中国移动家庭宽带业务刚刚起步,正处于发展期,覆盖不全面,且原有营销方式陈旧、人力财力投入大、营销效果不佳,本文针对当前情况,提出将大数据技术应用于企业,将数据挖掘代入生产,辅助进行精准营销,以节约成本,提高收入。本课题先后完成了如下步骤:利用实验室环境搭建Hadoop集群作为底层架构;进行数据抽取及预处理操作,数据分为统计类数据和明细类数据两部分;通过Python的机器学习库对统计类数据进行数据挖掘过程;制订评估公式;从中选出模型准确率最高的机器算法,进行参数调优;获得统计类数据的家庭宽带潜在用户推荐名单;将挖掘系统推广至明细类数据,重新进行挖掘,获得明细类数据的潜在用户推荐名单;建立用户家庭住址识别模型;根据两份推荐名单画出潜在用户热力图;根据两组推荐名单获得小区潜在用户数排名。本课题产出物共有两种:家庭宽带融合套餐潜在用户推荐名单和小区家庭宽带业务潜在价值推荐排名。其中经过调优,选用的机器学习模型准确率高达77.80%,推荐转化率预计可达40.0%。就生产而言,这个精准营销的结果非常理想,但是本课题的学习模型仍然有优化空间,日后的生产中可不断进行调优,从而提高精准营销效果,解决传统家庭宽带营销面临的目标用户发现困难、营销成本高、用户感知不好等境况,也可将本课题经验推广到用户细分、喜好判定、职业划分、交往圈划分、甚至行为轨迹预测等领域中,最大化利用企业资源,发挥数据价值,降本增效,提高企业利润。本论文创新在于首次将基于大数据的数据挖掘技术应用于家庭宽带业务,对运营商精准预测提供理论指导,具有很好的工程使用价值。