1、隨著國(guó)內(nèi)電信市場(chǎng)競(jìng)爭(zhēng)日漸激烈，電信運(yùn)營(yíng)企業(yè)的競(jìng)爭(zhēng)壓力越來(lái)越大。電信運(yùn)營(yíng)企業(yè)開(kāi)始認(rèn)識(shí)融合套餐維系的重要性。本項(xiàng)目正是針對(duì)電信運(yùn)營(yíng)企業(yè)大眾維系工作的切實(shí)需要出發(fā)，為降低融合用戶流失給企業(yè)帶來(lái)的收入減少及市場(chǎng)占有率降低等不利影響而提出的。
　　本文運(yùn)用數(shù)據(jù)挖掘工具，基于理論分析與實(shí)踐運(yùn)用相結(jié)合的方法，對(duì)電信企業(yè)融合套餐流失進(jìn)行研究。主要研究?jī)?nèi)容包括:
　　1、項(xiàng)目需求分析：對(duì)項(xiàng)目背景和技術(shù)背景進(jìn)行了深入了解，包括項(xiàng)目各要素的商業(yè)定

2、義，項(xiàng)目的特征及流失用戶的特征。
　　2、項(xiàng)目整體設(shè)計(jì)：建立了融合套餐用戶流失項(xiàng)目實(shí)驗(yàn)框架體系，定義了項(xiàng)目流程和數(shù)據(jù)挖掘框架及框架各元素和元素之間數(shù)據(jù)流關(guān)系。
　　3、建立維系數(shù)據(jù)抽取模型：在對(duì)行業(yè)深入了解的基礎(chǔ)上，進(jìn)行了有效的數(shù)據(jù)清理、抽取、集成轉(zhuǎn)化、規(guī)約工作。其中：在數(shù)據(jù)清理方面，通過(guò)常年日常管理工作對(duì)關(guān)鍵差異數(shù)據(jù)的清理和對(duì)身份證空缺數(shù)據(jù)的邏輯填充，基本未刪失數(shù)據(jù)，確保了數(shù)據(jù)挖掘不走型。在數(shù)據(jù)轉(zhuǎn)化方面，完成對(duì)分類(lèi)通話賬目

3、的整合，對(duì)年齡的派生，套餐使用占比派生等。在數(shù)據(jù)集成方面，挖掘軟件可以使用關(guān)系視圖作為數(shù)據(jù)源的優(yōu)點(diǎn)，使用視圖靈活部署。最終設(shè)定了用戶數(shù)據(jù)抽取模型。在數(shù)據(jù)規(guī)約方面，完成對(duì)異常超出話單的屬性規(guī)整，對(duì)套餐使用情況的分檔。
　　4、數(shù)據(jù)挖掘?qū)嶒?yàn)與模型評(píng)估：依照項(xiàng)目需求和挖掘工具選用多種模型訓(xùn)練測(cè)試，并利用微軟SQL視圖靈活選擇算法輸入屬性和模型參數(shù)。通過(guò)對(duì)模型執(zhí)行結(jié)果評(píng)估，在評(píng)估中對(duì)效果較差貝葉斯模型的輸入屬性進(jìn)行再次屬性規(guī)約，通過(guò)減少輸

4、入屬性較大的提升準(zhǔn)確性。最終形成數(shù)據(jù)挖掘模型及兩算法并用的數(shù)據(jù)生成規(guī)則。
　　5、模型發(fā)布與效果分析：利用數(shù)據(jù)挖掘模型取得有離網(wǎng)風(fēng)險(xiǎn)用戶和離網(wǎng)風(fēng)險(xiǎn)攜帶者。提出對(duì)風(fēng)險(xiǎn)用戶中不同三維屬性的客戶采取針對(duì)性的維系方案，化危機(jī)為商機(jī)減少維系成本。通過(guò)對(duì)項(xiàng)目執(zhí)行情況的評(píng)估看，數(shù)據(jù)挖掘基本達(dá)到預(yù)期目的。
　　本文把數(shù)據(jù)挖掘理論與企業(yè)經(jīng)營(yíng)相結(jié)合，建立固網(wǎng)及手機(jī)融合套餐離網(wǎng)預(yù)測(cè)模型與大眾維系流程。項(xiàng)目成果表明：數(shù)據(jù)挖掘工具能有效指導(dǎo)和提升大眾