数据挖掘技术在移动通信中的应用分析

陈丽丽

摘要 近年来，随着计算机科学技术的发展，人们利用信息技术搜集和生产数据的能力大幅度提升。商业管理、科学研究、政府办公以及工程开发等无数个领域都在使用数据库。这种现象将会持续发展下去，那么，一个新的挑战已经出现：在现如今信息大爆炸的时代，几乎人人都会面对这样一个的问题，即信息过量。数据挖掘就是从这些大量的、未知的数据中，提取出来被隐藏其中的、人们事先并不知道的，但又是在挖掘潜有价值的信息的全过程。本文将详细阐述数据挖掘的一般技术，简单地介绍了数据挖掘技术在移动通信中的应用。

关键词 数据挖掘；移动通信；数据库

中图分类号TP3 文献标识码 A 文章编号 2095—6363（2016）04—0107—02

1数据挖掘技术概述

在信息大爆炸的时代，如何能够在信息的汪洋大海中挖掘有价值意义的信息，有实用意义的知识，怎样提高信息利用率呢？数据挖掘就像是从矿石中采矿一样，原始数据可以说是形成知识的源泉。其可以是半结构化的，也可以是结构化的，数据库中的各项内容，文本、图像及在网络上显现的异构型数据等都可以称为半结构化的，而数据就是结构化的体现。庞大的数据库资源是一个公司最重要的信息资本，但只有充分利用，发挥数据的价值才能拓展公司自身的业务，数据挖掘技术随之诞生，并得以迅速发展，在众多的领域中越来越表现出蓬勃以及顽强的生命力。

在数据仓库成长的基础上，数据挖掘技术逐渐发展起来，且出现数据量增幅迅猛趋势，目前为止，因人们所用工具的局限性而导致无法将其挖掘出来。这样以来，便造成了信息的流失。数据库系统目前只能做到存取数据库中已有的信息，而此类数据传递出来的信息资料，往往不能看作是整体数据信息系统，如此类数据的发展趋势和整体特点都是隐藏在这些数据背后更具参考价值的信息。

要特别指出的是，数据挖掘技术在具体应用方面。其可面向特定数据库，且能够实现检索、查询、调用等简单便捷性功能，同时还要对这些数据进行全方位的分析、综合、推理。发现其中的关联指出，能够联系并指导实际问题，甚至根据已有的数据来对未来未知的活动进行预测。

2据挖掘技术在移动通信中的应用

数据挖掘技术的应用领域都是需要知识进行管理和决策的领域，这些领域所拥有的共同特点是有着丰富的信息含量和多变的环境。数据库技术在移动通信领域的应用研究主要包括数据仓库的建立、决策树技术的应用以及关联规则的应用。

2.1数据仓库的建立

打造一个统一的数据共享平台是移动通信业务数据仓库系统的一个重要建设目标。数据仓库依据客户信息，结合抽取、清洗、加工、整理、加载，进而对数据进行处理，最后在根据主题对数据进行分类并储存。移动运营商再通过数据接口，深层次的挖掘这些数据，发掘自身所需要的数据资源。

2.2决策树技术的应用

遵循决策树的分类技术进行预测，从而导出对应的商品模型。可以帮助企业理解给定销售活动的影响，并且能够帮助企业设计更有效的销售活动。根据决策树的算法，可以区分出用户群体，结合用户群体的消费特点和个人特征要采取不同的销售策略。不仅如此，决策树技术还能够促使移动运营商提高自身的工作效率，并通过管理和维护方式更好地为客户服务。

2.3关联规则的应用

规模大、高度分布和结构复杂是移动通信网络的特点。如此复杂的网络管理起来只会越来越难，在故障的管理方面尤为突出，发生这种现象的原因在于故障管理需要有着丰富经验的工程师，他能够分析告警相关性，并且找出故障原因的告警，只有这样才能检测出故障的原因。利用关联性规则的算法，我们便可以找到告警之间的相互关联之处，在一定程度上，也为维修设备和预示告警提供了便利。不知道网络的拓扑结构关系，同样可以对数据进行挖掘，数据的挖掘技术即使在网拓扑结构发生变化时，也能够通过分析告警的历史记录信息，自动发现新的告警相关性规则。关联性规则的应用大大地提高了工作效率，同时也减轻了网络管理员的工作强度。

3数据挖掘的主题定义

3.1对客户的行为进行分析

通常情况下，会采用聚类和分类分析法对客户的通话行为进行分析，做到要了解客户的消费行为以及习惯、并且了解客户的社会联系以及生活方式。分析客户行为的主要目的是根据客户不同的消费习惯把客户群进行分类规整，移动运营商通过分析每一个客户各自的特征，消费水平的高低和生活通话的特点，就可以根据不同的营销活动和销售方案，更好为客户提供贴心化的服务。区分客户群体的典型应用要求必须做到精准、精确营销。

3.2对优惠策略的仿真预测

就某一个企业而言，盈利是其存在的根本，是公司能够正常运作的根本保障。企业的营销方式通常会采用某种优惠的政策，这种优惠政策存在的目的是给公司带来更大的利润。优惠政策是否能够给公司带来效益，是否能够赢得消费者的青睐是不可预知的。如果优惠政策能够赢得客户青睐，那么此次的营销活动便可以达到预期的效果，反之，如果优惠政策落实不到位，没有达到预期的效果，那么，此次的优惠政策不仅没有给公司带来收益，反而会给企业发展带来极大的威胁，尤其是企业信息等方面。在移动通信中可以实施很多的优惠政策，为了更好地服务客户，移动运营商应该在这些政策推向市场之前，对优惠政策采取仿真预测的方式，以便建立好的客户行为模型。对客户采取仿真测试的方法，可以根据用户在测试中的反应来预测优惠政策的实施效果，做好预案。如果实施效果没有达到预期的期望，可遵循实际情况有效解决。

3.3对反欺诈行为的分析

利用数据挖掘技术来建立客户欺诈消费模型，达到监控客户消费行为的目的。此外，移动运营商还要对符合客户欺诈消费模型的用户给予警告，这样做既可以预测客户欺诈行为的发生，也可以正确分析客户的消费行为，只有这样，移动运营商才能充分做好反欺诈行为的准备，将利益最大化，损失最小化。

3.4对客户忠诚度的分析

通过分析用户的账单支付金额和消费金额，建立客户价值模型，依据上述模型对客户的忠诚度进行分析，做到全面掌握客户需求以及把握好客户的离网倾向。移动运营商的价值所在便是客户，没有客户的评价，就无法彰显移动运营商的价值意义，想要确保移动运营商的市场占有率，就必须在采用低成本的营销方式的同时，为客户进行量身定制需求方案。同时，需要对客户的忠诚度进行分析，挽留有离网倾向的用户，只有这样，才能够对高价值用户提供优质的服务。

3.5对客户流失的分析

通过对数据挖掘技术在移动通信中的应用研究，不难看出客户流失需根据具体情况具体分析，其一般包含客户恶意、自然和竞争等流失类型。其中，客户恶意的流失是指客户在造成SIM卡欠费之后，更换运营商，选择了其他的运营商，进而达到不再交费的目的，客户恶意流失主要是指客户为了逃避所欠费用。针对客户的这种行为，移动运营商为了防止客户的恶意流失，可以对用户信誉管理制度进行加强完善，做好欺诈监测。自然流失的因素有很多，比如用户的工作、住址的变更等，这些都不是人为因素。解决客户的自然流失的方法就是移动通信运营商要建立众多的实体营业厅，并提供网络服务的方式来缓解这种情况的发生概率。客户的竞争流失指的是因市场经济中在竞争对手的影响下，为移动运营商企业带来了客户流失的现象。此时的移动运营商也可以结合市场、合作商、供应商的特征进行分析，并且认真研究竞争对手的营销方案，减少客户流失现象的发生。

4结论

综上所述，伴随社会经济发展速度的不断提升，我国移动通信技术水平也得到了极大地提升。数据挖掘技术会是一个不断发展、不断进步的计算机新型的科学技术，其强大的生命力和广泛的应用，也说明了数据挖掘技术在社会生活和生产过程中的重要性，数据挖掘的发展速度很快，作为一门综合性强的新兴领域，在它的发展过程中会伴随着一定的挑战，但相信在不断发展与进步中，数字挖掘技术能够有效提升信息化建设水平。