基于数据挖掘的移动客户预测及分析

发布时间：2017-08-19 02:19

  本文关键词：基于数据挖掘的移动客户预测及分析

  更多相关文章： 移动通信行业 C4.5算法 改进预测算法 潜在客户预测 流失客户预测

【摘要】：中国移动面临的来自其他移动企业的竞争日益激烈,吸引客户办理新业务,保障原有客户不流失,是企业经营中面临的核心问题。中国移动在2013年底推出“4G业务”,在全力推广新业务时,存在目标用户不明确、效率低下等问题,本文针对上述问题,对企业所提供的客户数据进行数据挖掘,去发现潜在的新业务客户群体。主要完成了以下工作:首先,对数据挖掘技术进行了综述;其次,分别利用贝叶斯网络、C4.5算法和CART算法三种分类算法对移动4G潜在客户进行了预测,并对比分析了三种算法所得到的分类模型和预测结果,其中C4.5算法在准确率和可解释性等方面均表现更优秀;然后,利用聚类分析对分类算法进行了改进,将移动客户精细划分为三个簇:有潜力办理4G业务的客户、不会办理4G业务的客户和已办理4G业务的客户。对于聚类的簇数据,选用C4.5算法作为分类器,在有潜力办理4G业务的客户簇中预测潜在客户,在不会办理4G业务的客户簇中,预测流失客户;利用关联分析方法,在已办理4G业务的客户簇中,挖掘各属性之间的潜在关系。改进预测算法所得到的结果与陕西移动公司实际工作结果对比分析可知:本文所提算法预测的1649个4G潜在客户中有1174个客户实际办理了4G业务,预测潜在客户的准确率达71%。
【关键词】：移动通信行业 C4.5算法 改进预测算法 潜在客户预测 流失客户预测
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F626;TP311.13
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 绪论8-13
• 1.1 背景8-9
• 1.2 国内外客户信息分析的发展应用现状9-11
• 1.3 课题研究的意义11
• 1.4 论文组织结构11-13
• 第二章 数据挖掘综述13-24
• 2.1 数据挖掘定义13-14
• 2.2 数据挖掘步骤14
• 2.3 数据挖掘基本方法14-21
• 2.3.1 分类15-19
• 2.3.2 聚类分析19-20
• 2.3.3 关联分析20-21
• 2.4 数据挖掘的发展方向21-23
• 2.5 本章小结23-24
• 第三章 移动 4G潜在客户分类预测24-49
• 3.1 移动客户数据资料分析24-28
• 3.1.1 目标问题的分析24-26
• 3.1.2 数据可行性26
• 3.1.3 挖掘工具可行性26-27
• 3.1.4 算法选择分析27-28
• 3.2 数据预处理28-30
• 3.3 基于贝叶斯网络的移动潜在客户分预测30-35
• 3.3.1 算法设计30-32
• 3.3.2 贝叶斯网络的实现32-35
• 3.4 基于C4.5 算法的移动潜在客户分预测35-41
• 3.4.1 算法设计35-37
• 3.4.2 C4.5 算法的实现37-41
• 3.5 基于CART算法的移动潜在客户分预测41-45
• 3.5.1 算法设计41-43
• 3.5.2 CART算法的实现43-45
• 3.6 分类算法效果的比较分析45-48
• 3.7 本章小结48-49
• 第四章 基于聚类的移动客户数据深入挖掘49-62
• 4.1 基于聚类的移动客户数据挖掘49-52
• 4.1.1 聚类分析算法的设计49-50
• 4.1.2 聚类分析的实现50-51
• 4.1.3 基于聚类的移动客户深入挖掘方案51-52
• 4.2 基于聚类的移动 4G潜在客户预测算法改进52-56
• 4.2.1 改进算法的设计53
• 4.2.2 改进算法的实现53-56
• 4.3 流失客户预测分类挖掘56-59
• 4.3.1 流失客户预测算法的设计56-57
• 4.3.2 流失客户预测算法的实现57-59
• 4.4 已办理业务客户关联分析59-61
• 4.5 本章小结61-62
• 第五章 潜在客户的预测改进结果与实际应用效果的对比分析62-65
• 5.1 反馈信息比较分析62-64
• 5.2 算法改进方向64
• 5.3 本章小结64-65
• 总结与展望65-67
• 总结65-66
• 展望66-67
• 参考文献67-70
• 攻读学位期间取得的研究成果70-71
• 致谢71

【相似文献】

中国期刊全文数据库 前10条

1 香丽芸;浅谈数据挖掘及其应用[J];昌吉师专学报;2001年02期

2 郑雪燕,张杰明,岳洋;数据挖掘语言[J];计算机时代;2001年11期

3 刘明晶;数据挖掘[J];华南金融电脑;2001年04期

4 张伟;刘勇国;彭军;廖晓峰;吴中福;;数据挖掘发展研究[J];计算机科学;2001年07期

5 钟晓;马少平;张钹;俞瑞钊;;数据挖掘综述[J];模式识别与人工智能;2001年01期

6 朱建平,张润楚;数据挖掘的发展及其特点[J];统计与决策;2002年07期

7 傅岚;在数据海洋中打捞信息数据挖掘[J];科技广场;2002年11期

8 李峻;数据挖掘,企业洞察先机的“慧眼”[J];中国计算机用户;2002年48期

9 罗可,蔡碧野,卜胜贤,谢中科;数据挖掘及其发展研究[J];计算机工程与应用;2002年14期

10 ;2002数据挖掘研讨班[J];计算机工程;2002年06期

中国重要会议论文全文数据库 前10条

1 史东辉;蔡庆生;张春阳;;一种新的数据挖掘多策略方法研究[A];第十七届全国数据库学术会议论文集（研究报告篇）[C];2000年

2 张弦;;数据挖掘在农业中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

3 魏顺平;;教育数据挖掘:现状与趋势[A];信息化、工业化融合与服务创新——第十三届计算机模拟与信息技术学术会议论文集[C];2011年

4 关清平;沉培辉;;概率网络在数据挖掘上的应用[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年

5 丁瑾;;基于Web数据挖掘的综述[A];山西省科学技术情报学会学术年会论文集[C];2004年

6 聂茹;田森平;;Web数据挖掘及其在电子商务中的应用[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

7 李菊;王军;;数据挖掘在客户关系管理的应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

8 肖阳;李启贤;;数据挖掘在中国钢铁行业中的应用[A];中国计量协会冶金分会2012年会暨能源计量与节能降耗经验交流会论文集[C];2012年

9 杨磊;王贵成;汪勇;张占胜;;SQL Server 2005在数据挖掘中的应用[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 谢中;邱玉辉;;面向商务网站有效性的数据挖掘方法[A];第十八届全国数据库学术会议论文集（技术报告篇）[C];2001年

中国重要报纸全文数据库 前10条

1 本报记者褚宁;数据挖掘如“挖金”[N];解放日报;2002年

2 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年

3 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年

4 《网络世界》记者 王莹;数据挖掘保险业的新蓝海[N];网络世界;2012年

5 刘俊丽;基于地理化的网络数据挖掘与分析提升投资有效性[N];人民邮电;2014年

6 本报记者 连晓东;数据挖掘：金融信息化新热点[N];中国电子报;2002年

7 本报记者 凤小华 朱仁康;“数字挖掘软件”引领中国信息化新浪潮[N];中国电子报;2003年

8 本报记者　史延廷;“成功企业数据挖掘暨数量化管理论坛”在京举办[N];中国旅游报;2002年

9 朱小宁;数据挖掘：信息化战争的基础工程[N];解放军报;2005年

10 本报记者 王小平;从“大集中”走向数据挖掘[N];金融时报;2002年

中国博士学位论文全文数据库 前10条

1 于自强;海量流数据挖掘相关问题研究[D];山东大学;2015年

2 张馨;全基因组SNP芯片应用于CNV和L0H分析的软件比对与数据挖掘[D];复旦大学;2011年

3 彭计红;基于数据挖掘的痴呆中医证的研究[D];南京中医药大学;2015年

4 李秋虹;基于MapReduce的大规模数据挖掘技术研究[D];复旦大学;2013年

5 邬文帅;基于多目标决策的数据挖掘方法评估与应用[D];电子科技大学;2015年

6 谢邦彦;整合数据挖掘与TRIZ理论的质量管理方法研究[D];首都经济贸易大学;2010年

7 何伟全;云南高校学生意外伤害因素关联规则挖掘及风险管控体系研究[D];昆明理工大学;2015年

8 段功豪;基于多结构数据挖掘的滑坡灾害预测模型研究[D];中国地质大学;2016年

9 白晓明;基于数据挖掘的复合材料宏—细观力学模型研究[D];哈尔滨工业大学;2016年

10 蓝永豪（LAM Wing Ho）;基于数据挖掘技术分析当代中医名家痤疮验方经验研究[D];南京中医药大学;2016年

中国硕士学位论文全文数据库 前10条

1 林仁红;基于数据挖掘的机遇识别与评价研究[D];首都经济贸易大学;2007年

2 张彦俊;游戏运营中的数据挖掘[D];复旦大学;2011年

3 焦亚召;基于多核函数FCM算法在数据挖掘聚类中的应用研究[D];昆明理工大学;2015年

4 王杰锋;物联网能耗数据智能分析及其应用平台设计[D];江南大学;2015年

5 刘学建;数据挖掘在电子商务推荐系统中的应用研究[D];昆明理工大学;2015年

6 戴阳阳;基于数据挖掘的金融时间序列预测研究与应用[D];江南大学;2015年

7 石思优;基于主题模型的医疗数据挖掘研究[D];广东技术师范学院;2015年

8 陈丹;移动互联网信令挖掘实现智慧营销的设计与实现应用研究[D];华南理工大学;2015年

9 陈思;基于数据挖掘的大学生客户识别模型的研究[D];昆明理工大学;2015年

10 位长帅;基于客户数据挖掘的电信客户关系管理研究[D];西南交通大学;2015年

，

本文编号：698109