数据挖掘拓展3G增值空间

2007-05-28 通信产业网

      面对3G时代竞争加剧、业务和用户需求多样化的趋势，运营商必须要通过数据挖掘技术充分发挥增值业务潜力，在实施过程中要重点解决IT系统、团队及流程三方面问题。

　　数据挖掘有待加强应用

　　近年来，我国电信业取得了突飞猛进的发展，目前移动电话用户量已居世界第一位，互联网用户量仅次于美国，居世界第二位。同时，目前我国也正处由“电信大国”向“电信强国”转变的时期。在整个电信产业价值链中，运营商起着至关重要的作用，在电信运营层面，我国运营商正面临着来自竞争对手、业务及用户的诸多改变。

　　竞争格局变化：3G牌照发放、重组、全业务运营的推进等因素影响，国内运营商之间竞争将更加激烈。

　　业务多样化：全球范围内，运营商在进行转型，纷纷涉足服务提供领域，业务日趋多样化(如移动IM、手机报、手机动漫等增值业务等)。

　　用户需求个性化：与语音移动通信不同，3G增值业务用户的需求将日趋个性化。

　　而如何应对上述变化，在竞争中领先，对于运营商的运营能力提出了新的要求，如何在现有业务和即将推出的业务之间以及不同战略业务单位间合理分配企业资源？如何更加准确地识别潜在用户？如何提升现有增值业务用户的ARPU值，该进行哪些具体业务的关联营销？如何有效延长现有用户的生命周期？怎样推出更加有效的客户流失预警及挽留计划？过去的粗放式运营已经显得无法有效解决这些问题，运营商不得不探索精细化运营模式，要求运营商经营分析的“粒度”更为细化。而数据挖掘就是帮助其实现这一目标的“利剑”之一。

　　服务3G增值业务

　　美国SAS软件研究所将数据挖掘定义为：“按照既定的业务目标，对大量的企业数据进行探索、揭示隐藏其中的规律性并进一步模型化的先进、有效的方法。”

　　对于运营商的数据增值业务而言，数据挖掘可以解决的典型问题包括：客户群体划分(CustomerSegmentation&Classification)、交叉销售(Cross-selling)客户流失分析(ChurnAnalysis)等。

　　数据挖掘与常规数据分析的差异

　　狭义的观点认为，常规数据分析侧重于解决一般性问题如描述性统计、交叉报表等问题，数据挖掘则可以更好地解决分类、聚类、关联等问题。

　　举例来说，某运营商想知道移动IM的发展情况，通过常规的数据分析，就可以知道移动IM的用户数量、渗透率、收入情况等、不同品牌间用户的差异、不同ARPU值用户的差异等，常规数据分析侧重于描述过去发生了什么。如果运营商希望建立一个模型，从目前所有没有使用移动IM用户中找出一类或几类用户作为移动IM营销的目标用户群，通过WAPPUSH或短信的方式告知用户可以免费使用，则需要使用数据挖掘的方法，如通过决策树方法筛选目标用户，找出使用移动IM业务可能性较高的用户的特征规则，精确识别目标用户群，优化营销资源配置、从而提升营销效果。

　　数据挖掘技术在3G增值业务用户生命周期中的作用

　　3G增值业务预测任务及相关算法

　　难点和问题

　　运营商实施数据关键要解决三方面的问题：IT系统、团队及流程。

　　IT系统

　　数据的完成性及有效性是数据挖掘和经营分析的基础，在2G及2.5G时代，移动运营商业务比较单一，主要以语音为主，其运营支撑系统中对用户行为及价值属性的记录还停留在粗“粒度”的状态，这自然不能满足3G时代运营商应对业务多样化、用户需求多样化的要求，除了近年来数据仓库的建设外，为备战3G，我国移动运营商已开始着手升级相关运营支持系统，如3G业务计费等，使IT系统“粒度”更加细化。以便对数据挖掘以及经营分析决策提供更有力支持。

　　团队

　　数据挖掘不单纯是对数据本身的分析和呈现，还有赖于对业务的深刻理解，必须要有一支由不同背景人员组成的数据挖掘项目团队，包括数据挖掘专家及业务专家等组成，甚至需要结合外部第三方咨询公司及调研公司的资源，实现优势互补。

　　流程

　　数据挖掘是一个系统化的过程，涉及定义问题、准备数据、数据探索、生成模型、验证模型、部署及更新模型等环节。创建数据挖掘模型是一个迭代的过程。如数据探索及模型生成后的验证及部署更新阶段，都有可能需要对问题重新定义。一个好的数据模型往往是经过多次迭代才能形成的。运营商需要在企业内部建立系统化的流程，这样才能确保数据挖掘结果的可靠性，以便对经营分析决策提供良好支持。