1、國內(nèi)通信行業(yè)運(yùn)營商在經(jīng)過幾次分拆和重組以及3G牌照的發(fā)放后，行業(yè)的競爭和對(duì)用戶的爭奪日益激烈，在如何提升服務(wù)意識(shí)、發(fā)展銷售渠道和新的宣傳方式等方面都面臨著新的問題。在以客戶為中心的競爭環(huán)境中，如果既能擁有大量的信息，又能擁有先進(jìn)的分析信息的工具，就能在激烈的競爭中取得優(yōu)勢。數(shù)據(jù)挖掘是從大量數(shù)據(jù)中提取或挖掘知識(shí)進(jìn)行數(shù)據(jù)分析，從而發(fā)現(xiàn)潛在信息的技術(shù)。對(duì)客戶進(jìn)行細(xì)分能夠幫助企業(yè)從更加深入全面的角度洞察客戶、了解客戶價(jià)值取向，基于這種洞察在合適

2、的時(shí)間通過合適的渠道向合適的客戶提供量身定做的產(chǎn)品套餐。
　　 本文首先介紹了數(shù)據(jù)挖掘的相關(guān)理論和發(fā)展現(xiàn)狀，其次對(duì)客戶消費(fèi)行為分析系統(tǒng)進(jìn)行了設(shè)計(jì)目標(biāo)和功能模塊的需求分析，給出了系統(tǒng)的流程圖，確定了選用聚類、決策樹、關(guān)聯(lián)規(guī)則三種算法進(jìn)行數(shù)據(jù)挖掘，并詳細(xì)介紹了聚類、決策樹、關(guān)聯(lián)規(guī)則三種算法的原理。
　　 本文結(jié)合通信行業(yè)運(yùn)營商的實(shí)際情況，采用了K-means聚類算法、C5.0決策樹和Apriori關(guān)聯(lián)規(guī)則應(yīng)用于客戶消費(fèi)行為分

3、析，進(jìn)行數(shù)據(jù)挖掘，設(shè)計(jì)并實(shí)現(xiàn)了客戶消費(fèi)行為分析系統(tǒng)。
　　 在數(shù)據(jù)挖掘模塊的設(shè)計(jì)中，首先將常用的兩種聚類算法進(jìn)行比較，認(rèn)為K-means算法能夠很好的解決給出的數(shù)值型屬性的數(shù)據(jù)對(duì)象的聚類問題，經(jīng)常以局部最優(yōu)結(jié)束，算法是相對(duì)可伸縮和高效率的，對(duì)輸入數(shù)據(jù)順序的敏感度一般，算法結(jié)果比較容易理解，建模速度也較快，與通信運(yùn)用商現(xiàn)有數(shù)據(jù)庫的特點(diǎn)相吻合，得出K-means算法更適用于進(jìn)行客戶消費(fèi)行為分析的結(jié)論。本文將K-means算法用于對(duì)某

4、通信運(yùn)營商的客戶進(jìn)行細(xì)分為例，闡述了算法的實(shí)現(xiàn)過程，對(duì)結(jié)果進(jìn)行了分析，并對(duì)算法進(jìn)行了改進(jìn)，減小了K-means算法因其初始聚類中心的隨機(jī)選取而可能出現(xiàn)的算法在局部極小處收斂的可能性，提高了算法的聚類效果。其次，本系統(tǒng)還運(yùn)用了Apriori關(guān)聯(lián)規(guī)則進(jìn)行數(shù)據(jù)挖掘，以長話漫游包產(chǎn)品是否適合捆綁銷售為例，詳細(xì)闡述了Apriori關(guān)聯(lián)規(guī)則的實(shí)現(xiàn)過程，對(duì)結(jié)果進(jìn)行了分析，并對(duì)算法進(jìn)行了改進(jìn)，由于Apriori關(guān)聯(lián)規(guī)則存在多次掃描數(shù)據(jù)庫，并通過模式匹配

5、檢查候選項(xiàng)集而導(dǎo)致效率低的問題，經(jīng)過改進(jìn)，Apriori關(guān)聯(lián)規(guī)則只需掃描一次數(shù)據(jù)庫，大大的提升算法了的效率。第三，本文將ID3、C4.5、C5.0、CART等主要決策樹算法的關(guān)系和發(fā)展歷程進(jìn)行了介紹，C5.0決策樹算法更適用于進(jìn)行客戶消費(fèi)行為分析，本系統(tǒng)將C5.0決策樹算法用于營銷案目標(biāo)客戶的篩選，本文以長話包客戶篩選為例，詳細(xì)闡述C5.0決策樹算法的實(shí)現(xiàn)過程，并對(duì)結(jié)果進(jìn)行了分析總結(jié)。
　　 實(shí)際應(yīng)用表明，數(shù)據(jù)挖掘技術(shù)對(duì)客戶消費(fèi)