论文摘要
随着国内各电信企业生产管理和技术的发展，各企业提供的产品差别越来越难以区分，产品同质化趋势越来越明显；随着社会的进步,消费水平的提高,消费向个性化发展，消费者需求千差万别，而且期望越来越高，于是研究客户的需求和提高对客户的服务水平也就变得来越重要。因此目前国内的电信企业以产品为中心的模式要向以客户为中心的模式转变。而要实现“以客户为中心”的理念，就必须建立一套全面的客户信息分析和客户价值评估体系。并且利用强大的数据分析、挖掘功能，快速地进行客户价值细分管理。随着电信企业不断重组和市场竞争的加剧，存量客户的流失已经成为各运营商关注的重点。企业必须通过利用各种手段抓住客户才能获得最终的核心竞争力。电信企业可以充分利用企业各运营商支撑系统中的客户数据，应用数据挖掘的工具获取对客户的洞察能力，从而更好地满足客户的需求防止客户的流失。目前，电信运营商在对客户信息进行分析时，大多采用静态的分析手段，即分析现有的指标数据，进行简单的分类统计。或者建立数据仓库，在不同的分析领域和不同纬度上进行OLAP分析。这些方法有一定效果，能够通过多维的复杂分析支持决策并提供直观易懂的查询结果和报表。但是，如果企业要想进一步发掘客户信息中所隐藏的对决策有帮助的知识，比如大客户一般都喜欢使用哪种类型的套餐、易于流失的客户一般具有那种特点，此时就需要借助于数据挖掘的方法。本文将多种数据挖掘技术应用于电信企业，对电信行业客户信息进行了分析，对用户进行关联、分类、聚类分析，给出了解决问题的模型和方法并在实践中得到评估和检验，本文提出了一种基于组合预测理论的预测算法，在实际客户流失预测分析的应用结果表明，该算法的流失预测的准确率高于传统的分类预测算法所得到的预测准确率。采用这种算法的评估结果表明本文建立的预测模型是可行的，构建的预测模型对解决电信客户流失预测方面的问题具有应用价值。