基于商业智能电信客户流失模型的研究

《基于商业智能电信客户流失模型的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要当今全球电信市场正在逐渐走向开放和自由化，客户需求在不断变化和增加，业务的复杂程度日益提高，新技术的采用日新月异，市场竞争方式推陈出新，电信运营商面临日益激烈和复杂的竞争环境。如何提供高质量的服务来吸引和留住客户，扩大市场份额，以及如何降低经营成本以提高收益，已经成为全球电信业决策者们共同关注的课题。无论是来自市场的竞争压力，或是企业自身的经营效益压力，都迫使电信企业在挑战面前必须寻找新的突破。而商业智能恰好能在帮助他们实现商业理想方面发挥令人惊叹的独特作用。因此，研究商业智能在行业中的应用具有很高的市场价值。本文以四川电信为基础，通过对四川电信的调

2、研和电信项目的研发及大量的商业智能相关理论如数据仓库、OLAP分析和数据挖掘以及神经网络的学习，提出了基于商业智能的客户流失分析模型。克服了传统人工建模过程仅由业务人员提供影响客户流失的关键因素带来的主观性。本文的思路为：首先由电信业务人员给出所有可能会对客户流失有影响的因素并建立数据仓库；然后通过OLAP分析，找出对客户流失影响比较大的主要因素，剔除影响较小的因素；接着利用神经网络对剩余的每一个主要因素进行分析，由80／20法分析神经网络输出的结果得出影响客户流失的关键因素；最后以这些关键因素作为输入，客户流失度作为输出构建神经网络，使用训练数据集对网

3、络进行训练直到网络收敛，客户流失分析模型即构建成功。本文最终使用电信提供的测试数据集对模型进行了评估，评估结果表明，论文提出的模型是可行的，可以用以指导四川电信的客户流失分析。关键词：商业智能，数据仓库，OLAP分析，神经网络，客户流失模型AbstractNowadays，Globaltelecommarketbecomesmoreopenandflexible．Withthechangeofcustomerrequirements，increaseofoperationcomplexity,ofthetechniquesandtransformatio

4、nofmarketcompetition，telecomprovidersfacethecompetitionenvironment．whichismoreandmoreintensiveandcomplicated．“Howtoimprovehighqualityservicetoattractandretainmorecustomers，extendmarketshare，reduceoperationcostandincreaseincome”，havebecomethemostimportanttopicforthedecisionmakersi

5、ntelecommarket．Itforcesthetelecomcorporationstofindthegreatbreakthroughinfrontofthechallenges，eitherfromthepressureofmarketcompetition，ortheinteriorprofitpressureoftheenterprise．WhileBusinessIntelligenceCanhelpthemrealizethebusinessobject．Therefore，researchinBusinessIntelligenceh

6、ashighmarketvalueinrealapplications．BasedonSichuanTelecom，thisthesisstudiedthetelecomprojectdevelopment，relatedtheori)softhebusinessintelligence，suchasdatawarehouse，OLAPanalysis，datamining，andneuralnetwork，thenweproposedacustomerlostanalysismodelwithBusinessIntelligence．Thismodel

7、canovercomethesubjectivityofthetraditionalmodelwhichonlyusethekeyfactorsprovidedbytechnicalstaff．Inthisthesis，wefirstusethesefactorstobuildthedatawarehouse；then，weusetheOLAPanalysistofindthemainfactorswhichhavemoreeffectoncustomerlostanddeletefactorswithminoreffect；thirdly,weuset

8、heneuralnetworktoanalyzeeveryremainingfa