【摘要】： 當(dāng)今世界,電信運(yùn)營(yíng)商要想在日益激烈的競(jìng)爭(zhēng)環(huán)境下,最大程度的在競(jìng)爭(zhēng)活動(dòng)中立于不敗之地,不僅要對(duì)客戶(hù)提供優(yōu)質(zhì)的服務(wù),更重要的是要了解運(yùn)營(yíng)商提供的產(chǎn)品與所服務(wù)的客戶(hù)結(jié)構(gòu)是怎樣的。在經(jīng)營(yíng)活動(dòng)中,客戶(hù)的信用等級(jí)正好可以反映客戶(hù)結(jié)構(gòu)的基本信息,指導(dǎo)電信公司在具體的管理實(shí)踐中采取積極有效地措施,從而減少其信用風(fēng)險(xiǎn),降低運(yùn)營(yíng)成本,提高經(jīng)濟(jì)效益,產(chǎn)生巨大的社會(huì)效應(yīng)。 正確有效地評(píng)估電信客戶(hù)的信用等級(jí),是當(dāng)前電信運(yùn)營(yíng)商工作地重中之重。本文將以重慶某電信運(yùn)營(yíng)商部分后付費(fèi)手機(jī)用戶(hù)數(shù)據(jù)為例,利用數(shù)據(jù)挖掘技術(shù),使用SAS統(tǒng)計(jì)分析軟件中的數(shù)據(jù)挖掘模塊進(jìn)行實(shí)際的操作分析,最終建立分類(lèi)模型,將客戶(hù)的信用等級(jí)進(jìn)行有效分類(lèi),并對(duì)未來(lái)客戶(hù)的各項(xiàng)屬性依據(jù)模型進(jìn)行信用等級(jí)的預(yù)測(cè)�，F(xiàn)階段,該電信運(yùn)營(yíng)商主要以客戶(hù)每月消費(fèi)金額的大小來(lái)給客戶(hù)分類(lèi),然后依據(jù)消費(fèi)金額的大小依次確定該客戶(hù)的信用等級(jí)。該方法顯得并不是很準(zhǔn)確,為了提高信用等級(jí)的預(yù)測(cè)準(zhǔn)確度,本文提出了一種確定信用等級(jí)的新方法,通過(guò)對(duì)本文六個(gè)部分的闡述可了解,具體過(guò)程如下描述。 首先本文闡明了該研究的基本背景,即電信運(yùn)營(yíng)商呆賬壞賬率較高,給公司帶來(lái)巨額的損失,同時(shí)說(shuō)明了正確進(jìn)行信用等級(jí)分類(lèi)可降低信用風(fēng)險(xiǎn),降低管理成本,提高經(jīng)濟(jì)效益這一重要意義;然后,論文第二部分對(duì)信用評(píng)分評(píng)級(jí)和數(shù)據(jù)挖掘的基本知識(shí)進(jìn)行了概述;接著,在第三部分提出了研究的總體思路,即先對(duì)原始數(shù)據(jù)準(zhǔn)備階段的概述,然后運(yùn)用SOM聚類(lèi)算法對(duì)客戶(hù)信用等級(jí)重新評(píng)分評(píng)級(jí),確定類(lèi)標(biāo)號(hào),接著運(yùn)用C4.5決策樹(shù)算法對(duì)新數(shù)據(jù)建立分類(lèi)模型,并對(duì)該模型進(jìn)行評(píng)估、檢驗(yàn)其預(yù)測(cè)效果的優(yōu)良程度,同時(shí)再使用上述相同方法將根據(jù)傳統(tǒng)經(jīng)驗(yàn)確定的信用等級(jí)類(lèi)標(biāo)號(hào)作為目標(biāo)變量重新建立分類(lèi)決策樹(shù),并與之前采用的新方法所得模型進(jìn)行比較分析,最終確定哪種模型可用,并對(duì)所選模型在管理上的應(yīng)用進(jìn)行了簡(jiǎn)要闡述;再則,論文在第四部分是對(duì)數(shù)據(jù)準(zhǔn)備過(guò)程的具體擴(kuò)展和詳細(xì)分析,這將為論文后一部分的研究及數(shù)據(jù)挖掘工作奠定基礎(chǔ);第五部分是依據(jù)論文第三部分所提出的研究思路,結(jié)合該電信運(yùn)營(yíng)商的實(shí)際案例進(jìn)行分析,并通過(guò)在SAS軟件數(shù)據(jù)挖掘模塊中實(shí)現(xiàn)了數(shù)據(jù)挖掘的全過(guò)程,將各分析流程、評(píng)估指標(biāo)、模型結(jié)果以圖形化方式直觀(guān)的展現(xiàn)出來(lái),同時(shí)對(duì)該模型結(jié)果在信用管理和營(yíng)銷(xiāo)管理兩方面的應(yīng)用進(jìn)行了敘述;最后,論文的第六部分闡述了論文的基本成果和所存在的不足,為電信運(yùn)營(yíng)商在今后的工作中改進(jìn)思路提供了借鑒意義。
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2009
【分類(lèi)號(hào)】：F623;F224
【圖文】：

圖 4.1 10 月份數(shù)據(jù)分布Fig.4.1 data distribution in October們可知，大部分?jǐn)?shù)據(jù)集中在 0-870 元左右，而有少部分此為了減少個(gè)別大額數(shù)據(jù)給數(shù)據(jù)分析、建模產(chǎn)生不必要消費(fèi)金額的部分?jǐn)?shù)據(jù)以如圖 4.3 方法來(lái)處理。圖 4.3 10 月分箱圖Fig.4.3 binning in october

圖 4.3 10 月分箱圖Fig.4.3 binning in october月份消費(fèi)金額的分箱處理，我們可以針對(duì)其他月份或?qū)傩缘木唧w情況進(jìn)行數(shù)據(jù)處理。集成式將來(lái)自不同數(shù)據(jù)源的數(shù)據(jù)整合成一致的數(shù)據(jù)存儲(chǔ)。突檢測(cè)和語(yǔ)義異種性的解析都有助于數(shù)據(jù)集成。本文據(jù)庫(kù)的不同表單而來(lái)，為了統(tǒng)一整合數(shù)據(jù)，并消除冗金額和年齡等冗余信息統(tǒng)一歸類(lèi)，只取一次；并將不信息的屬性改為相同名字處理，如“年齡”和“age”統(tǒng)一變換化

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 程建;連玉君;;信用評(píng)分系統(tǒng)的建模及其驗(yàn)證研究[J];國(guó)際金融研究;2007年06期

2 史學(xué)勇,李元;信用評(píng)級(jí)的方法[J];廣州大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年06期

3 張穎;數(shù)據(jù)挖掘技術(shù)在銀行CRM中的應(yīng)用[J];廣西金融研究;2004年02期

4 吳金星,王宗軍;基于層次分析法的企業(yè)信用評(píng)價(jià)方法研究[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年03期

5 李萌;Logit模型在商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用研究[J];管理科學(xué);2005年02期

6 王實(shí),高文,李錦濤,謝輝;路徑聚類(lèi):在Web站點(diǎn)中的知識(shí)發(fā)現(xiàn)[J];計(jì)算機(jī)研究與發(fā)展;2001年04期

7 方洪全,曾勇,何佳;多標(biāo)準(zhǔn)等級(jí)判別模型在銀行信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用研究[J];金融研究;2004年09期

8 郭瑩,張曉燕;數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘技術(shù)在銀行客戶(hù)關(guān)系管理中的應(yīng)用[J];科技管理研究;2003年02期

9 楊力;宋利;侯峰;;信用評(píng)分的統(tǒng)計(jì)模型方法述評(píng)[J];統(tǒng)計(jì)與決策;2006年13期

10 朱曉明;劉治國(guó);;信用評(píng)分模型綜述[J];統(tǒng)計(jì)與決策;2007年02期

相關(guān)碩士學(xué)位論文 前3條

1 李凡;數(shù)據(jù)挖掘技術(shù)的研究與應(yīng)用[D];西安電子科技大學(xué);2002年

2 文專(zhuān);基于神經(jīng)網(wǎng)絡(luò)的分類(lèi)數(shù)據(jù)挖掘?qū)傩赃x擇和規(guī)則抽取研究[D];天津大學(xué);2004年

3 張應(yīng)武;大唐電信信用風(fēng)險(xiǎn)管理體系的建設(shè)與實(shí)施[D];西北大學(xué);2003年

本文編號(hào)：2714995