基于J2EE实现的电信CRM系统数据分析

发布时间：2017-07-16 21:08

  本文关键词：基于J2EE实现的电信CRM系统数据分析

  更多相关文章： 电信CRM Hadoop 数据分析

【摘要】：当前,计算机技术快速发展,企业之间的竞争愈来愈激烈。企业要想在竞争中取得优势,必须提高管理性能和管理效率。电信行业也不例外,尤其是对于电信行业的客户关系管理(CRM),其管理水平和管理效率直接影响着企业的竞争力。许多电信公司认识到客户关系管理的重要性,投入大量人力物力打造CRM系统,但是大多没有考虑到大数据时代海量电信数据增长给传统电信CRM系统带来的容量扩展性等问题,导致电信CRM数据挖掘处理出现效率低下等现象。本文针对海量电信CRM数据的高效管理和挖掘需求,选用先进的应用开发架构,运用大数据处理等技术提出可行的解决方案并建设实施。本文主要以某市电信CRM管理与挖掘系统建设为载体,在充分分析当前电信CRM系统所存在问题的基础上,综合运用管理学、心理学、绩效管理等知识,设计并实现一套电信CRM管理系统。为了使电信运营商能拥有更多的客户,使决策者制定新的套餐、实现交叉销售等有充实的科学依据,本文首先通过聚类算法将客户分群,在分群的客户中识别出电信行业业务下滑的客户。通过对业务下滑客户的消费行为和客户信息进行分析,捕捉到客户流失原因,针对不同客户流失原因制定精准的客户营销方案和客户挽留方案,从而达到减低客户流失率的目的。同时,通过关联规则算法来实现相关套餐的推荐销售和交叉销售。随着海量电信用户数据的迅猛增长,传统的聚类算法和关联规则分析方法已不能适应如此海量电信用户数据的处理与分析,为此本文采用基于Hadoop平台的海量数据处理方式来分析用户数据,为电信行业各部门做决策提供有效支持,比如营销策略选择、业务推荐模型建模和新业务增长点预测等。本文用Map Reduce算法实现了K-means算法和Apriori算法,不但提高了海量数据的处理效率,也得到对决策有指导意义的结论。
【关键词】：电信CRM Hadoop 数据分析
【学位授予单位】：南华大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F626;TP311.13;F274
【目录】：

• 摘要4-6
• Abstract6-12
• 第1章 绪论12-18
• 1.1 课题背景及意义12-14
• 1.2 国内外现状综述14-16
• 1.3 本文工作简介16-18
• 1.3.1 本文研究内容16
• 1.3.2 本文组织结构16-18
• 第2章 背景知识18-30
• 2.1 相关技术概述18-22
• 2.1.1 JSP+Servlet+Java Bean18-19
• 2.1.2 Browser/Server系统的三层体系结构19-20
• 2.1.3 Java Server Page(JSP)技术20-21
• 2.1.4 JDBC技术21
• 2.1.5 JSP开发架构21-22
• 2.2 JSP运行环境22
• 2.2.1 硬件环境22
• 2.2.2 软件开发环境22
• 2.3 JDK的安装和配置22-23
• 2.3.1 配置JDK22-23
• 2.3.2 安装Tomcat23
• 2.4 分布式平台Hadoop23-26
• 2.4.1 HDFS24-25
• 2.4.2 Map Reduce25-26
• 2.5 数据挖掘及相关挖掘算法概述26-30
• 2.5.1 数据挖掘概述26-27
• 2.5.2 Apriori算法概述27-28
• 2.5.3 K-Means 算法概述28-30
• 第3章 某市电信CRM系统的实现30-76
• 3.1 需求分析30-42
• 3.1.1 需求概要30
• 3.1.2 用户类型分析30-31
• 3.1.3 主要功能分析31-37
• 3.1.4 非功能需求分析37-39
• 3.1.5 可行性分析39-42
• 3.2 系统设计42-59
• 3.2.1 系统设计概要42-45
• 3.2.2 系统物理结构描述45-48
• 3.2.3 系统数据库设计48-59
• 3.3 系统实现59-71
• 3.3.1 登录模块实现59-61
• 3.3.2 系统主界面实现61-62
• 3.3.3 客户基本模块功能设计62-71
• 3.4 系统测试71-74
• 3.4.1 测试项目71-72
• 3.4.2 测试举例72-74
• 3.5 本章小结74-76
• 第4章 CRM系统数据研究方案及数据分析76-101
• 4.1 CRM系统数据研究方案76-83
• 4.1.1 Hadoop平台搭建76-81
• 4.1.2 实验使用数据说明81-83
• 4.2 基于MR-means的CRM系统数据分析83-89
• 4.2.1 聚类分析方案83-84
• 4.2.2 Map Reduce实现K-means算法（MR-means）84-87
• 4.2.3 实验过程及结果分析87-89
• 4.3 基于MR-Apriori的CRM系统数据分析89-99
• 4.3.1 关联规则分析方案89-90
• 4.3.2 Map Reduce实现Apriori算法90-91
• 4.3.3 MR-Apriori实现过程91-96
• 4.3.4 实验过程及结果分析96-99
• 4.4 本章小结99-101
• 第5章 结论101-103
• 参考文献103-106
• 作者攻读学位期间的科研成果106-107
• 致谢107

【参考文献】

中国期刊全文数据库 前10条

1 赵双双;;JSP技术及其在WEB应用软件开发中的应用[J];电子制作;2013年15期

2 苏雷;李晓峰;;互联网企业客户关系管理绩效评价体系设计[J];商业经济;2013年17期

3 高静;;基于JSP技术的社区人口管理系统[J];中国管理信息化;2013年17期

4 刘祺彬;;基于开源技术的MVC框架的构建[J];信息技术;2013年08期

5 张原;张昭;刘蕊;;基于MVC设计模式的虚拟实验平台模块化设计[J];计算机工程与科学;2013年08期

6 邢太北;;运用软件工程手段设计超大OMS系统研究[J];科技通报;2013年04期

7 黄志杰;;探析软件工程的开发和应用[J];中小企业管理与科技(下旬刊);2013年03期

8 张海越;孙振亚;;JDBC连接Access和MySQL数据库分析与研究[J];大众科技;2013年03期

9 王华;刘焕敏;段慧芬;顾培;李磊;;一种软件自动测试系统[J];计算机系统应用;2013年01期

10 李建江;崔健;王聃;严林;黄义双;;MapReduce并行编程模型研究综述[J];电子学报;2011年11期

，

本文编号：550541