(yōu)惠促銷活動的收益最大化。（3）客戶欠費分析和動態(tài)防欺詐通過數(shù)據(jù)挖掘，總結(jié)各種騙費、欠費行為的內(nèi)在規(guī)律，并建立一套欺詐和欠費行為的規(guī)則庫。當(dāng)客戶的話費行為與該庫中規(guī)則吻合時，系統(tǒng)可以提示運營商相關(guān)部門采取措施，從而降低運營商的損失風(fēng)險。 （4）客戶流失分析根據(jù)已有的客戶流失數(shù)據(jù)，建立客戶屬性、服務(wù)屬性、客戶消費情況等數(shù)據(jù)與客戶流失概率相關(guān)聯(lián)的數(shù)學(xué)模型，找出這些數(shù)據(jù)之間的關(guān)系，并給出明確的數(shù)學(xué)公式。然后根據(jù)此模型來監(jiān)控客戶流失的可能性，如果客戶流失的可能性過高，則通過促銷等手段來提高客戶忠誠度，防止客戶流失的發(fā)生。這就徹底改變了以往電信運營商在成功獲得客戶以后無法監(jiān)控客戶流失、無法有效實現(xiàn)客戶關(guān)懷的狀況。 1.3項目計劃1.3.1項目目標(biāo)電信公司每個月的帳單有數(shù)百萬條，牽涉到千家萬戶，這些數(shù)據(jù)中有很多寶貴的東西，可以從這些資料中獲得寶貴的資料。電信的產(chǎn)品非常多，主要有以下一些種類：普通電話（市內(nèi)電話）、長途電話、小靈通和寬帶業(yè)務(wù)，這些業(yè)務(wù)是電信業(yè)務(wù)的主體；電信公司的帳單目前按自然月開帳，每個月給用戶郵寄帳單；電信公司具有劃分為多個區(qū)域包括（區(qū)局、分局）。項目的目標(biāo)之一就是對這些數(shù)據(jù)進行分類統(tǒng)計，按照產(chǎn)品/時間/區(qū)域等對數(shù)據(jù)進行分類統(tǒng)計（建立三個維度），如本地、長途、寬帶、小靈通用戶數(shù)；本地（長途和小靈通）通話次數(shù)和平均時長，語音ARP（平均用戶收入）值，寬帶ARP值，小靈通ARP值等。決策樹分析，統(tǒng)計月收入的變化情況，對用戶進行聚類分析，將用戶分為不同的等級。項目目標(biāo)之二是進一步加深對數(shù)據(jù)挖掘的認(rèn)識，通過上課，我們已經(jīng)初步了解了數(shù)據(jù)挖掘的基本原理和基本算法，通過電信數(shù)據(jù)挖掘這個實踐，可初步掌握數(shù)據(jù)挖掘的一般過程和工具，對數(shù)據(jù)挖掘有更深刻的認(rèn)識，這對今后的工作是有非常大的好處的。通過項目也可以促進項目組人員之間的了解，取長補短，共同提高技能。1.3.2時間安排初步時間安排為三周時間時間安排備注第一周l 項目需求l 系統(tǒng)分析l 人員分工l 選擇數(shù)據(jù)挖掘工具l 建立數(shù)據(jù)庫表結(jié)構(gòu)l 建立挖掘模型第二周 l 數(shù)據(jù)清理，轉(zhuǎn)換成數(shù)據(jù)庫表l 建立多維度OLAP數(shù)據(jù)存儲模型l OLAP數(shù)據(jù)分析第三周l 數(shù)據(jù)挖掘l 知識發(fā)現(xiàn)l 編寫課題報告和演示報告，演示成果1.3.3人員組織二項目實施2.1選擇數(shù)據(jù)挖掘工具目前市場上的數(shù)據(jù)挖掘工具比較多，一般而言，目前市場上這些數(shù)據(jù)挖掘工具又可分成兩類企業(yè)型工具以及小型工具。l 企業(yè)型數(shù)據(jù)挖掘工具：應(yīng)用在需要高處理能力、高網(wǎng)絡(luò)容量和大數(shù)據(jù)量的場合下。這些工具通常支持多種平臺，并基于客戶機/服務(wù)器結(jié)構(gòu)。它通?？梢灾苯舆B接一些 復(fù)雜的數(shù)據(jù)管理系統(tǒng)(不像普通文本文件)，并能處理大量的數(shù)據(jù)。這類數(shù)據(jù)挖掘工具的另一個特點是它通常提供了多種數(shù)據(jù)挖掘算法，并有能力解決多種應(yīng)用問 題。企業(yè)數(shù)據(jù)挖掘工具的實例有IBM的Intelligent Miner和SAS Enterprise Miner，SPSS Clementine等。l 小型數(shù)據(jù)挖掘工具：它與企業(yè)型的工具著眼點不同。小型數(shù)據(jù)挖掘工具或者是針對低端、低消費的用戶，或者是為解決特定的應(yīng)用問題提供特定的解決方案。比如Oracle公司的 Darwin，Insightful公司的Insightful Miner，等等。本次項目選擇的工具為Microsoft Analysis Servicel 優(yōu)點 掌握快，易上手，適合初學(xué)者和本次項目 支持多種數(shù)據(jù)庫，支持ODBC接口 成本低，SQL Server2000自帶的Service Pack包l 缺點 只能做很簡單的挖掘工作，過于傻瓜 只支持基于維度的數(shù)據(jù)挖掘 只支持決策樹和聚類分析2.2建立數(shù)據(jù)庫表建立和數(shù)據(jù)清理根據(jù)電信帳單數(shù)據(jù)挖掘項目的要求，選擇比較簡單的ACCESS數(shù)據(jù)庫存儲數(shù)據(jù)，ACCESS的操作比較簡單，由于數(shù)據(jù)庫的通用性，今后也可以擴展到大型數(shù)據(jù)庫，如ORACLE，SYBASE，DB2等，建立如下的表結(jié)構(gòu)如下：1電信帳單事實表該表記錄了電信的帳單2產(chǎn)品表3區(qū)域表 4時間表由于電信帳務(wù)數(shù)據(jù)庫非常復(fù)雜，結(jié)構(gòu)繁多，不利于數(shù)據(jù)挖掘，因此必須首先進行數(shù)據(jù)清理，規(guī)范化數(shù)據(jù)。利于挖掘的數(shù)據(jù)庫應(yīng)該是星型或雪花形的數(shù)據(jù)結(jié)構(gòu)，我們的數(shù)據(jù)庫表的關(guān)聯(lián)關(guān)系如圖所示：數(shù)據(jù)清理后得到以下的數(shù)據(jù)：l 總共建立計費數(shù)據(jù)事實表，數(shù)據(jù)總量為132762條；l 建立從2003-2004年的時間表；l 建立區(qū)局-分局的對應(yīng)關(guān)系表，總共13個區(qū)局和180個分局；l 建立產(chǎn)品表（普通電話，長途電話，小靈通和寬帶）。2.3建立數(shù)據(jù)多維存儲2.3.1維度創(chuàng)建數(shù)據(jù)多維存儲是OLAP（在線事物處理）的存儲形式，不同于數(shù)據(jù)庫的關(guān)系結(jié)構(gòu)，采用了立方體的存儲結(jié)構(gòu)，更利于數(shù)據(jù)的快速匯總和查找。立方體的結(jié)構(gòu)以數(shù)據(jù)維度為基礎(chǔ)，為此我們建立了三個維度，時間、區(qū)域和產(chǎn)品，有些維度分等級，如時間和區(qū)域就分兩級維度，因為時間可以分到年/月，區(qū)域這里分為區(qū)局和分局兩級。如圖所示區(qū)域維的結(jié)構(gòu)：同樣可創(chuàng)建其它維度，Analysis Service可根據(jù)多種表結(jié)構(gòu)創(chuàng)建數(shù)據(jù)維度，如同一張表內(nèi)創(chuàng)建，表內(nèi)的自關(guān)聯(lián)創(chuàng)建，父子表的創(chuàng)建等。2.3.2OLAP存儲創(chuàng)建根據(jù)Analysis Service的向?qū)Э梢詣?chuàng)建數(shù)據(jù)的多維存儲，生成較容易分析的多維存儲結(jié)構(gòu)，在本例中，帳單事實表的大小約為30MB，經(jīng)過Analysis Service的處理生成OLAP存儲后數(shù)據(jù)可以大大壓縮，并以文件形式保存，減少了分析的時間，特別適合統(tǒng)計工作。2.3.3OLAP數(shù)據(jù)分析利用OLAP分析工具和生成的OLAP存儲文件，可以對數(shù)據(jù)進行初步的分析工作，如圖所示：由上圖可見各年度，各區(qū)局，各種相關(guān)產(chǎn)品的統(tǒng)計情況，可進行上鉆和下鉆的操作，如先看每年的情況，下鉆后可以看到每月的情況，粒度更細(xì)微，為分析提供的數(shù)據(jù)更詳細(xì)，同理也可只看某一區(qū)局的數(shù)據(jù)，通過下鉆可以看到更細(xì)的分局的數(shù)據(jù)。還可以通過不同維度的排列組合，獲得所需要分析的數(shù)據(jù)，滿足不同用戶對數(shù)據(jù)分析的需求。此外還可以提供鉆取功能，直接看到數(shù)據(jù)庫的原始記錄，更方便分析。如圖鉆取數(shù)據(jù)庫的原始數(shù)據(jù)：2.4數(shù)據(jù)挖掘數(shù)據(jù)挖掘基于OLAP，但是OLAP只是數(shù)據(jù)挖掘的基礎(chǔ)，而本身并不是數(shù)據(jù)挖掘。數(shù)據(jù)挖掘有一些方法：如關(guān)聯(lián)分析、分類和預(yù)測、聚類分析等，每一種類方法又有許多不同的算法：如分類預(yù)測就包括判定樹、貝葉斯分類、后向傳播分類、回歸算法等。目前Microsoft Analysis Service僅支持聚類分析和決策樹算法，決策數(shù)算法可以根據(jù)以下例子說明：.市場部想分析當(dāng)前銷售事務(wù)并找出客戶統(tǒng)計信息（性別、婚姻狀況、年收入等等）和所申請會員卡（金卡/銀卡/普通卡）之間的模式。然后根據(jù)這些信息和申請會員卡的客戶的特征重新定義會員卡?？赡艿玫饺缦碌臎Q策樹：10萬20-30歲銀卡5-10萬30-40歲50歲男性普通卡4萬4-12萬12萬40歲根據(jù)以上決策樹，我們可以判斷客戶選卡的模式，男性30-40歲年收入大于10萬的比較偏好選擇金卡。根據(jù)決策樹所構(gòu)造的結(jié)果是實現(xiàn)我們并不知道的一個結(jié)果，就象關(guān)聯(lián)分析中我們并不知道尿布和啤酒是關(guān)聯(lián)商品，往往用戶會同時購買一樣，決策樹的分枝是有數(shù)據(jù)和決策樹算法決定的，如果使用現(xiàn)成工具進行決策樹的挖掘，我們無法預(yù)料能產(chǎn)生什么樣的決策結(jié)果。2.4.1決策樹計算（月用戶數(shù)量分析）根據(jù)以上算法計算一個決策樹，判斷各月的收入情況，可以得到以下的分析結(jié)果：可以看到某些月份用戶數(shù)量比較多，而有些月份用戶數(shù)量比較少。這樣市場部就可以根據(jù)用戶數(shù)量在淡季進行有針對性的促銷活動。2.4.2用戶分類（聚類分析）我們要求對用戶進行分類，但我們并不知道要怎么樣分類，我們將數(shù)據(jù)交Anaylise Service 處理，Anaylise Service為我們得到一個分類，可以作為用戶分類的依據(jù)。分類結(jié)果如下表所表示：月話費用戶數(shù)百分比13000.7585236.4%全部132762100%可見用戶大多數(shù)還是以低端用戶為主（數(shù)據(jù)經(jīng)過處理），高端用戶也有6.4%，主要是企業(yè)用戶。三總結(jié)通過對該項目的初步挖掘，產(chǎn)生了一些挖掘結(jié)果，但由于考慮到電信安全性，因此數(shù)據(jù)經(jīng)過了一些處理，可能與實際情況并不十分符合。而且由于工具的缺乏，也可能導(dǎo)致挖掘結(jié)果的不夠完善。真正的電信數(shù)據(jù)挖掘也還存在以下一些問題：（1） 數(shù)據(jù)質(zhì)量和完備性：電信公司不象移動公司，用戶和手機是綁定的，有比較完善原始數(shù)據(jù)，電信公司的一個電話是好多人同時使用的，因此無法對用戶的通信行為模式進行詳細(xì)的分析。目前很多分析只是數(shù)據(jù)報表，還沒有上升到數(shù)據(jù)挖掘的高度，不能從大量數(shù)據(jù)中得到真正的金子。（2） 國內(nèi)電信運營商現(xiàn)有的、面向事務(wù)的數(shù)據(jù)在質(zhì)量、完整性和一致性上存在許多問題，必須投入大量的精力去進行數(shù)據(jù)的抽取、凈化和處理。此外，業(yè)務(wù)問題的相關(guān)數(shù)據(jù)有時難以全面收集。例如客戶信用是客戶價值評估中的關(guān)鍵因素，但由于國內(nèi)未建立完善的信用體系，無法根據(jù)現(xiàn)有客戶數(shù)據(jù)建立優(yōu)質(zhì)的信用評價模型，從而導(dǎo)致客戶價值模型有效性的降低。 （3） 相應(yīng)的人員素質(zhì)：在數(shù)據(jù)挖掘應(yīng)用過程的多個環(huán)節(jié)中，人的主觀辨識和控制是應(yīng)用成敗的關(guān)鍵，這就對系統(tǒng)使用人員提出了很高的要求。如果沒有具備相應(yīng)素質(zhì)的使用和維護人員，必將導(dǎo)致分析系統(tǒng)與現(xiàn)實脫