數據挖掘在通信運營企業管理中的應用

黑昱冬

摘要：隨著信息技術發展進步與各類型電子通信設備普遍應用，以書信方式傳遞信息已經被網絡通信方式所取代，社會各個方面通信需求不斷提高，在為通信行業發展提供大好機遇的同時，也促使通信運營企業之間的競爭日漸白熱化。借助先進技術手段，不斷提高企業經營管理水平，可以說是推動通信運營企業發展的制勝法寶，為此，文章針對數據挖掘技術在通信運營企業管理中的應用這一議題，進行相關分析研究，希望能對有關企業有所助益。

關鍵詞：數據挖掘；通信運營企業；企業管理

doi：10.3969/J.ISSN.1672-7274.2024.04.037

中圖分類號：F 626，TP 311.13? ? ? ? ? 文獻標志碼：A? ? ? ? ? ?文章編碼：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application of various types of electronic communication devices， the transmission of information through letters has been replaced by network communication methods.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? ?數據挖掘技術

從應用實質上看，數據挖掘技術的應用過程主打決策支持功能，信息時代每時每刻都在產生海量數據，形成規模巨大的數據信息群集，數據挖掘技術應用就是要從中進行篩選比對，以期找到所需的相關信息，對其進行價值挖掘利用。包括模式識別、數據庫以及統計學等在內的一大批先進技術得到充分且高效的整合利用，數據信息的匯總及推理速度得到極大提升，潛藏在數據信息內的利用價值得到充分挖掘，用以為決策層的科學規劃決策提供準確依據。

2? ?通信運營大數據平臺

大數據平臺能夠高效準確完成用戶、網絡等方面的數據采集，分析管理系統和用戶之間存在的內在聯系。

（1）數據源層。國內目前共有3大通信運營商，他們掌握了龐大的數據量，幾乎做到了全維度覆蓋，可以以此為基礎打造大數據網。通信運營商通常會設置專用大數據平臺，由包括數據源層等在內的多個先進功能層和平臺管理系統構成。

（2）數據采集層。數據處理由ETL負責，它是經由業務系統和第三方數據連接業務數據庫終端接口，與.FTP和DPI共同執行數據處理任務。通過對數據實施提取、轉換以及加載等流程，傳輸到平臺數據存儲層。所采集的數據源格式類型非常多，能夠覆蓋幾乎全部數據，賦予數據采集鮮明的周期性特點，保證穩定供應的數據來源。

（3）數據存儲層。它的主要數據存儲方式是分布式，保證多元化的數據類型都能得到妥善合理地儲存。同時它還能對數據進行全面分析，在此基礎上的數據分類、存儲以及日后匹配都會更加合理。

（4）數據分析處理層。面對過于龐大的體量，數據平臺須以分布式或者離線方式進行計算和處理。離線處理常用MapReduce，取其靈活性強的優勢，分布式處理則常用Srorm。

（5）數據匯聚層。該層主要利用Hbase查詢或存儲數據，可以方便快捷地查詢所需數據，大大簡化查詢流程。

（6）數據服務層。它負責為第三方提供數據查詢、分析以及可視化等方面的服務，保證對方實時獲取信息，用于提升自身發展水平。

（7）用戶應用層。它負責為用戶推送各種業務短信以及工作日志，為服務項目提供推薦服務，用戶可以更快捷地洞悉及應用所需產品。

（8）平臺管理系統。它負責管理設備商、設備運行的專用大數據平臺，由數據采集、安全以及維護等系統組成[1]。

3? ?國內通信運營企業存在的管理問題

3.1 創建的數據庫平臺水平不高

目前國內主要的通信運營企業有3家，他們正在為日常管理構建數據庫平臺，但是縱觀其平臺性能表現，普遍存在著水平不高的問題，與世界先進國家技術差距較大。目前國內通信運營市場基本就是三國殺，這3家的市場占有率已經超過95%，手中的用戶信息和數據資料非常充足，已經有能力創建自身的專業數據庫，但是其創建過程囿于傳統落后的管理模式和思路，導致數據庫平臺的創建長期在起步階段徘徊不前。

3.2 用戶群體劃分缺乏合理性

通信運營企業目前劃分的用戶群體，雖然都是建立在各自的業務及管理發展目標基礎上，然而劃分標準模糊不清，也未站在戰略角度去從整體上對用戶群體的開發進行統籌規劃。用戶群體要求精細化劃分，這是相關企業開拓業務領域及創收的決定性因素，數據挖掘技術的合理利用，可以助力打破通信運營管理面臨的發展困境，在此期間要求企業科學選用不同算法，而且資源投入量也是一個巨大數字。目前的用戶市場發展趨勢以及變化特點從整體上體現出強烈的動態化，如果數據信息更新維護不及時，在進行用戶群體分門別類時就會得不出與運營管理相符的結論，導致企業的業務規劃缺乏合理性。

3.3 未精準預測用戶流失問題

目前國內的通信運營管理，普遍存在著嚴重的用戶流失，企業要進行新的業務推廣，就必須對用戶流失狀況全面掌握，在此基礎上才能精準制定業務的優化改進策略。縱觀目前通信運營企業的管理現狀，企業普遍未能精準預測用戶流失的動態走勢，只是通過查看統計數據，才能對前期有限時間段內的用戶流失資料進行了解，導致業務改進與發展現狀出現時間差，面對如此殘酷激烈的市場競爭，企業的用戶群流失資料掌握速度明顯滯后，業務決策就是無本之木，數據挖掘無法發揮應用價值，嚴重后果可想而知[2]。

4? ?數據挖掘技術應用于通信運營企業管理

4.1 精細化劃分用戶群體

電信用戶的應用需求日趨多元是大勢所趨，用戶群體的經濟實力千差萬別，消費行為也必然存在差異化，所以，數據挖掘技術的應用價值就有了用武之地，它可以用于精準研判用戶群體。K-均值聚類算法是用戶范圍劃分的適用方式，由數據庫平臺得到用戶的基本信息，以及長途通話、欠費繳費、賬單、寬帶應用、本地通話以及結算等信息后予以數據挖掘，對用戶群體進行層次和類別的精準劃分。數據挖掘技術在應用于對用戶群體進行細分時，須側重于對差異化的數據信息進行篩選、歸類以及匯總。業務需要以及環境特點都存在很大差異性，應用K-均值聚類算法期間須對基本信息以及一直處于動態變化中的數據信息進行比對分析，摸清蘊含的內在聯系，以此為依據對用戶進行分類，再引入數據標準提升劃分的精細度。在細分電信用戶期間，用戶群體可以進行另外方式的歸類，包括國內傳統類、電信等在內的類型各異的用戶，都會各自歸集到對應的類別當中。業務部門對不同用戶類型進行消費習慣歸納分析，制定個性化針對性的營銷方案、服務方式和靶向定價，提升用戶黏性，在他們中間發展一批忠誠度高且對服務水平滿意的用戶，對潛在用戶也要加大爭取力度。

4.2 預測用戶流失

技術進步為用戶提供了更多通信方式的自由選擇空間，智能化電子化聯系方式成為新寵，固定電話逐漸式微，移動用戶如果感覺聯通套餐更便宜可能就會離電信而去。用戶流失就意味著通信運營企業經濟效益下滑，引進利用數據挖掘技術，企業就可提前精準預測用戶潛在的流失趨勢，進而拿出更真誠積極的態度去留住用戶。決策樹算法是對用戶流失進行精準預測的適用方式，首先對用戶進行范圍劃定，準確定義流失的內涵，然后包括用戶賬單以及基本信息等在內的數據進行全面采集并挖掘分析，自動評估用戶流失趨勢分值，給出具體結論，提供給通信運營商用作用戶流失趨勢預測參考依據。企業須精準研判用戶流失的現狀和具體原因。舉例來說，有的用戶只是對套餐以及業務進行調整，可歸結為業務調整類型，其數據挖掘就必須提前明確設置算法及統計標準，防止數據挖掘應用失誤帶來錯誤的預測結論。預測信息一旦出爐就要立即向業務及客服部門傳送，令其竭盡全力挽留用戶。用戶流失預測須以月度為單位定期開展，預測結論出爐后，要立即聯系包括客服、管理、業務以及信息部門等在內相關人員聯合研究，結合數據挖掘給出的預測結論，綜合分析用戶流失的現狀、未來走向、時間節點以及具體成因，在此基礎上出臺業務調整和優化方案。對已流失用戶須加強聯系和挽留，有流失風險的用戶給予針對性業務調整和改進服務。

5? ?應用案例

對電信用戶進行數據分析，須提前結合專業適用的算法精準歸納流失用戶的規律特點。第一，神經網絡算法。其具有自適應、自學習以及自組織特點突出的優勢，能夠精準完成數據分析，不受外部因素干擾，但是沒有足夠的解釋性。第二，決策樹算法。它應用于用戶流失預測的優勢在于歸類過程條理清晰，專業規則通俗易懂，但是無法高效利用數據，面對多元化或者數量太大的數據錯誤率太高，應用方式容易受到條件限制。所以，要對用戶流失趨勢進行精準預測，還須對二者進行綜合利用，就數據分析生成專用模型，采集電信企業代表性的單月用戶數據，利用數據挖掘技術進行科學分析，排查潛在的各種問題。在此期間數據均由企業計費系統提供，按照企業的業務分類標準，對用戶數據進行對應的分門別類，其中信息屬于輸入屬性，而輸出屬性歸屬用戶狀態。還要利用專業軟件對數據進行按需篩選并生成訓練數據集，結合算法模型生成專門用于預測用戶流失趨勢的模型，得到所需的數據流。

5.1 模型規則

（1）判斷If是4G用戶與否＝4G&套餐月租≤13&區縣＝某區&當月主叫計費時長（s）≤0，Then流失。

（2）判斷If是4G用戶與否＝4G&套餐月租≤13&區縣＝某區&當月主叫計費時長（s）≤23，Then流失。

（3）判斷If是4G用戶與否＝3G&套餐月租≤4500&計費收入≤0.970&當月主叫計費時長（s）≤0，Then流失。

（4）判斷If是4G用戶與否＝3G&套餐月租≤4500&計費收入≤0.970&當月主叫計費時長（s）≥0區縣＝某區、某縣、某集團服務部，Then流失。

（5）判斷If是4G用戶與否＝3G&套餐月租≤4500&計費收入＞0.970&欠費停機時間≤020160418，區縣＝某區、某縣、某大客戶分部，Then流失；

（6）判斷If是4G用戶與否＝3G&基本月租≤0500&計費收入≥0.970&欠費停機時間＝20051019～20101201&區縣＝某區，Then流失。

（7）判斷If是4G用戶與否＝3G&欠費停機時間＞20130418&區縣＝某區、某縣，Then流失。

（8）判斷If是4G用戶與否＝3G&套餐月租≤0500&計費收入≥0.970&當月通話時長（s）＜69&欠費停機時間＞20160418區縣＝某區，Then流失。

（9）判斷If4G用戶與否＝3G&基本月租≤0500&計費收入≥0.970&當月通話時長（s）＞69&主叫時間＞18542&欠費停機時間＞20160418&區縣＝某區，Then流失。

（10）判斷If是4G用戶與否＝3G&套餐月租≤1&計費收入≥3.970&欠費停機時間＞20161031，Then流失。

5.2 模型檢驗

通過對用戶流失進行模型檢驗證實，以神經網絡算法結合決策樹算法共同創建數據挖掘分析模型，可以促進數據分析達到超過98%的準確率，而且能夠對數據挖掘結果進行優化完善，成效顯著[3]。

6? ?結束語

對于通信運營企業而言，構建完善的大數據平臺并科學應用數據挖掘技術，可以更為方便快速地做好客戶信息、網絡信息等各項數據的高效采集、處理及儲存，從而為企業決策與管理提供更為有效的參考依據，但是現階段我國通信運營企業仍存在數據庫建設等方面的問題，因此亟需深入探討如何實現數據挖掘技術在通信運營企業管理中的合理應用。

參考文獻

[1] 趙潔，鄭敏．投訴信息挖掘在公司服務運營中的應用[C]．遼寧省通信學會通信網絡與信息技術年會．遼寧省通信學會，2016.

[2] 周慶榮．數據挖掘技術在企業財務管理中的創新應用[J]．科技創業月刊，2018（12）：135-137.

[3] 楊慧慧，梁艷，蘇輝輝．數據挖掘在物流企業客戶關系管理中的研究[J]．商情，2018（10）：153-154，250.