数据挖掘在通信运营企业管理中的应用

黑昱冬

摘要：随着信息技术发展进步与各类型电子通信设备普遍应用，以书信方式传递信息已经被网络通信方式所取代，社会各个方面通信需求不断提高，在为通信行业发展提供大好机遇的同时，也促使通信运营企业之间的竞争日渐白热化。借助先进技术手段，不断提高企业经营管理水平，可以说是推动通信运营企业发展的制胜法宝，为此，文章针对数据挖掘技术在通信运营企业管理中的应用这一议题，进行相关分析研究，希望能对有关企业有所助益。

关键词：数据挖掘；通信运营企业；企业管理

doi：10.3969/J.ISSN.1672-7274.2024.04.037

中图分类号：F 626，TP 311.13          文献标志码：A           文章编码：1672-7274（2024）04-0-03

The Application of Data Mining in the Management of Communication Operations Enterprises

HEI Yudong

（China United Network Communications Co.， Ltd. Beijing Branch， Beijing 100000， China）

Abstract： With the development and progress of information technology and the widespread application of various types of electronic communication devices， the transmission of information through letters has been replaced by network communication methods. The demand for communication in various aspects of society is constantly increasing. While providing great opportunities for the development of the communication industry， it also promotes the increasingly fierce competition among communication operation enterprises. By utilizing advanced technological means and continuously improving the level of enterprise management， it can be said that it is a winning strategy to promote the development of communication operation enterprises. Based on this， this article conducts a correlation analysis and research on the application of data mining technology in the management of communication operation enterprises， hoping to be helpful to relevant enterprises.

Keywords： data mining; communication operation enterprises; business management

1   數据挖掘技术

从应用实质上看，数据挖掘技术的应用过程主打决策支持功能，信息时代每时每刻都在产生海量数据，形成规模巨大的数据信息群集，数据挖掘技术应用就是要从中进行筛选比对，以期找到所需的相关信息，对其进行价值挖掘利用。包括模式识别、数据库以及统计学等在内的一大批先进技术得到充分且高效的整合利用，数据信息的汇总及推理速度得到极大提升，潜藏在数据信息内的利用价值得到充分挖掘，用以为决策层的科学规划决策提供准确依据。

2   通信运营大数据平台

大数据平台能够高效准确完成用户、网络等方面的数据采集，分析管理系统和用户之间存在的内在联系。

（1）数据源层。国内目前共有3大通信运营商，他们掌握了庞大的数据量，几乎做到了全维度覆盖，可以以此为基础打造大数据网。通信运营商通常会设置专用大数据平台，由包括数据源层等在内的多个先进功能层和平台管理系统构成。

（2）数据采集层。数据处理由ETL负责，它是经由业务系统和第三方数据连接业务数据库终端接口，与.FTP和DPI共同执行数据处理任务。通过对数据实施提取、转换以及加载等流程，传输到平台数据存储层。所采集的数据源格式类型非常多，能够覆盖几乎全部数据，赋予数据采集鲜明的周期性特点，保证稳定供应的数据来源。

（3）数据存储层。它的主要数据存储方式是分布式，保证多元化的数据类型都能得到妥善合理地储存。同时它还能对数据进行全面分析，在此基础上的数据分类、存储以及日后匹配都会更加合理。

（4）数据分析处理层。面对过于庞大的体量，数据平台须以分布式或者离线方式进行计算和处理。离线处理常用MapReduce，取其灵活性强的优势，分布式处理则常用Srorm。

（5）数据汇聚层。该层主要利用Hbase查询或存储数据，可以方便快捷地查询所需数据，大大简化查询流程。

（6）数据服务层。它负责为第三方提供数据查询、分析以及可视化等方面的服务，保证对方实时获取信息，用于提升自身发展水平。

（7）用户应用层。它负责为用户推送各种业务短信以及工作日志，为服务项目提供推荐服务，用户可以更快捷地洞悉及应用所需产品。

（8）平台管理系统。它负责管理设备商、设备运行的专用大数据平台，由数据采集、安全以及维护等系统组成[1]。

3   国内通信运营企业存在的管理问题

3.1 创建的数据库平台水平不高

目前国内主要的通信运营企业有3家，他们正在为日常管理构建数据库平台，但是纵观其平台性能表现，普遍存在着水平不高的问题，与世界先进国家技术差距较大。目前国内通信运营市场基本就是三国杀，这3家的市场占有率已经超过95%，手中的用户信息和数据资料非常充足，已经有能力创建自身的专业数据库，但是其创建过程囿于传统落后的管理模式和思路，导致数据库平台的创建长期在起步阶段徘徊不前。

3.2 用户群体划分缺乏合理性

通信运营企业目前划分的用户群体，虽然都是建立在各自的业务及管理发展目标基础上，然而划分标准模糊不清，也未站在战略角度去从整体上对用户群体的开发进行统筹规划。用户群体要求精细化划分，这是相关企业开拓业务领域及创收的决定性因素，数据挖掘技术的合理利用，可以助力打破通信运营管理面临的发展困境，在此期间要求企业科学选用不同算法，而且资源投入量也是一个巨大数字。目前的用户市场发展趋势以及变化特点从整体上体现出强烈的动态化，如果数据信息更新维护不及时，在进行用户群体分门别类时就会得不出与运营管理相符的结论，导致企业的业务规划缺乏合理性。

3.3 未精准预测用户流失问题

目前国内的通信运营管理，普遍存在着严重的用户流失，企业要进行新的业务推广，就必须对用户流失状况全面掌握，在此基础上才能精准制定业务的优化改进策略。纵观目前通信运营企业的管理现状，企业普遍未能精准预测用户流失的动态走势，只是通过查看统计数据，才能对前期有限时间段内的用户流失资料进行了解，导致业务改进与发展现状出现时间差，面对如此残酷激烈的市场竞争，企业的用户群流失资料掌握速度明显滞后，业务决策就是无本之木，数据挖掘无法发挥应用价值，严重后果可想而知[2]。

4   数据挖掘技术应用于通信运营企业管理

4.1 精细化划分用户群体

电信用户的应用需求日趋多元是大势所趋，用户群体的经济实力千差万别，消费行为也必然存在差异化，所以，数据挖掘技术的应用价值就有了用武之地，它可以用于精准研判用户群体。K-均值聚类算法是用户范围划分的适用方式，由数据库平台得到用户的基本信息，以及长途通话、欠费缴费、账单、宽带应用、本地通话以及结算等信息后予以数据挖掘，对用户群体进行层次和类别的精准划分。数据挖掘技术在应用于对用户群体进行细分时，须侧重于对差异化的数据信息进行筛选、归类以及汇总。业务需要以及环境特点都存在很大差异性，应用K-均值聚类算法期间须对基本信息以及一直处于动态变化中的数据信息进行比对分析，摸清蕴含的内在联系，以此为依据对用户进行分类，再引入数据标准提升划分的精細度。在细分电信用户期间，用户群体可以进行另外方式的归类，包括国内传统类、电信等在内的类型各异的用户，都会各自归集到对应的类别当中。业务部门对不同用户类型进行消费习惯归纳分析，制定个性化针对性的营销方案、服务方式和靶向定价，提升用户黏性，在他们中间发展一批忠诚度高且对服务水平满意的用户，对潜在用户也要加大争取力度。

4.2 预测用户流失

技术进步为用户提供了更多通信方式的自由选择空间，智能化电子化联系方式成为新宠，固定电话逐渐式微，移动用户如果感觉联通套餐更便宜可能就会离电信而去。用户流失就意味着通信运营企业经济效益下滑，引进利用数据挖掘技术，企业就可提前精准预测用户潜在的流失趋势，进而拿出更真诚积极的态度去留住用户。决策树算法是对用户流失进行精准预测的适用方式，首先对用户进行范围划定，准确定义流失的内涵，然后包括用户账单以及基本信息等在内的数据进行全面采集并挖掘分析，自动评估用户流失趋势分值，给出具体结论，提供给通信运营商用作用户流失趋势预测参考依据。企业须精准研判用户流失的现状和具体原因。举例来说，有的用户只是对套餐以及业务进行调整，可归结为业务调整类型，其数据挖掘就必须提前明确设置算法及统计标准，防止数据挖掘应用失误带来错误的预测结论。预测信息一旦出炉就要立即向业务及客服部门传送，令其竭尽全力挽留用户。用户流失预测须以月度为单位定期开展，预测结论出炉后，要立即联系包括客服、管理、业务以及信息部门等在内相关人员联合研究，结合数据挖掘给出的预测结论，综合分析用户流失的现状、未来走向、时间节点以及具体成因，在此基础上出台业务调整和优化方案。对已流失用户须加强联系和挽留，有流失风险的用户给予针对性业务调整和改进服务。

5   应用案例

对电信用户进行数据分析，须提前结合专业适用的算法精准归纳流失用户的规律特点。第一，神经网络算法。其具有自适应、自学习以及自组织特点突出的优势，能够精准完成数据分析，不受外部因素干扰，但是没有足够的解释性。第二，决策树算法。它应用于用户流失预测的优势在于归类过程条理清晰，专业规则通俗易懂，但是无法高效利用数据，面对多元化或者数量太大的数据错误率太高，应用方式容易受到条件限制。所以，要对用户流失趋势进行精准预测，还须对二者进行综合利用，就数据分析生成专用模型，采集电信企业代表性的单月用户数据，利用数据挖掘技术进行科学分析，排查潜在的各种问题。在此期间数据均由企业计费系统提供，按照企业的业务分类标准，对用户数据进行对应的分门别类，其中信息属于输入属性，而输出属性归属用户状态。还要利用专业软件对数据进行按需筛选并生成训练数据集，结合算法模型生成专门用于预测用户流失趋势的模型，得到所需的数据流。

5.1 模型规则

（1）判断If是4G用户与否＝4G&套餐月租≤13&区县＝某区&当月主叫计费时长（s）≤0，Then流失。

（2）判断If是4G用户与否＝4G&套餐月租≤13&区县＝某区&当月主叫计费时长（s）≤23，Then流失。

（3）判断If是4G用户与否＝3G&套餐月租≤4500&计费收入≤0.970&当月主叫计费时长（s）≤0，Then流失。

（4）判断If是4G用户与否＝3G&套餐月租≤4500&计费收入≤0.970&当月主叫计费时长（s）≥0区县＝某区、某县、某集团服务部，Then流失。

（5）判断If是4G用户与否＝3G&套餐月租≤4500&计费收入＞0.970&欠费停机时间≤020160418，区县＝某区、某县、某大客户分部，Then流失；

（6）判断If是4G用户与否＝3G&基本月租≤0500&计费收入≥0.970&欠费停机时间＝20051019～20101201&区县＝某区，Then流失。

（7）判断If是4G用户与否＝3G&欠费停机时间＞20130418&区县＝某区、某县，Then流失。

（8）判断If是4G用户与否＝3G&套餐月租≤0500&计费收入≥0.970&当月通话时长（s）＜69&欠费停机时间＞20160418区县＝某区，Then流失。

（9）判断If4G用户与否＝3G&基本月租≤0500&计费收入≥0.970&当月通话时长（s）＞69&主叫時间＞18542&欠费停机时间＞20160418&区县＝某区，Then流失。

（10）判断If是4G用户与否＝3G&套餐月租≤1&计费收入≥3.970&欠费停机时间＞20161031，Then流失。

5.2 模型检验

通过对用户流失进行模型检验证实，以神经网络算法结合决策树算法共同创建数据挖掘分析模型，可以促进数据分析达到超过98%的准确率，而且能够对数据挖掘结果进行优化完善，成效显著[3]。

6   结束语

对于通信运营企业而言，构建完善的大数据平台并科学应用数据挖掘技术，可以更为方便快速地做好客户信息、网络信息等各项数据的高效采集、处理及储存，从而为企业决策与管理提供更为有效的参考依据，但是现阶段我国通信运营企业仍存在数据库建设等方面的问题，因此亟需深入探讨如何实现数据挖掘技术在通信运营企业管理中的合理应用。

参考文献

[1] 赵洁，郑敏．投诉信息挖掘在公司服务运营中的应用[C]．辽宁省通信学会通信网络与信息技术年会．辽宁省通信学会，2016.

[2] 周庆荣．数据挖掘技术在企业财务管理中的创新应用[J]．科技创业月刊，2018（12）：135-137.

[3] 杨慧慧，梁艳，苏辉辉．数据挖掘在物流企业客户关系管理中的研究[J]．商情，2018（10）：153-154，250.