如何有效地控制欠费风险,是国内外移动通信行业关注的热点课题之一。西藏移动公司目前使用的计费方法是准实时计费,实际上这是一种离线计费的模式,需要在用户通话结束后进行离线话单的采集,然后进行分析、批价、入库、出账等系列处理来达到计费的目的。这种计费模式不具备实时控制机制,存在用户透支的可能,易发生欠费,导致巨大的收入流失。针对欠费问题,目前运营商采用的措施有:通过智能网关来控制欠费用户的通话,但需要将频繁变动的用户资料写到智能网的硬件上,这是个很大维护瓶颈;用户通话结束后,批价出账后对已欠费的做停机处理,这种方法只能防止用户继续欠费不能事前预测用户欠费;在线计费(ocs),对所有用户主叫通话过程中发生欠费,不加区别的直接掐断用户通话,容易伤害到诚信客户和大客户的感情,导致客户流失。如何有效控制欠费情况,并防止客户流失,将是本文研究的重点。本文采用数据挖掘技术中的分类方法来对手机用户进行有效分类,并根据分类结果来设定该用户在欠费的情况下可透支的额度。具体是通过抽取部分用户欠费与否的数据,通过数据挖掘中决策树算法得到欠费模型,再用此模型对全部用户进行分类。本文将决策树算法中的CART算法、C4.5算法和ID3算法置于移动客户静态数据中进行比较,找出其中最适合静态数据分类的算法,然后将这一算法与递增式学习算法相结合,用改进的算法来处理递增的动态数据,预测用户欠费风险,并定时的将结果输出到一张oracle数据库表,直接或间接地成为客户可以透支消费的门限。本文结合西藏移动BOSS(业务运营支撑系统)现状,研究了对其改进的具体实现方法,设计研发了一整套后台程序实现了欠费风险控制方案:在实现前置机这块时研究了负载均衡算法,实现进程负载均衡调度;研究了解码的算法;在反算程序中计算上述数据挖掘算法得到的门限表,等等。通过测试情况来看,本系统可以实时掐断低信用度的用户欠费时的通话,而对高信用度用户则允许其在欠费的情况下继续通话一定的额度。但是本文提出的CART改进算法,输入参数对预测结果会有一定的影响,如何对输入参数进行优化选择是需要继续深入研究的课题。