数据挖掘应用实例1

《数据挖掘应用实例1》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、数据挖掘应用实例IBM的通用数据挖掘方法论IBM的“通用数据挖掘方法”(Thegenericdataminingmethod)将数据挖掘的全过程归纳为7个步骤。1.明确的定义商务问题，并从技术的角度考虑商务问题。2.确定要使用的数据挖掘模型。3.按模型的要求确定数据源并进行数据准备工作。4.评估数据质量。5.根据商务或技术问题的性质，选择一种挖掘技术或几种挖掘技术的组合进行数据挖掘。6.理解挖掘结果并从挖掘结果中检测新的模式。7.将挖掘结果应用到具体业务中，使得商业利润最大化与企业形象最佳化。IBM的通用数据挖掘方法客户群细

2、分挖掘技术在电信行业中的应用结果举例某电信公司运用聚类算法进行客户群细分的应用案例在进行客户细分之前，首先需要从业务系统或者经营分析系统中抽取出适当的数据，包括以下数据字段。需要用到的数据字段用户数据年龄收入工作单位性别呼叫行为数据总呼叫时长工作时间呼叫时长国内长途话费使用时长国际长途话费使用时长夜间呼叫时长使用的服务类型使用的语音业务种类数量使用的数据业务种类数量打折业务数据数量使用的点播类数据业务数量使用免费业务的种类数量其他类型的数据使用的资费套餐付费方式（后付费、预付费……）网内通话数据客户级别（钻石、黄金、白银……

3、）最近半年的话费使用IBMIntelligentMiner进行客户细分聚类分析时，选定K=9(作为聚类算法的参数)，得到9个不同的客户群，每个客户群的特点及主要统计特性如下表所示。客户群编号客户群名称占总体客户的比例呼叫行为使用其他增值业务的频率利润的比例利润比例除以客户比例的比率0年轻而且消费能力强的客户12.0%很频繁中等21.8%1.821真正的移动客户8.5%很频繁高13.9%1.642年轻客户7.5%中等高7.1%0.953本地客户11.1%频繁低15.0%1.354晚间客户7.8%中等低6.9%0.885使用增值

4、业务的用户9.7%少高6.3%0.656保守用户11.9%中等低11.1%0.937经济群体13.6%少低9.5%0.708基础群体18.1%很少低8.4%0.46解释结果－对客户群5的属性进行统计分析和描述客户群5具有这样一些特点：对几乎所有的增值业务感兴趣；在所有时段内通话时长都很低；呼出电话号码数很少；入网时长较长；年龄在40~50岁之间，为小业主（职业）。客户群5的特征图