近年来,随着电信、银行、零售等行业的快速发展,其行业内部的竞争也日益激烈。行业内的各个独立运营商的客户关系管理部门人为地制定各种营销决策来维系老客户,吸引新客户的同时开展交叉销售,这使得各运营商的短期利润得到了一定提高,但是人为制定的营销决策很难将实施过程中各种不确定因素全部考虑在内,无法达到运营商最大化利润的要求。决策优化,通过运用严谨的算法对历史数据进行分析,建立模型,计算得出能够最大化利润的营销决策,如此可以解决上述行业所遇到的问题。C-MDP,即约束马尔可夫决策过程,是一种可以应用决策优化系统的算法。相对于人为制定的营销决策,C-MDP可以在优化决策时针对不同客户群体,全面考虑各方面的约束(包括人力、时间、法律等),得出最优营销决策,使运营商能够获得最大利润。本文提出将决策优化系统(NBAOPT)分为客户分群(Action Cluster)和建模优化(NBAOPT Studio)两个模块,客户分群使用Python对客户数据进行分箱、聚类处理,将客户划分为不同群体,为建模优化提供输入；建模优化使用XML文件定义C-MDP中的实体集、状态集、行为集、策略集、资源集以及约束集,并使用Java实现了C-MDP计算实体状态转移中回报值的算法,通过迭代计算各个实体在状态转移过程中能够获得的最优回报值和每个状态下的最优决策,并输出模型。同时使用Dojo和Apache Wink框架实现了评价分析模型优劣的可视化工具,将模型形象具体的展示给用户。