关于开展数据技术在电信运营中的应用系统研究推广的建议.docVIP

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 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。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 Group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，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