基于用户使用行为挖掘的活动政策推荐方案
| 中文摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 大数据技术的发展背景 | 第8-9页 |
| 1.2 经典案例 | 第9-12页 |
| 1.3 全球各国的态度 | 第12-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第2章 运营商的大数据战略 | 第16-24页 |
| 2.1 全球各大运营商的大数据应用 | 第16-18页 |
| 2.2 运营商开展大数据挖掘的优势 | 第18-19页 |
| 2.3 运营商发展大数据技术面临的问题 | 第19-21页 |
| 2.4 运营商在大数据方面的发展应用思路 | 第21-23页 |
| 2.4.1 流量经营 | 第21页 |
| 2.4.2 建立数字DNA | 第21-22页 |
| 2.4.3 打造智能客服 | 第22页 |
| 2.4.4 主动客户关怀 | 第22-23页 |
| 2.4.5 对外数据服务 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 相关技术基础 | 第24-32页 |
| 3.1 应用软件说明 | 第24-29页 |
| 3.1.1 ORACLE | 第24-26页 |
| 3.1.2 SPSS MODELER | 第26-29页 |
| 3.2 常用数据分析挖掘算法 | 第29-30页 |
| 3.2.1 K-Means算法 | 第29-30页 |
| 3.2.2 Apriori算法 | 第30页 |
| 3.2.3 C5.0 算法 | 第30页 |
| 3.2.4 回归分析算法 | 第30页 |
| 3.3 本章小结 | 第30-32页 |
| 第4章 数据分析挖掘 | 第32-57页 |
| 4.1 需求分析 | 第32页 |
| 4.2 数据准备 | 第32-35页 |
| 4.3 初步处理 | 第35-37页 |
| 4.4 数据清洗 | 第37-41页 |
| 4.5 关联分析 | 第41-46页 |
| 4.6 客户细分 | 第46-56页 |
| 4.7 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 攻读硕士期间发表的论文 | 第60-61页 |
| 致谢 | 第61-62页 |
