运营商的数据挖掘主题

1．业务分类
      大客户：移动大客户定义根据总部的统一定义，客户积分是评判大客户的依据，每年年末对大客户重新计算，确定下年的大客户积分评判阈值。大客户资格在年内只升不降。年内每月对达到大客户积分的标准赋予其相应的大客户资格。依大客户级别递增，移动大客户拥有4种VIP卡，分别是钻石卡、金卡、银卡、贵宾卡。
普通客户：除大客户之外的非神州行个人用户。 
2．其他分类
     其他分类方法可以有以下2种：使用聚类算法；人为分类方法。
客户主题
    对照数据挖掘研究的3类问题：关联、分类、预测，客户数据挖掘数据分析主题也可按此3类来划分。
关联问题
   关联问题研究客户各项属性特征的相互关系以及电信产品的交叉销售等问题。因为产品、客服等信息都可以归纳成客户的各项属性，因此关联方法也同时研究了客户实体和其他实体的关系。
   比较典型的关联问题：

1. 电信交叉销售

2. 套餐选择问题

3. 业务相互影响问题

 预测问题
     客户预测问题是预测客户的行为变化或消费等属性变化。客户典型的行为变化有流失、增加、通话行为变化、消费行为变化、客户信息变化、和其他行为变化。比较典型的预测问题：

1. 客户流失/大客户离网

2. 潜在大客户预测

3. 客户级别变动

4. 客户发展

5. 市场效果预测

聚类问题
客户聚类问题是客户特征研究。聚类研究的问题很多，可适用很多主题。
比较典型的聚类问题：

1. 客户特征分析

2. 消费模型

3. 异常客户分析

     以上仅是客户主题中比较典型的几个主题，电信行业作为一个庞大的技术和业务体系，能提出的研究主题远不止这些，这些可由业务人员发现实际业务中的问题，由分析人员转变为数据挖掘问题，利用数据挖掘工具来实现。