数据挖掘在电信企业客户细分中的应用
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪 论 | 第10-17页 |
| ·背景 | 第10-13页 |
| ·我国移动通信发展的趋势 | 第10-11页 |
| ·电信行业数据挖掘现状态 | 第11-13页 |
| ·问题的提出 | 第13-15页 |
| ·重庆移动通信有限责任公司简介 | 第13页 |
| ·建立客户细分模型的必要性 | 第13-15页 |
| ·建立客户细分模型的可行性 | 第15页 |
| ·本文研究的内容 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 2 数据仓库与数据挖掘理论 | 第17-31页 |
| ·数据仓库的概念 | 第17-19页 |
| ·面向主题 | 第17页 |
| ·集成 | 第17页 |
| ·相对稳定 | 第17页 |
| ·反映历史变化 | 第17-18页 |
| ·数据仓库的结构 | 第18-19页 |
| ·数据仓库建设的基本步骤 | 第19-21页 |
| ·确定范围 | 第19页 |
| ·环境评估 | 第19-20页 |
| ·分析 | 第20页 |
| ·设计 | 第20页 |
| ·开发 | 第20页 |
| ·测试 | 第20页 |
| ·运行 | 第20-21页 |
| ·数据仓库的关键技术 | 第21-22页 |
| ·OLAP技术 | 第21页 |
| ·数据挖掘技术 | 第21-22页 |
| ·数据仓库系统在电信行业的应用 | 第22-24页 |
| ·整合企业信息 | 第22页 |
| ·客户关系管理 | 第22页 |
| ·市场、营销管理分析 | 第22-23页 |
| ·帐务分析 | 第23页 |
| ·欠费和动态防欺诈行为分析 | 第23页 |
| ·网络管理和网络优化分析 | 第23-24页 |
| ·数据挖掘的概念 | 第24-25页 |
| ·数据挖掘的主要任务 | 第25-26页 |
| ·数据总结 | 第25页 |
| ·分类 | 第25页 |
| ·关联分析 | 第25-26页 |
| ·聚类 | 第26页 |
| ·预测 | 第26页 |
| ·数据挖掘的主要方法 | 第26-27页 |
| ·决策树(Decision Tree) | 第26-27页 |
| ·神经网络(Neural Network) | 第27页 |
| ·相关规则 | 第27页 |
| ·K-nearest邻居 | 第27页 |
| ·遗传算法 | 第27页 |
| ·数据挖掘的实施过程 | 第27-28页 |
| ·商业理解 | 第28页 |
| ·数据理解 | 第28页 |
| ·建立模型 | 第28页 |
| ·模型评估 | 第28页 |
| ·模型发布 | 第28页 |
| ·客户细分与聚类分析 | 第28-30页 |
| ·K-Mean聚类分析 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 基于数据挖掘技术的客户细分 | 第31-66页 |
| ·基础条件 | 第31-32页 |
| ·SAS软件简介 | 第32-33页 |
| ·商业理解 | 第33-34页 |
| ·数据理解 | 第34-46页 |
| ·对数据源的理解 | 第34-38页 |
| ·中间数据理解 | 第38-46页 |
| ·数据准备 | 第46-53页 |
| ·从清单数据转换到中间数据 | 第46页 |
| ·从中间数据转换到建模数据 | 第46-48页 |
| ·数据处理周期 | 第48页 |
| ·数据标准化 | 第48-49页 |
| ·数据处理流程 | 第49页 |
| ·核心处理过程代码 | 第49-52页 |
| ·生成建模数据 | 第52-53页 |
| ·建立模型 | 第53-65页 |
| ·读取数据 | 第53-54页 |
| ·建模 | 第54-58页 |
| ·模型评估 | 第58页 |
| ·模型发布 | 第58-65页 |
| ·本章小结 | 第65-66页 |
| 4 结论与展望 | 第66-68页 |
| ·主要结论 | 第66页 |
| ·后续研究工作的展望 | 第66-68页 |
| 致 谢 | 第68-69页 |
| 参考文献 | 第69-71页 |
