论文部分内容阅读
在我国,随着目前政府对电信运营行业的进一步放开和政策约束的一系列调整,我国电信行业中企业间的市场竞争日趋激烈。同时,广大用户对电信服务质量的要求也越来越高。面对国内电信企业运营成本的大幅度增加,如何能够在满足用户需求和提供优质服务的前提下充分利用现有资源和配置来降低运营成本、提高运营效益已成为电信运营企业能否占据竞争优势地位的重要因素之一。随着企业信息化工程的不断推进,数据库技术的迅速发展以及数据库管理系统的广泛应用,企业中积累的数据量迅猛增加。人们希望能够利用这些数据进行深层的分析,来辅助企业进行管理和决策,而传统的统计分析方法已经无法满足人们的要求,人们迫切需要新的工具来进行分析。数据挖掘就是从大量的的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的技术。数据挖掘作为一种新的决策支持技术,从人工智能领域的机器学习发展而来,既是信息科学的前沿课题,也是一个融合了多个研究领域的理论和实践问题。与其他领域的技术相比,数据挖掘为发现数据之间潜在的联系提供了一种有效的机制。在国际上,数据挖掘等商业智能技术主要应用于分析型客户关系管理系统和生物数据挖掘等海量数据领域。在国内生产管理方面,数据挖掘技术的应用取得了可喜进展,如宝钢结合质量分析,应用数据挖掘技术,实现质量问题的诊断,进入了把商业智能技术应用到生产实际的新阶段。本文从基于数据仓库的电信网络资源管理系统的整体架构出发,设计了该系统的主题分析;完成了基于主题分析的数据仓库模型的构建;并对相关的主题分析的内容引入成熟的数据挖掘算法完成对决策辅助信息的挖掘工作等。本文研究重点之一是探讨了决策树在电信营销领域的运用情况。主要是针对电信企业的流失客户和没有流失的客户的性质和消费行为,结合数据挖掘方法论,运用决策树算法,建立客户流失预测模型,并针对客户流失模型进行分析,制定相应的营销政策。本文还利用关联规则研究了网络资源利用率问题,找出现有网络资源利用率过低的原因,并提出改进意见。