基于MapReduce的電信客戶流失分析與研究.pdf

1、現(xiàn)在，數(shù)據(jù)挖掘技術在很多領域得到應用，譬如各種電商、金融領域、科學研究等。在電信行業(yè)，如何識別即將流失的客戶、如何保持客戶、如何對客戶行為進行分析，一直是電信行業(yè)關注的主題。電信企業(yè)是典型的數(shù)據(jù)密集型企業(yè)，保存著海量的用戶信息及用戶行為數(shù)據(jù)，在面對海量數(shù)據(jù)的時候，傳統(tǒng)數(shù)據(jù)倉庫海量存儲能力和計算能力不足的問題顯得尤為突出，Hadoop技術實現(xiàn)了Google的MapReduce的并行計算模型，為解決上述問題提供了技術手段。
　　本文以

2、江蘇某運營商真實數(shù)據(jù)為背景，對電信行業(yè)的客戶流失技術進行了相關分析和研究。某運營商每天到達的客戶數(shù)據(jù)非常龐大，要從中分離出流失和未流失客戶的工作量是巨大的。如果利用傳統(tǒng)的數(shù)據(jù)庫技術，其成本很高，而且效率很低。論文研究內容是在客戶流失模型上設計適合預測分類的并行算法，將并行算法在MapReduce計算框架上實現(xiàn)，且應用于電信業(yè)的客戶流失分析中。論文設計了基于MapReduce的客戶流失預測模型，引入一個校正因子對ID3決策樹算法改進，并將

3、改進的決策樹算法并行化；同時，利用MapReduce并行計算框架實現(xiàn)算法，驗證算法的高效性；并將其應用于電信行業(yè)的客戶流失分析中，與傳統(tǒng)數(shù)據(jù)倉庫的客戶流失分析進行比較。
　　研究結果表明，引入校正因子的決策樹算法可以克服原始ID3決策樹算法中存在的多值偏向問題，提高了客戶流失預測的準確率；同時，基于MapReduce的并行決策樹算法在面對大規(guī)模數(shù)據(jù)集時，有趨近于線性的加速比和良好的擴展性能；而且，在應用于實際電信業(yè)的客戶流失分析中