基于BI可复用元模型方法电信客户流失预测应用研究.doc

基于BI可复用元模型方法电信客户流失预测应用研究 　　【摘 要】为了解决现有企业级BI（商业智能）系统中经营分析应用软件开发成本高、效率低的问题，提出一种基于可复用元模型的软件过程建模方法，实现了应用模型的快速开发与共享。将RSPM方法运用在电信客户流失预测模型中，结果表明该方法可实现模型快速移植，解决各分公司重复开发的问题。 　　【关键词】BI系统 客户流失预测 元模型 　　1 引言 　　随着移动互联网运营时代的到来，电信运营商间的竞争日益激烈。从2G跨越到3G乃至4G，网络的变化带来用户体验的变化，由此产生大量客户流失和转网的情况，如何高效、低成本地实现客户保有是运营商面临的挑战。 　　市场营销部门往往运用客户流失预测模型，找出可能流失的客户群体，制定有针对性的保有策略，以提高客户挽留的成功率[1]。这些模型由各分公司独立开发，构建在各自基于数据仓库的商业智能系统中；由于分公司间缺少沟通机制，各自商业智能系统平台也是异构的，因而解决同一类业务问题的应用模型在全网范围内存在重复构建、浪费成本的问题。如果能有一种方法使这类模型在各分公司间快速复用，不仅可以节约成本，同时可以提升开发效率，实现更及时地响应市场需求的目的。 　　2 电信客户流失预测模型介绍 　　客户流失预测是利用客户记录的历史数据对潜在的流失客户进行判断的过程[2]，通过采用特定的算法，从数据中找到并形成固有的规律。 　　2.1 常见预测算法 　　电信客户流失预测模型常见的构建算法有：业务经验指标判别方法和数据挖掘方法。业务经验指标判别方法包括业务特征指标预警判别法和业务指标综合评估法；数据挖掘方法有LOGISTIC回归、决策树、神经网络等方法。下面对常见的几种算法进行重点描述。 　　（1）LOGISTIC回归 　　LOGISTIC回归是研究因变量为二分类观察结果与影响因素（自变量）之间关系的一种多变量分析方法，公式如下： 　　（1） 　　其中：y=变量1*系数1+变量2*系数2+…+变量n*系数n（变量1～n是客户流失的影响因素，系数1～n是各影响因素的权重）。 　　该方法为每个电信客户的流失倾向打分，得出客户??失的概率p，输出最具流失倾向的客户名单供营销人员进行客户关系维护。 　　（2）业务特征指标预警判别法 　　根据用户消费行为、业务办理行为、资费套餐订购情况等维度进行多方位监控，业务特征指标预警判别法通过某个或多个特征指标的告警（捕获了用户异常情况），来判断用户是否有流失倾向，及时对用户的异常情况进行分析，对预警客户采取针对性的营销服务，达到客户保有的目的。 　　（3）业务指标综合评估法 　　业务指标综合评估法是对各项指标设置不同的权重和得分规则，最后将所有指标得分相加得到每个客户的综合得分，对客户离网倾向进行较为全面的评估。 　　（4）通话时间异动预警方法 　　通话时间异动预警方法根据用户在即将流失时通话模式发生改变这一行为特征，通过观察时间周期内各客户每日通话的时间间隔和计算出的客户通话时间间隔规律分布，对通话时间间隔产生异常的用户进行识别。 　　2.2 常见预测方法比较分析 　　各种方法适用性及性能不同：LOGISTIC回归解释性好，是预测目标为二元分类（如：流失、不流失）问题的较普遍的应用方法；通话时间异动预警方法具有计算量小、及时性强的特点，适用于预测客户流失倾向的业务需求；而基于业务规则设置的业务特征指标预警判别法和业务指标综合评估法的规则明确、易于实现。 　　3 基于BI系统的元模型复用方法 　　软件过程重用是软件过程建模研究领域的重要问题之一[3-6]，该问题来源于软件工程领域的“软件重用”概念。与软件重用机制所带来的优点类似，良好的软件过程重用机制能够使软件组织快速而高效地建立软件过程模型，有效地降低软件过程建模和分析的成本，提高软件产品质量[4，6]。 　　3.1 可复用元模型构建方法 　　基于BI（商业智能）系统，笔者提出一个标准化选择原模型的方法（RSPM），即同构数据资源构建流程，如图1所示。通过建立集中的同构数据和原模型的管理平台，可以快速地进行模型复用与共享。 　　模型原型资源库的基础是构建基础数据资源，它的特点是： 　　◆为每个特定业务目标组织相关数据资源； 　　◆数据同构，屏蔽各分公司异构平台和数据结构。 　　它的构建过程为： 　　◆在已知建设该业务目标应用模型进行模型输入宽表收集； 　　◆对各省电信分公司宽表进行数据分析及表结构分析，形成针对特定业务目标的同构数据集合； 　　◆进行同构数据的发布； 　　◆在模型实践和优化进程中不断更新。 　　3.2 构建基于元模型复用的应用系统 　　基于BI系统的元模型复用方法，本文设计开发了基于元模型的应用系统