基于数据仓库的电信行业精确营销系统的研究与实现

发布时间：2021-07-08 00:26

　　精确营销必须借助先进的数据库技术、现代网络通信技术以及现代的高度分散物流等方法保障顾客长期个性化的沟通，使得营销能达到可度量、可调控等的精准要求。数据挖掘则是为精确营销提供数据分析、预测的关键技术，也是全球重点研究的重大新技术，和数据库系统研究与应用领域的热点。利用数据挖掘对移动通信的海量客户数据挖掘分析，发现潜在商业规律或预测验证商业模型极具理论意义与应用价值。本项研究将最新的数据挖掘技术和数据仓库、销售自动化、联机处理等先进的信息技术和最佳的商业实践活动紧密结合，利用数据挖掘和在线联机处理技术收集并提取与客户相关有用信息，利用数据模型和其他相关技术方法进行决策支持和营销分析，提出了一种基于ETL数据抽取方案、面向客户全景视图的数据挖掘系统和面向数据分析、预测模块的全程精确营销系统解决方案。本文充分利用中国移动公司建立的功能强大、完善的数据库系统和先进的数据挖掘、数据仓库与数据分析技术，对移动公司用户的消费行为进行深层次的数据挖掘，并提出了具有针对性的营销策略。针对现有的大量业务客户数据进行了精确的分析研究，发现其中存在的规律，预测出增值等业务的潜在客户群，协助移动企业扩大用户规模、... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

销售事实表与相关维表构成的星形模型

2.2 数据仓库数据模型设计数据仓库和 OLAP 工具都基于多维数据模型。这种模型将相关数据看成方体的形式。数据立方体允许从多维对数据进行建模和观察，一般由维和个关键词定义。维是关于一个组织想要保存记录的透视图或实体。每一个一个表与之相关联，称为维表，维表进一步描述维。事实则是数值的度量根据数量来分析维度之间的关系。事实表包括事实的名称或度量以及每个表的码。一般，数据仓库采用星型模型或雪花模型等模式来组织数据，能容纳企息系统中的海量商业数据，并为用户提供各种获取数据的手段。星形模式是数据仓库最常用的模型范式。数据仓库包括：一个大的包含据并且不含冗余的中心表（事实表）；一组小的附属表（维表），每维一个模式维表围绕中心事实表显示在射线上。每维只用一个表表示，而每个表组属性。事实表与维表的连接像星形而得名，如图 2.3 表示一个销售事实关的维表构成的星形模型。

图 2.4 销售事实表与相关维表构成的雪花形模型雪花形模型的维表可能是规范化形式，以便减少冗余。这种表易于维护并节省存储空间。由于执行查询需要更多的连接操作，雪花形结构可能降低浏览的性能。在数据仓库设计中，雪花形模式不如星形模式流行。2.2.3 数据仓库的系统结构建立和使用数据仓库是一项极其复杂的任务，它需要商务方面、技术方面和计划管理方面的技巧。建立和使用数据仓库要涉及理解设计的数据仓库如何存储和管理数据，构造有效的提取程序将数据由操作数据库系统转换到数据仓库，构造仓库的刷新软件合理有效的保持数据仓库数据对应操作数据库数据的当前性，理解包含数据的含义，理解商务的需求转换为数据仓库能满足查询的需求。数据分析人员要从定量信息做出估价，根据数据仓库中历史信息，发现模式和趋势、异常或模式漂移，并根据这种分析提出相应的管理建议。建立和使用数据仓库还要技术人员、经销商和最终用户交往，以及时和合算的方式提交结果。


本文编号：3270671