淺析決策樹的數據挖掘在電信CRM中的應用

摘 要：電信CRM中一直存在著“數據豐富但是知識缺乏”的現象，現有的數據分析技術完全沒有跟上時代發展的潮流，更無法適應日益復雜的數據分析的需要，因此，如何挖掘決策樹的數據挖掘在電信CRM中的應用就顯得尤為重要。決策樹的數據挖掘，能實現在CRM中根據客戶的年齡、所在的城市、性別等因素對客戶進行分別歸類，該技術一旦實行，就能更大程度地防止客戶的流失，也能爭取新的電信用戶。

關鍵詞：決策樹；數據挖掘；CRM

中圖分類號：TP311.13 文獻標識碼：A 文章編號：1674-7712 （2013） 20-0000-02

隨著時代的進步，社會主義的蓬勃發展，我國的市場經濟體制已經逐步形成了，國內的電信行業的市場環境已經發展得越來越合理了，但是，還應該看到的是，發展是一把雙刃劍，國內的電信市場競爭也因此變得越來越劇烈了，而更重要的是，隨著世界經濟的全球化進程以及市場的國際化，我國還加入了世界貿易組織。這就在一定程度上要求我國的電信企業在經營管理等各個方面能夠和國際接軌，趕超國際水平，在國際化競爭中脫穎而出，才能實現我國的更有力的進步，向著強國富國的中國夢前進。眾所周知的是，我國傳統的電信企業在以前都僅僅是以產品為核心，與此同時盡量控制成本的運營模式的，而在經營模式方面，也只是以銷售地點、柜臺式服務以及產品和價格為主要著力點，在當今的時代要求下，我國的電信企業必須要向著以客戶和市場為中心的轉變，更要在客戶的消費心理和價值取向方面做一番功夫的研究才能在世界市場的競爭中立于不敗之地。而本文要說的決策樹的數據挖掘（也就是DM）在電信企業中的有效應用。

一、在電信CRM中使用數據挖掘的重要意義

眾所周知的是，隨著社會主義的發展，人民生活水平的提高，電信業務也迅猛地增長，而在激增的數據背后，卻隱藏著越來越重要的數據信息，最后隨著數據的累積，乃至出現了“數據豐富知識貧乏”的現象，也就是說，數據分析技術的發展，跟不上數據分析復雜度的需要。經過幾代人的努力，決策樹的數據挖掘技術就在此時應運而生。數據挖掘技術和傳統的數據分析有著很大的區別。首先，數據挖掘技術在挖掘信息之前沒有任何假設的環節，在這樣的情況下所發現的知識和信息，具有有效性、實用性以及事先未知性的特點。因此理所當然地，在CRM中應用數據挖掘技術可以為客戶數據分析提供更有效的決策支持。

另一方面，還應指出的是，現存的數據倉庫的數據存儲結構其實更適合于做數據的挖掘，甚至可以做比數據挖掘提供的數據更加細的數據，還可以對事務的、文本的、空間的甚至是多媒體的數據進行分析。

二、決策樹挖掘模型的建立

數據的準備、模型的建立、模型驗證以及模型評價是數據挖掘一般情況下的步驟。首先，數據準備就包括對數據進行取樣、特征探索、分析以及預處理。其次，可以看出的是，建立模型是一個反復不斷的過程，所挖掘的類型和模型的類型應該是一樣的。另外，決策樹、神經網絡、時間序列分析以及數理統計分析等方面都可以成為模型類型。最后，模型的驗證以及評價則是主要通過對結果和模式或者模型的分析和驗證來達到評價模型是否對決策支持信息有價值的目的。不然的話就要建立新的模型。一旦建立了模型并且也通過了驗證，那么在實施模型上可以使用兩種方法：第一，把該模型提供給分析或者業務人員做參考，并盡量進行全程的察看和分析然后對該模型提出行動方案或者建議；第二，把該模型運用到不同的數據集上。

本文主要是對電信的CRM數據里不同種類的客戶進行一個簡單的分類，并且對客戶的類型進行一個簡單的預測。而以下則是主要對“客戶流失”的類型進行一個簡單的分析，從而達到對建立決策樹挖掘模型的過程進行一個簡單的論述。

（一）分析決策樹應用

在電信的CRM數據中，主要是以客戶的年齡、所在的城市以及性別為依據對客戶進行簡單的分類，而在該分類的基礎上對客戶的類型進行預測，進而可以爭取更多的新用戶，與此同時還要過濾掉一大批已經沒有什么發展潛力的用戶，要達到這樣的一個目的，可以說，決策樹是比較直觀易懂的，在設計分類模型的時候，可以運用決策樹的算法來進行，與此同時還需要做的工作就是要提取該分類中隱藏的規則，在這種情況下，就能對客戶類型進行預測。因此，顯而易見的是，客戶類型就是決策樹要挖掘的目標。

（二）選擇決策樹的構造算法

決策樹構造的最原始的算法應該是ID3算法，這種算法僅僅能處理內存里面的數據，有著很弱的可伸縮性，而值得慶幸的是，當下的決策樹的構造算法有好多種，并且也不再是僅僅能在內存中處理，還能處理內存以外的數據，包括處理離散和連續的屬性值，不僅如此，這些算法的處理速度也實現了大大的提高，因此，這些構造算法具有很強的實用性。而SLIQ算法和SPRINT算法就是其中的兩種。

（三）決策樹的工作過程

一般情況下，決策樹的工作過程是：在構造決策樹的時候，使用一個帶有類標記的訓練數據集，接著還使用另外的一個測試數據集來檢驗所生成的決策樹是否正確，如果該決策樹具有足夠高的正確性的話，就可以使用該決策樹去預測未知類型的數據類型。需要指出的是，一般情況下某個屬性的一次檢測是用一個內部節點來作為代表的。在這樣的基礎下，在輸入新的被決策的記錄的時候，就可以對該記錄隸屬于哪個類進行預測。以下是一個由訓練樣本歸納判斷樹的基本算法的描述。

算法：用給定的訓練數據產生一棵判定樹。

三、在電信客戶信息決策實現決策應用

通常情況下，客戶行為分析可以保存客戶輸入的年齡、性別以及所屬的城市，因此就可以是使用這些信息作為基于決策樹的數據挖掘的輸入屬性，并且根據用戶所使用業務的多少，把客戶分成三種客戶類型：成熟客戶、一般客戶以及非客戶。所以，就能寄期望于從中掌握客戶的年齡、性別以及所屬的城市和客戶類型之間形成的一個隱藏的內在函數關系，最后，就能把輸入屬性設置為年齡、性別和所在的城市，最終實現預測客戶的類型（成熟客戶、一般客戶和非客戶）。值得注意的是，在輸入的屬性設置為年齡、性別和所屬的城市的時候，要實施有效的策略進行防止決策樹的過度增長。比如當葉子節點的樣本數量大于一定的閥值之后，就要對該葉子結點實行停止分裂，并且用多數表決的方法對該葉子進行類標記。

四、結語

在電信CRM中運用基于決策樹的數據挖掘的數據分析技術對客戶類型進行挖掘，與此同時達到對客戶類型進行預測的目的，是具有十分重要的實用價值的，不僅可以為運營公司在制定個性化的服務以及新業務的時候提供一個十分有價值的決策性參考，還可以通過預測用戶類型來實現吸引新客戶，保持老客戶的目的。因此，這對提高整個電信運營企業的市場競爭力具有十分重要的意義和深遠影響。另外，還需要指出的是，當今的決策樹的數據挖掘數據分析技術其實還有許多需要完善的地方，通過當今高科技技術人員的不懈努力，一定能完善得更好，從而發揮更大的潛力和價值。

參考文獻：

[1]陳京民.數據倉庫與數據挖掘技術[M].北京：電子工業出版社，2002.

[2]張俊，吳紹輝.數據庫技術的研究現狀及發展趨勢[J].工礦自動化，2011（07）.

[3]丁秋林，力士奇.客戶關系管理[M].北京：清華大學出版社，2002（7）.

[作者簡介]李揚（1979.10-），男，廣東河源人，本科，助理工程師，主要從事通信領域IT支撐工作，主要進行MBOSS系統BSS域相關支撐等方面工作；楊紅彬（1983.8-），男，河北遷安人，本科，助理工程師，主要從事通信領域IT支撐工作，主要進行MBOSS系統BSS和OSS域相關支撐等方面工作。