上海移动流失预测模型
详细设计
v1.0
亚信科技（中国）有限公司
2004-3-15
（内部资料）
前言
应用咨询部为中国移动集团上海移动
亚信科技BI应用咨询部
本文档是依据亚信科技
公司设计的流失预测模型所作的总结性设计文档。
流失预测模型充分使用了数据挖掘的理论，这些理论正在逐步转化成生产力，为移动业务的客户保持工作提供业务指导。
撰写此文档的首要目的是为加强亚信科技各省项目组PSO对流失预测模型的设计理论、思路以及操作步骤的理解，并指导他们在此基础上提高。
本文档版权属于亚信科技有限公司BI应用咨询部，任何个人或机构未经许可的复制或传播都是非法的。
1 商业理解 (5)
1.1 确定商业目标 (5)
1.1.1 背景 (5)
1.1.2 商业目标 (7)
1.1.3 商业成功标准 (8)
1.2 形势评估 (9)
1.2.1 资源清单 (9)
1.2.2 需求，假设和限制 (10)
1.2.3 风险和应急措施 (12)
1.2.4 专业术语 (12)
1.2.5 成本和收益 (13)
1.3 确定数据挖掘目标 (15)
1.3.1 数据挖掘的目标 (15)
1.3.2 数据挖掘的成功标准 (15)
1.4 制定项目计划 (17)
1.4.1 项目计划 (17)
1.4.2 工具和技术的初始评估 (17)
2 数据理解 (20)
2.1 收集原始数据 (20)
2.1.1 详单数据 (20)
2.1.2 帐单数据 (22)
2.1.3 用户资料 (22)
2.2 描述数据 (23)
2.3 探索数据 (23)
2.4 检验数据质量 (25)
3 数据准备 (26)
3.1 数据集的描述报告 (26)
3.2 数据集与数据集的描述 (26)
3.3 选择数据 (29)
3.4 清洗数据 (29)
3.5 构造数据 (30)
3.6 整合数据 (33)
3.7 格式化数据 (33)
4 建立模型 (34)
4.1 选择建模技术 (34)
4.1.1 建模技术 (34)
4.1.2 模型假设 (35)
4.2 产生检验设计 (36)
4.2.1 检验设计 (36)
4.3 建立模型 (36)
4.3.1 创建模型 (36)
4.3.2 验证并调整模型 (38)
4.3.3 应用模型 (39)
4.4 评估模型 (41)
4.4.1 模型评估 (41)
4.4.2 修正参数设置 (41)
5 模型评估 (43)
5.1 评估结果 (43)
5.2 回顾过程 (43)
5.3 确定下一步工作 (43)
6 模型发布 (44)
6.1 发布计划 (44)
6.2 检测和维护模型计划 (44)
6.3 分析报告 (44)
6.3.1 流失用户分析报告 (44)
6.3.2 预测流失用户名单 (45)
6.3.3 预测流失用户细分 (45)
6.3.4 预测流失用户分析报告 (45)
1商业理解
1.1 确定商业目标
数据挖掘为解决商业问题而存在，明确的商业目标是项目实施的风向标；正确而切实可行的商业目标是项目实施成功的保证。
用户最初提出的商业目标是不具体的，没有明确的描述；而且可能会受现有技术和设备约束而无法实现。
在项目启动之前，技术工程师和业务人员共同讨论并确定商业目标是必不可少的一步。在讨论过程中必须明确需要解决的问题，彻底了解用户的真正需求。忽略这一步很可能造成极大的资源浪费，最终导致的结果可能是：付出了许多的努力，却得到了错误问题的正确答案。
1.1.1背景
客户流失预测通常因市场饱和和市场动态变化等典型市场特征而成为电信公司首要考虑的问题。由于电信市场日趋饱和，所以获取新客户的成本比留住现有客户群要昂贵得多，并且竞争对手、技术，以及法律法规等动态市场变化更容易使客户流失到其他公司。
中国的移动通信已拥有目前全球最大的市场，几大运营商都在为扩大自己的市场份额进行着激烈的竞争。
图1 移动用户份额（2003年底）
中国移动作为最早的移动运营商，截至2003年底，已经占有中国全体移动
用户的59％份额，近1.8亿用户，但是与2002年相比，市场份额下降了4个百分点。面对中国联通推出的CDMA网，中国电信和网通推出的“小灵通”业务，如何在竞争环境中拓展新的用户，保持存量市场，对于中国移动是个极大的挑战。
截止到2003年底，上海移动已拥有各种品牌用户1100多万，其中全球通用户约100万，易通卡约750万，神州行用户约200万，动感地带用户约80万。
图2 上海移动品牌分布（2003年底）
虽然上海移动用户数在不断增长，但是2003年用户流失率已达8.9％。考察流失用户的特征，可以总结为主动流失和被动流失两大类：
主动流失：
主动流失
财务原因：
手机消费高，通话需求不高，为了降低开支，停止使用手机；
手机消费不实惠，有其他移动公司提供的更适合自己的品牌或套餐；或者有新推出的套餐更适合自己（需要更新手机号）。
非财务原因：
跨区迁移
病故
手机号属于公司，与公司解除合约，公司销号
避免骚扰
被动流失：
被动流失
欠费拆机（预拆、局拆）
一般情况下，主动流失的用户是有信誉的用户，其中部分用户的行为是因为社会环境的变化而出现。这些用户的现有通话需求发生了较大的变化，比如：离开城市；离开原来公司不再使用公司提供的电话，等等。而在主动流失中存在另外一部分用户需要特别注意，这批用户是转网用户。这部分用户的通话需求不会下降，信誉较好，是客户保持中的“重中之重”，以避免用户离开本网而转到竞争对手那里。所以预测的目标要尽量突出会转网的主动流失用户。
在被动流失的用户中，绝大部分用户是因为拖欠费用，这其中一部分是因为业务繁忙欠费，没有时间或没有来得及补缴；而另一部分有欠费逃逸的可能。前者定为预测目标显然没有价值，而后者如果能够准确预测的话，会减少运营损失。
在流失预测中，有另一部分用户不容忽视，那就是通话特征上没有显现出离网，但是实际通话行为已经出现大幅滑坡的用户。这些用户往往是原先的高价值用户，主要消费已经转移到其他网络，但是又会继续保留原有话机的，被称之为“双机用户”的群体。这些用户可以被称之为“隐性流失”用户。这部分用户的“保持”，意义上是消费额度的保持。
1.1.2商业目标
在模型的实际制作过程中，首先要制定预测的商业目标。比如首先要考虑预测的目标用户是否有价值，如果市场外呼能力有限，或市场推广资源有限，则应该以高价值、高潜力用户为参与预测群体，做相应的针对性预测；其次，要分析预测用户的“可保持性”，如果预测目标为不可挽回用户，则应该尽量避免而侧重于“可保持用户”。
中国移动集团公司在经营分析规范中设计的流失模型，没有定位到有挽留价值用户群，预测目标为出现预销预拆的用户。实际使用过程中，预测准确的用户往往是价值比较低，且已经出现了流失现象的用户而非有流失倾向的用户。在外呼过程中，接通率较低，导致无法挽留。
上海移动早期的流失预测模型使用统计方法实现。模型提取呼转到竞争对手超过8次的用户，并对此类用户外呼。实际结果显示，此类用户外呼接通率比较高，但是此类用户已经和竞争对手签订了合同，很难策反其回归中国移动，如果再向这类用户推销优惠政策，就会加大损失。
从上海移动的数据中分析，目前转向竞争对手的流失用户大部分转向联通CDMA 网络。这些用户在与联通签订合约后会保留原有上海移动号码一段时间，这段时间对于不同用户有不同的长度。大部分用户为了降低因换号带来的损失，会使用呼转功能。所以在无法确定用户的实际操作的情况下，可以把预测目标转向用户出现呼转CDMA 现象。
经过与用户的多次交流，上海移动设计流失预测模型的商业目标描述为： 在选定的用户群中在选定的用户群中（（近六个月中前三个月ARPU>=150的非神州行用户的非神州行用户）），预测以下目标用户预测以下目标用户：：
目标1：会转向竞争对手的用户；
目标2：其他非转向竞争对手的消费会下降的用户；
在这些用户尚未出现流失现象前向其推荐有效的挽留措施在这些用户尚未出现流失现象前向其推荐有效的挽留措施，，达到用户保持和消费保持的目的消费保持的目的。。
1.1.3 商业成功标准
流失预测模型是否成功，一方面取决于技术分析，另一方面还依赖于市场推广和挽留措施的设计。只有使用高质量的模型，有较高的接通率，为用户提供能够接受的合理挽留措施，才能最终实现较高的挽留成功率。在整个实施过程中，这三个环节缺一不可，任何一个环节的失败都会导致无法实现商业目标。
流失预测模型的准确性可以通过部分指标来衡量，比如准确率、查全率、纯度；增益图、提升图等等。这些指标在不同地区，不同条件下会差异较大。一般情况下，需要用户和分析人员共同确定一个双方认可的数值。
模型预测的结果是以数据的形式提供的，无法直接转换成生产力，必须通过市场活动，积极推广才能产生效益。对于预测到的高危用户，他们自身对于正在使用的业务已经产生抵制行为，外呼的接通率会比较低，这时就需要加大外呼力度，增加外呼次数。在资源许可的情况下，可以借助其他渠道与用户接触，比如邮寄，拜访等等。
对于有流失倾向的用户，一个合理的套餐，优惠的挽留措施是可以说服他继续使用原有通信服务的。对于不同流失特征的用户，应该制定不同的挽留方案，既要保证用户感兴趣，又要考虑收益。
针对上海移动现状，我们制定的商业目标成功标准描述为：
通过应用流失预测模型通过应用流失预测模型，，上海移动的高价值用户年流失率降低20％。％。由原由原来的26.5%降低为21.2％。 高价值用户年流失率计算方法：
c=(a-b)/a
a :1,2,3月平均ARPU>=150的用户数
b :满足a 的用户中12月在网且应收费>75的用户数。
1.2 形势评估
上海移动在2003年初开始建设移动业务数据仓库，目前数据已经积累一年，设计流失预测模型所需的数据基本可以获取。同时，计费中心安排了高级工程师专门负责提供数据，同时协调项目组和业务部门之间的关系。
上海移动已经建设了比较完备的客户服务系统，外呼组配备了专业的工作人员承担外呼任务。并且已经积累了一些外呼、挽留的经验。
由于数据挖掘技术的市场应用经验不足，移动业务发展迅速，业务规则不断变化，模型在实际应用中会遇到各种问题。只有正确而充分的认识到这些问题的存在，才能克服它们，不断前进。
1.2.1 资源清单
设计流失分析模型需要一个完整的团队，这些人员由业务专家、技术专家和其他支持人员组成。
表1 项目组成员
姓名 职务
角色 钟逸凡 上海移动高级经理 宋心峰 市场部高级经理
岳佳 客信部客户关系管理部经理 蔡黎 客信部客户关系管理部副经理 王博 外呼中心 吴志军 客信部
魏高山
计费中心项目经理
业务专家
李澄 计费中心高级工程师 夏小云 计费中心高级工程师
董泽坤 亚信科技BI 应用咨询部高级工程师 王焱淼 亚信科技上海PSO ，高级工程师 朱唯 亚信科技上海PSO 技术专家
陆明
计费中心数据库管理员
支持人员
流失预测模型的处理过程是非常复杂的，需要操作大型数据库，对设备性能的要求较高，建议的系统配置如下
表2 硬件配置清单
项目项目 建议选型建议选型
安装软件安装软件 建议建议 数据挖掘服务
器
IBM M85
IBM DB2 7.2
IBM Intelligent Miner for Data 6.0 (Server)
（利旧1台） 每台配置如下 4 X 800 CPU 4G 内存 100M 以太网卡×4 SSA 卡 ×1（连接IBM7133盘
阵使用） PC 服务器
IBM P630
Windows 2000 Terminal
Service IBM DB2 7.2 IBM Intelligent Miner for
Data 6.0 (Client)
（利旧1台） 每台配置如下 4 X 1.45 CPU 8G 内存
73.4G×2本地SCSI 硬盘
100M 以太网卡×3
磁盘阵列
IBM 7133
利旧
可用空间需要500G，利旧
1.2.2 需求需求，，假设和限制
流失预测模型需要技术和业务互动才能发挥作用，否则只能属于实验室成
果。所以在整个设计过程中，需要仔细调研，反复改进，跟踪分析。它是一项长期而复杂的工程。
表3 项目实施工时
阶段名称阶段名称
任务任务 描述描述
人工日人工日 阶段工作日阶段工作日
市场调研
明确项目实施的商业目的与意义，与业务人员探讨商业成功标准
15
需求调研
数据调研
考察数据仓库数据的完备性，理解数据仓库设计；数据不足时考察BOSS 系统数据
5 20
详单数据探索 理解历史详单数据，调查数据的完备性，准确性 10 详单数据提取 设计详单提取程序，提取历史详单数据
15 帐单数据探索 理解历史帐单数据，调查数据的完备性，准确性 10 帐单数据提取 设计帐单提取程序，提取历史月帐单数据 15 用户资料提取 设计用户资料提取程序，提取历史月资料数据 10 数据理解
数据探索报告 撰写历史数据分析报告 5 65
选择数据 决定用于设计模型的数据
10 清洗数据
解决缺失值问题，使用默认值或复杂技术估计缺失值
5 构造数据 生成派生属性，生成全新记录，转换数据属性 5 整合数据
对多个记录合并，多张表合并
5 格式化数据 对主要数据进行语法上的修改，使其符合建模要求 5 数据预处理
数据准备报告 生成建模使用数据的处理过程报告
5 35 选择建模技术 比较多种建模算法，挑选符合业务需要的技术 10 设计检验方案 设计程序或机制检验模型的质量和有效性
15
建立模型
使用准备好的数据，在建模工具上建立一个或多个
模型，不断调整参数；必要时返回数据预处理阶段重新设计
20
评估模型
使用检验方案检验模型的质量；必要时返回建立模型阶段重新建模
20
模型设计
模型设计报告 针对建立的模型在评估阶段得到的结论，作出分析报告
5 70
模型应用调研 参与模型应用过程，分析模型应用效果
15 评估模型成果
分析模型商业目标的实现程度；必要时返回数据理解阶段修改设计
10 应用跟踪 模型应用报告 应用阶段模型改进建议与市场应用建议
5 30
技术人员 讲解模型建立思路，设计原理 3 培训 业务人员 各阶段报告讲解，模型应用分析
2 5 合计 225 225
数据提取 更新参与预测数据 8 数据预处理
生成模型使用数据 2 模型上线后常规处理（每月）
输出数据
生成预测数据
1
15
用户细分 预测流失用户分群 2 报告
预测流失分析报告
2 合计
15
15
模型设计的过程中，需要业务专家密切配合，避免技术专家设计的方案偏离商业目标。这种配合体现在两者之间的不断交流和市场应用的结果分析和经验总结。
如果欠缺业务专家的投入，项目可能中途受阻，更严重的，项目会因此而搁浅。
1.2.3 风险和应急措施
流失预测模型使用的数据来源于数据仓库，每月的数据处理时间依赖于数据仓库的处理。
如果数据仓库出现故障而无法提供数据，流失模型将被迫受阻，剩下的工作只有等待。
因为流失预测需要较长时间段的数据，所以历史数据的保留显得非常重要。一旦数据丢失，将会耗费大量时间重新组织。工程进度将会受到严重影响。
建议定时备份数据，保证在需要的时候能够以最快的速度恢复。
1.2.4 专业术语
流失流失（（Churn ）
： 在移动业务中用户不再继续使用原有运营商提供的服务而终止合同，称为用户流失；如果用户消费层次出现明显的下滑，称为费用流失。 离网离网（（Offline ）
： 移动业务使用者主动向运营商终止合同，或由于其拖欠费用等原因被运营商终止合同的现象称为离网。 ARPU ：
每用户平均收入(ARPU—Average Revenue Per User) 商业智能商业智能（（Business Intelligence ）：
商业智能是指通过对数据的收集、管理、分析以及转化，使数据成为可用的
信息，从而获得必要的洞察力和理解力，更好地辅助决策和指导行动。 客户关系管理客户关系管理（（Customer Relationship Management CRM ）
： CRM 是一个通过详细管理企业与客户之间的关系来实现客户价值最大化的方法。客户关系管理源于"以客户为中心"的新型商业模式，是一种旨在改善企业与客户之间关系的新型管理机制。 数据仓库数据仓库（（Data WareHouse ）
： 是一个面向主题的、集成的、非易失的，随时间变化的用来支持管理人员决策的数据集合。 数据挖掘数据挖掘（（Data Mining ）
： 从大量数据中提取或“挖掘”知识，或称为数据库中的知识发现。数据挖掘不同于统计分析，他可以实现自动处理和提取信息。 分类和预测分类和预测（（Classification and Prediction ）
： 分类是一个两步过程。第一步，建立一个模型，描述预定的数据类集或概念集。通过分析由属性描述的数据库元组来构造模型。预测是构造和使用模型评估无标号样本类，或评估给定样本可能具有的属性值或值区间。一般认为：用预测法预测类标号为分类，用预测法预测连续值为预测。 聚类聚类（（Clustering ）：
将物理或抽象对象的集合分组成为由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的组合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异。
1.2.5 成本和收益
实践证明有目的、有针对性的做客户挽留比漫无目的的做挽留工作会为企业带来更大的收益。
服务同样多的客户群体，在有、无模型的情况下，投入的基本成本相同。无模型时，真正有流失倾向的客户比较少，成功挽留的客户相对更少，因此投入的挽留成本也比较少，所带来的收益就更少 (误投会加大损失) 。有模型的情况下，同样多的服务对象，有流失倾向的客户占了比较大的比例，相对来说成功挽留的客户数就比较大，这时虽然投入的挽留成本变大，但所带来的收益更大。
我们用以下的公式来对比模型前后的收益情况：
净收益净收益＝＝挽留客户总收益挽留客户总收益－－基本成本基本成本－－挽留成本
结合某省某地市的实际情况可以看到使用模型前、后的收益情况分析：
1、参数设定
预测流失用户进行挽留的成本＝A
真正有流失倾向的用户成功提供挽留服务的成本＝B 执行挽留活动的用户数＝C 离网率＝D 模型命中率=E 用户回应率＝F 挽留客户单位收益＝K
使用模型：有效挽留客户数G=C*E 挽留客户总成本H=C*A+G*B 挽留客户总收益L=K*G 挽留客户收益率M=(L-H)/H 没有模型：有效挽留客户数I=C*D 挽留客户总成本J=C*A+I*B 挽留客户总收益L=I*K 挽留客户收益率N=（L-J ）/J 2、模型使用前、后收益对比
表4 模型收益对比
使用模型后
没有模型指导
服务成本/客户 A 10 A 10 行销成本/客户 B 300 B 300 用户名单 C 5600 C 5600 命中率 E 30％ D 5％ 回应率 F 40% F 40% 有效挽留客户数 G=C*E*F 672 I=C*D*F 112 挽留客户总成本 H=C*A+G*B 257600 J=C*A+I*B 89600 挽留客户单位收益 K 960 K 960 挽留客户总收益
L=K*G
645120
L=I*K
107520
收益率
M=(L-H)/H
150%
N=（L-J）/J
20%
1.3 确定数据挖掘目标
制定预测目标要以能够在业务实施中发挥作用为首要考虑因素，比如为应用模型设计的预测间隔月长度设定，不能设定太短，也不能太长，太短导致无法应用到业务中，市场实施环节变得局促；太长导致模型走样，质量无法保证。 针对流失预测，预测目标的定义非常重要，如果定义的用户流失状态为用户的流失现象而非流失倾向，则留给实际操作的时间会很局促；如果定义的目标用户太多，则可能输出太多的倾向用户而无法提高提升度。
1.3.1 数据挖掘的目标
上海移动流失预测模型针对上海移动高价值用户，使用数据挖掘的方法分析其流失特征，确定与流失相关的行为表现，提前预测其流失倾向，并对有高流失概率的用户作出分析，为降低高价值用户的流失提供数据支持。
1.3.2 数据挖掘的成功标准
流失预测模型使用决策树算法对样本集内用户训练，再使用独立的测试集验证其准确性。
确定模型质量可以针对验证集使用如下指标评价： 准确性准确性（（响应率响应率））：
准确性＝正确预测预测类标号用户数／所有用户 纯度纯度：：
纯度＝预测目标状态正确用户数／预测目标状态用户数 查全率查全率：：
查全率＝预测目标状态正确用户数／实际目标状态用户数 提升度提升度：：
提升度＝全体用户选定的用户数实际目标状态用户数
数预测目标状态正确用户//
模型验证结果的质量可以通过分析误分矩阵得到。
在表8显示的数据中，
准确性＝（8350＋650）／10050＝89.6％；
纯度流失＝650／1150＝56.5％
查全率流失＝650／1200＝54.2％
提升度流失全部＝（650／1200）／（1150／10050）＝4.75
对于高价值用户的流失分析，要比低价值用户流失分析难。一般情况下，低价值用户流失模型的准确性会达到90％以上，纯度和查全率在50％左右，取全体用户的10％能够定位50％的流失用户，这样的标准已被大多数移动公司接受。但是，对于高价值用户流失模型，这些指标都会有不同程度的下降。
通常情况下，预测流失用户会有流失倾向的分值，将用户按照分值降序排列，可以制作提升图来考察模型在整体用户分布中的好坏。理想的提升图在选取全体用户的20％时能够包括80％的目标用户，但是用户流失分析是无法实现的。
图3 流失预测模型提升图
为了增强流失预测模型对业务的指导性，应该尽量提升曲线在前10％用户
的斜率，增大坡度，提高收敛性。
在图3中，如果我们取全体用户的10％，则这里包含了35％的目标用户，提升度为3.5；取全体用户的20％，则包含了54％的目标用户，提升度为2.7。提升度越高，说明模型预测的目标用户越收敛，性能越好；反之较差。提升度低于1的模型是完全失败的，因为如果不用模型预测，随机获取目标用户的提升度是1。
一般认为，对提升度低于3的用户群体推广业务是损失大于收益的。所以，模型应用时要选取提升度大于3的用户群体。例如上图中，当选全体用户的15％时提升度为3，所以用户至多选到全体的15％。
对于上海移动流失预测模型，要求这些指标达到如下标准： 准确性准确性：：>=80％ 纯度纯度：：>=30％ 查全率查全率：：>=30％
提升度提升度（（10％用户用户））
：>=3 1.4 制定项目计划 1.4.1 项目计划
本次项目从2004年1月开始，2004年7月结束。 具体工时参见表3。
1.4.2 工具和技术的初始评估
上海移动为流失预测模型订购了IBM Intelligent Miner for Data 。
IBM Intelligent Miner for Data 有着强大的数据处理能力，可以非常紧密地结合IBM DB2数据库。
Intelligent Miner 通过其世界领先的独有技术，例如典型数据集自动生成、关联发现、序列规律发现、概念性分类和可视化呈现，它可以自动实现数据选择、数据转换、数据发掘和结果呈现这一整套数据发掘操作。若有必要，对结
果数据集还可以重复这一过程，直至得到满意结果为止。根据IDC 的统计，Intelligent Miner 目前是数据发掘领域最先进的产品。
现在，IBM的Intelligent Miner已形成系列，它帮助用户从企业数据资产中识别和提炼有价值的信息。它包括分析软件工具----Intelligent Miner for Data和IBM Intelligent Miner forText ，帮助企业选取以前未知的、有效的、可行的业务知识---- 如客户购买行为，隐藏的关系和新的趋势，数据来源可以是大型数据库和企业内部或Internet 上的文本数据源。然后公司可以应用这些信息进行更好、更准确的决策，获得竞争优势。
Intelligent Miner for Data 可以寻找包含于传统文件、数据库、数据仓库和数据中心中的隐含信息。这一IBM获奖Intelligent Miner产品的最新版本拥有改进的用户界面，增强了并行性，提供新的平台支持、统计功能、一种新的中枢净价值预测技术，以及优化的算法。
Intelligent Miner for Data帮助用户充分利用传统数据库或普通文件中的结构化数据。其采集算法已成功应用于客户及贸易伙伴之中，满足市场分析、诈骗行为监测、客户联系管理等业务领域的需求。系统支持的服务器平台包括AIX 和AIX/SP、OS/390、SunSolaris、OS/400和Windows NT ，此外还将全面推出OS/2 客户机版本。IBM 还扩展了采集解决方案的范围，包含了文本数据源。IBM Intelligent Miner for Text允许企业从文本信息中获取有价值的客户信息。文本数据源可以是Web 页面、在线服务、传真、电子邮件、Lotus Notes 数据库、协定和专利库。Intelligent Miner for Text扩展了IBM 的数据采集功能，可以从文本文档和数据源获取信息。数据源可以包括客户反馈、在线新闻服务、电子邮件和Web 页面。其功能包括识别文档语言，建立姓名、用语或其它词汇的词典，提取文本的涵义，将类似的文档分组，并根据内容将文档归类。新版本中还包括一个全功能的先进文本搜索引擎和非常高效的Web 文本搜索功能。系统支持的服务器平台包括AIX和Windows NT、OS/390和Sun Solaris。
IBM Intelligent Miner 系列可以充分发挥您寻找相关信息的潜力，并帮助您花费最少的时间来搜索和浏览结果信息。行销、财务、产品管理和客户联系管理领域的数据分析人员和业务技术人员可以充分利用这种工具。此外，文本采集技术还可以适用于多种需要查看或研究文档的用户---- 如专利代理人、企业图书管理员、公共关系人员、研究人员和学生。
Citibank 是美国名列第二的银行，是首先采用IBM业务智能系统的大型企业之一。该系统包括新的，更先进的数据采集和行销应用程序，运行于支持业务智能的RS/6000SP服务器。Citibank的目标是深入认识其遍布62 个国家的客户银行和信用卡客户的价值观。由此，Citibank 就能够始终主动同客户建立独立联系，满足客户的特定需求。
" 如今的竞争是迅猛的、无情的，"Citibank全球数据库行销管理主任Janet Clarke说道，" 为进行这方面的决策，需要考虑许多关于客户、产品和服务的可变因素。我们必须寻找数以千计的着手点，并以极高的速度完成这些工作。如今终于有了适用的技术。使用这种新技术就象下象棋，而您不需要带着"将军"的想法运作业务。"
在保险行业，AetnaU.S.Healthcare正开发IBM 业务智能工具来收集数据，如住院信息、医师出诊、实验室测试等，并将数据归纳入单一地点(或"仓库")。将先进的IBM 数据采集应用程序同数据仓库相结合，就可以发现业务趋势和模式，并提出更好的策略，以改善医疗并降低成本。
" 我们的IBM业务智能系统正帮助我们开发适用于糖尿病、肾病以及心脏病的早期诊断程序，"AetnaU.S.Healthcare下属的U.S.Quality Algorithms 公司总裁Nicholas Hanchack介绍说，" 诸如此类的程序有益健康，反之也有益于客户满意度"。
2数据理解
2.1 收集原始数据
数据挖掘对数据的依赖性非常强，为了能够实现数据挖掘目标，要求收集的数据足够全，质量尽量高。
对于数据仓库已经建成的移动公司，可以在数据仓库的基础上提取数据，数据不足时，可以根据需要，向数据仓库管理员提交申请，或者直接从业务系统抽取；对于没有数据仓库的移动公司，需要数据挖掘人员根据业务系统设计数据集市，抽取需要的足够数据作为模型的原始数据。
上海移动已经由亚信科技和上海移动计费中心合作建成了数据仓库AIOmnivision，并且，数据仓库中的数据已经满足了数据挖掘的需要，所有数据都可以在数据仓库中提取。
这些数据主要来源于三方面：
详单数据CDR
帐单数据BDR
图4 数据来源
2.1.1详单数据
详单数据来自于数据仓库。数据仓库将一天内发生的所有交换机话单存放在
第七章水土流失预测 7.1 预测目的 通过对项目建设过程中造成的新增水土流失数量和危害进行预测，进一步明确新增水土流失的时空分布，为此次亚泰山语湖项目的方案编制提供可靠的依据。 7.2 影响水土流失的因素分析 亚泰山语湖项目处于江苏省南京市浦口区沿江街道东至蓝海路，南至侨康路，西至永固路，北至永新路地块。项目建设区属于中低山丘陵区，植被覆盖率较高。在项目工程生产建设过程中，破坏了原有地貌并造成水土流失。项目建设场地的平整、建筑物基础的开挖等施工活动，将破坏原有地貌和扰动原有地表，这样便使原本处于稳定状态的土地水土流失加剧。项目工程生产建设过程中导致水土流失的主要原因为土地占用、植被破坏及土石方挖填。 7.3 水土流失预测单元划分 根据本次项目地区建设项目的水土流失特点，将水土流失区划分为建（构）筑物区、道路广场区、水域景观及绿化区、施工生产生活区、临时堆土区5个分区进行预测，具体分区情况见表7-1。 表7-1 分区情况
7.4 预测范围和时段 7.4.1预测范围 （1）预测范围 本项目水土流失预测范围包括建（构）筑物区、道路广场区、水域景观及绿化区、临时堆土区等占地区域。 （2）预测面积 项目建设施工期预测，本项目区实际扰动面积为70100㎡；其中建（构）筑物区21000㎡，道路广场区13600m2，水域景观及绿化区28100㎡，施工生产生活区1900㎡，临时堆土区5500㎡。
本工程预测范围及面积详见表7-2。 表7-2 预测区的水土流失预测面积统计表 7.4.2预测时段 建设类项目水土流失预测时段按一般原则可分为施工准备期、施工期和自然恢复期三个阶段。由于本次亚泰山语湖建设项目的施工期较长，且施工准备期扰动形式与施工期相近，故本方案水土流失预测时段主要按施工期进行预测。 水土流失预测按具体项目施工经历雨季的时间，以最不利时段进行预测。经调查，本次亚泰山语湖项目所处地区江苏省南京市的雨季集中在6月～8月份（3个月），为水土流失最不利时段。因此，预测时段根据施工时段占整个雨季的比例计算，超过雨季长度不足一年的按全年计算，未超过雨季长度的按占雨季长度的比例计算，依据本工程的施工进度安排及雨季的分布，确定水土流失预测计算时间。预测时段见表7-3。
Logit模型预测客户流失 - 软件测试，数据分析Logit模型预测客户流失 一、logit模型 二、logit模型应用 三、案例说明 1. 案例背景 2. SAS实现 3. Spss Clementine实现 (1)装载数据 (2)数据清理 (3)模型建立 (4)模型评价 (5)预测 4.CLEMENTINE与SAS结果比较 一、logit模型 在一般线性模型中，因变量为一个连续变量，如建立一个GDP与进出口的线性模型，GDP为一个连续变量。但在实际工作中，因变量常常为分类变量，比如性别，要么是男性、要么是女性，又如本文要解决的，对电信客户是否流失的预测。这时可以用事件的发生概率P为因变量，以影响因素作为自变量，进行线性回归分析，那么此时因变量P的取值就必须是0-1之间，一般的线性回归分析就不能满足了，logit回归可以解决这个问题。
Logit回归属于概率非线性回归，假设在自变量作用下，某事件发生的概率为P，则该事件不发生的概率为1-P，P/(1-P)为发生于不发生概率之比，记为“优势”(odds)，若对odds取自然对数，得 Logit(p)=ln(odds)=ln() 称为P的logit变换，则logit回归模型为 Logit(p)=ln()= 可以看出，当P在(0，1)之间变化时，对应的logit(p)在之间变化，这样自变量可在任意范围内取值。 自变量对因变量的作用大小常用“优势比”(odds ratio，简称OR)来描述。所谓优势比 是指两个优势之比。对于某些发生率很低的事件来说，优势比可以作为相对危险度(relative risk,RR)的近似估计，即 OR= 二、logit模型应用 Logit模型全称logistic模型，主要针对定性变量(分类、有序变量)进行建模。广泛应用在医学、通信、金融业，如客户分类、客户流失预测、寻找发病因素等。 三、案例说明 1. 案例背景
空间信息应用实践（中级）实验指导书 空间建模——基于RUSLE的土壤侵蚀建模分析 一．实验背景 Soil erosion and gullying in the upper Panuco basin, Sierra Madre Oriental, eastern Mexico 土壤侵蚀是地球表面物质运动的一种自然现象，全球除永冻地区外，均发生不同程度的土壤侵蚀。人类社会出现后，土壤侵蚀成为自然和人为活动共同作用下的一种动态过程，构成了特殊的侵蚀环境背景，并伴随着人类对自然改造能力的增强，逐渐成为当今世界资源和环境可持续发展所面临的重要问题之一。 土壤侵蚀被称为“蠕动的灾难”，每年因土壤侵蚀造成的经济损失较诸如滑坡、泥石流和地震等地质灾害更大, 土壤侵蚀已成为我国乃至全球的重大环境问题之一。
土壤侵蚀及其产生的泥沙使土壤养分流失、土地生产力下降、湖泊淤积、江河堵塞，并造成诸如洪水等自然灾害，泥沙携带的大量营养物和污染物质加剧了水体富营养化，水质恶化，不断严重威胁到人类的生存。 据估计全球每年因土壤侵蚀损失300万公顷土地的生产力，造成的损失以百亿美元计。我国人口众多、农耕历史悠久，加之历史上战乱频仍，以黄土高原为代表的华夏文明发源地是世界上土壤侵蚀最严重的区域之一，1990年遥感普查结果，全国水土流失面积达367万km2，占国土总面积的38.2％，其中50%为水蚀地区，土壤侵蚀以黄土高原、四川紫色土地区和华南红壤地区尤为突出，仅黄土高原地区一处，平均每年流失泥沙就达到16.3 亿t。水土流失已成为中国重要的环境问题，土壤侵蚀研究已成为目前环境保护中的一个重要课题。 土壤侵蚀预报是有效监测水土流失和评价水保措施效益的手段，侵蚀模型则是进行土壤流失监测和预报的重要工具。然而传统预测方法需要在量经费、时间和人力的投入，因此，在一定精度范围内通过有限的数据输入，得到满足要求的土壤侵蚀预测结果成为趋势。80年代以来，随着地理信息系统(Geographical Information System, GIS)的成熟，它开始与土壤侵蚀模型—通用土壤流失方程(Universal Soil Loss Equation, USLE) 相结合进行流域土壤侵蚀量的预测和估算，业已成为土壤侵蚀动态研究的有力工具。GIS与USLE 相结合的分布式方法运用GIS的栅格数据分析功能，可预测出每个栅格的土壤侵蚀量，便于管理者识别关键源区，并通过确定引起水土流失的关键因子，针对性地提出最佳管理措施(Best Management Practices，BMPs)，为流域内土地资源的质量评价、利用规划和经营管理等提供科学依据与决策手段。 二、实验目的 模型生成器(ModelBuilder) 为设计和实现空间处理模型提供了一个图形化的建模环境。模型是以流程图的形式表示，它通过工具将数据串起来以创建高级的功能和流程。你可以将工具和数据集拖动到一个模型中，然后按照有序的步骤把它们连接起来以实现复杂的GIS 任务。通过对本次练习达到以下目的： ?掌握如何在ModelBuilder环境下通过绘制数据处理流程图的方式实现空间分析过程的自动化； ?掌握土壤侵蚀理论的基本知识；
车险客户流失分析预测 通过建立一个关于保险客户流失的预测模型，可以分析出主要有哪些因素导致他们想要退保并可以有针对性的挽留那些有退保倾向的客户，进而节约开支。客户流失预测考虑的主要因素如下： （1）客户购买频率：客户购买保单的频率越高，说明流失率低；反之流失率高； （2）客户付费历史：交纳保费方式，有没有过欠费历史，欠费多久才补缴保费等对客户流失都具有影响； （3）客户自然属性：教育程度，职业，家庭人口，收入等等； （4）客户工作的变化：包括工作性质的变化，工资的变化，职位的变化等等； （5）客户理赔处理情况：理赔的迅速、准确就会降低客户流失率，反之会提高客户流失率； （6）竞争对手促销策略：如果竞争对手采取新的促销策略，那么就会提高客户流失率。
利用数据挖掘中的分类方法建立客户流失分类预测模型对潜在流失客户进行分析预测。分类方法是一种有监督的学习方法，它通过在客户样本数据集上建立预测模型，得到区分客户是否具有流失倾向的预测模型，预测客户未来的流失倾向。 该类研究主要应用了以下分类方法：支持向量机、人工神经网络、Logistic回归、贝叶斯网络、决策树等。 决策树模型 决策树模型 保险客户流失预测考虑主要因素可以选择决策树的方法进行客户流失的预测，选择这种方法的原因是因为这种方法得出的模型可以很容易的被人们理解。尽管其他的一些数据挖掘技术，比如神经网络也可以产生很好的预测模型，但是这些模型很难理解。当用这些模型作预测分析的时候，很难对客户流失原因有深入的了解，更得不到任何对付客户流失的任何线索。如果附加其他算法，过程会比较复杂。 在客户流失趋势的预测上，利用信息论中的信息增益赖寻找数据库中具有最大信息量的字段，作为决策树的一个节点，再根据字段的不同取值建立树的分支；再每个分支子集中重复建立树的下算法是相同的，不过在运用的场景上不同而已。通过决策树预测，可以发现特征客户群的流失比例，从而对具有相似特征的客户预测其流失趋势。为了挽留那些客户，保险公司可以有针对性的采取措施，保护自己的客户，有效的防止客户流失。基本原理是这样的，数据挖掘工具会先根据保险公司客户的基本资料进行划分，产生若干细分群，每个细分群都会有一些特征，比如客户持有的保单类型、客户教育背景等等。根据历史记录，某个细分群中，会有三个客户数。一个是该群中的客户总数T，一个是现在还活动的客户数A，最后一个是已经离去的客户数L。那么该群的客户流失率就可以用I＝L/A来计算获得。 这样通过客户特征将他们分属于不同的决策树树叶中，就可以估算出他们的流失率，即流失趋势，同时，可以找出关于客户流失的主要特征。 C4.5算法的决策树构造和剪枝方法 此方法分为了两个部分：第一部分是决策树的建造过程，第二部分是决策树的剪枝过程。
开发建设项目水土流失预测
————————————————————————————————作者：————————————————————————————————日期：
开发建设项目水土流失预测 第一部分水土流失基础知识 第二部分开发建设项目水土流失类型 第三部分水土流失预测 第一部分水土流失基础知识 一、土壤侵蚀类型 二、术语 一、土壤侵蚀类型 按导致土壤侵蚀的外营力种类划分 1、水力侵蚀 2、风力侵蚀 3、重力侵蚀 4、冻融侵蚀 5、冰川侵蚀 6、混合侵蚀 7、化学侵蚀 8、生物侵蚀 1、水力侵蚀 土壤及其母质或其它地面组成物质在降雨、径流等水体作用下，发生破坏、剥蚀、搬运和沉积的过程。水力侵蚀的主要形式包括： 雨滴击溅侵蚀 面蚀：层状面蚀、砂砾化面蚀、鳞片状面蚀、细沟状面蚀（深、宽均不超过20cm） 沟蚀：（1）黄土地区的侵蚀沟 浅沟—深度达1m左右，宽深比接近1。 切沟：深度可达5～50m，沟宽远小于沟深，一般3～10m。 冲沟：沟道横断面为“U”字型。 河沟：沟头接近分水岭，沟道横断面为“U”字型或复“U”字型。 沟蚀：（2）土石山区的侵蚀沟 荒沟：受基岩限制，侵蚀沟宽而浅。 山洪侵蚀 波浪侵蚀 2、风力侵蚀 风力侵蚀系指土壤颗粒或沙粒在气流冲击作用下脱离地表，被搬运和堆积的一系列过程，以及随风运行的沙粒在打击岩石表面过程中，使岩石碎屑剥离出现擦痕和蜂窝的现象。 风力侵蚀主要表现为风蚀和风积。 风蚀形式： 吹蚀:风将地面的松散沉积物或基岩上的风化产物吹走，使地面遭到破坏。 磨蚀：风沙流以其所含沙粒作为工具对地表物质进行冲击、磨蚀的作用。 风积作用： 风沙流运行过程中，由于风力减缓或地面障碍等原因，使风沙流中沙粒发生沉降堆积时称为风积作用。经风力搬运、堆积的物质称为风积物。 风沙流中沙粒运动的3种形式
高考录取分数预测模型 姓名: 班级： 姓名: 班级： 姓名: 班级：
关于高考录取分数预测模型的探究 摘要 本文通过差分指数平滑法和自适应过滤法分别建立模型，根据历年学校录取线预测下一年的录取分数线。最后，根据预测出来的最佳数据，给2014年报考本校的考生做出合理的建议。 对于问题一和问题二，首先根据题意和所给出的学校历年的录取分数线，不难分析出高校的录取分数线是由当年的题目难度、考生报考数量、“大年”和“小年”等因素决定的。每年的分数线还是有一定差距的，例如，本校2012在北京市电气专业的录取线是428分，而2013年是488分，相差60分。因此，预测的时候，需要通过一些方法使数据趋于平滑，使之便于预测。通过这些分析，建立了两种可靠的预测模型。 模型一通过差分的方法，利用Matlab软件将后一年Y t与前一年Y t-1的数据相减得到一个差分值，构成一个新序列。将新序列的值与实际值依次迭加，作为下一期的预测值。以此类推，预测出2014年的录取分数线。模型二是根据一组给定的权数w对历年的数据进行加权平均计算一个预测值y，然后根据预测误差调整权数以减少误差，这样反复进行直至找到一组最佳权数，使误差减小到最低限度，再利用最佳权数进行加权平均预测。这两种方法很好的解决了历年录取分数相差较大难以预测的问题。预测值相对准确。预测结果数据量较大，在此以河北省为例，给出预测结果模型一：2014年本校电气专业录取线为495，模型二：2014年本校电气专业录取线为536。 最后，通过预测出的数据，比对模型一和模型二，取最佳预测值，给报考科技学院的考生做出较为合理的建议。 关键词：序列权数差分值加权平均高考录取线
第7章水土流失预测 7.1预测的目的原则 7.1.1预测目的 根据项目建设施工特点，在调查和计算出项目建设过程中可能损坏、扰动地表植被面积，弃土、弃渣的来源、数量、堆放方式、地点及占地面积的基础上，结合当地水土流失特征，进行综合分析论证，采用科学合理的预测方法，对造成水土流失的形式、强度、数量、危害等进行调查评价，为合理布设水土流失防治措施的总体布局及各单项防治措施设计，有效防治新增水土流失提供依据，也有助于保障项目将来的安全运营和生态环境的良性循环。 7.1.2预测原则 根据本工程建设所产生水土流失特点，水土流失预测的原则如下。 （1）本工程已经开工建设，且已近完工，应对施工期水土流失量进行调查，自然恢复期进行预测，每个预测（调查）单元的时段按最不利的情况进行考虑，超过雨季长度的按年计算，不超过雨季长度的按占雨季长度的比例计算。 （2）本方案所有的预测（调查）方法、预测（调查）内容和预测（调查）结果等，均是以“按照开发建设项目正常的设计功能，无水土保持工程条件下可能产生的土壤流失量与危害”为前提进行的预测分析。 （3）项目建设水土流失预测（调查）将根据项目特点进行综合分析。本方案将主要对因项目建设而扰动破坏原地表可能造成的水土流失，结合土壤侵蚀原理进行定量分析。 7.2水土流失特点分析 根据本项目的实际情况，本项目由于施工期土石方开挖、填筑、堆放等，扰动原地貌，占压土地，破坏原有植被，造成土体结构疏松，使其水土保持功能降低或
丧失，加剧了区域内水土流失的发生和发展。该项目建设生产过程中产生的新增水土流失其主要特点如下： （1）土方开挖及搬运量大 本项目产生废弃土石方22935m3，废弃土石方堆放在渠道两侧边坡，土体松散，且未采取任何防护措施，在降雨天气极易发生水土流失。 （2）地表扰动范围呈线状分布 本工程所扰动地表面积较其它项目相对较分散，主要分区钦北区及灵东区，扰动区域线状分布。 （3）扰动区水土流失以水力侵蚀为主 按全国土壤侵蚀类型区划标准，项目区属以水力侵蚀为主的南方红壤丘陵区，水土流失允许值为500t/km2.a，施工期间的水土流失以水力侵蚀为主。 （4）水土流失时段集中 工程施工期为旱季，时间较短（4个月），因此工程沿线堆放土石方未发现重大水土流失现象。 7.3水土流失预测（调查）范围 由于该项目主体工程已经基本完工，不涉及到地表的扰动问题。因此本方案将对施工期间和自然恢复期间损坏水土保持设施数量、水土流失量、弃渣量等进行实地调查。钦灵灌区2010年续建配套与节水改造工程（第一批）水土流失调查范围包括灵东北干渠、灵东南干渠、吉隆西干渠、吉隆总干渠、九百垌干渠、京塘总干渠及各渠段施工便道和施工场地。 7.4水土流失预测时段 钦灵灌区2010年续建配套与节水改造工程（第一批）施工建设期已近尾声，本方案将调查项目施工期间、自然恢复期间的水土流失情况。根据《开发建设项目水土保持技术规范》，结合项目建设区的特点，本项目调查时段分为施工期、自然
利用数据挖掘实现电信行业客户流失分析 利用数据挖掘实现电信行业客户流失分析随着世界经济的全球化、市场的国际化和我国加入 WTO 步伐的加速，国际化的市场环境要求国内的公众电信运营企业在经营管理上向国外先进的电信运营企业看齐，以迎接电信运营业的国际化竞争。同时随着国家改革的深化，国内电信业的市场环境已渐趋合理且竞争将日益加剧。国内、国际电信业的如此态势，对公众电信运营企业的服务内容、服务方式、服务质量、经营管理以及服务意识，已提出了严峻的挑战。企业的经营模式和服务体系正以客户的价值取向和消费心理为导向，真正体现“创造需求”、“引导消费”的现代客户服务意识与理念。 在电信企业面向市场，面向国内外众多的竞争者，努力创造更高价值的同时，客户流失的不断增加，客户平均生命周期的不断缩短严重影响了电信企业的发展。那么，在激烈的市场竞争和不断变化的市场需求面前，如何最大程度的降低客户的流失率呢？常用的方法之一就是利用数据挖掘技术。 数据挖掘技术是目前数据仓库领域最强大的数据分析手段。它的分析方法是利用已知的数据通过建立数学模型的方法找出隐含的业务规则，在很多的行业已经具有成功的应用。在电信行业的应用领域主要有客户关系管理，客户欺诈分析，客户流失分析，客户消费模式分析，市场推广分析等。 那么，在客户流失分析系统中，如何应用数据挖掘技术呢？主要方式是根据以前拥有的客户流失数据建立客户属性、服务属性和客户消费数据与客户流失可能性关联的数学模型，找出客户属性、服务属性和客户消费数据与客户流失的最终状态的关系，并给出明确的数学公式。只要知道客户属性、服务属性和客户消费数据，我们就可以计算出客户流失的可能性。市场/销售部门可以根据得到的数学模型随时监控客户流失的可能性。如果客户流失的可能性过高，高于事先划定的一个限度，就可以通过多种促销手段提高客户的忠诚度，防止客户流失的发生，从而可以大大降低客户的流失率。基于严格数学计算的数据挖掘技术能够彻底 改变以往电信企业在成功获得客户以后无法监控客户的流失，无法实现客户关怀的状况，把基于科学决策的客户关系管理全面引入到电信企业的市场/销售工作中来。通常一个完整的数据挖掘过程由业务问题定义，数据选择，数据清洗和预处理，模型选择与预建立，模型建立与调整，模型的评估与检验，模型解释与应用等多个步骤组成。这里我们以个人客户流失为例说明各个步骤的功能。 1．业务问题的定义 业务问题的定义要求非常明确。任何不明确的定义都会严重影响模型的准确和应用时的效果。例如：在客户流失分析系统中，需要明确客户流失的定义。在客户流失分析中，主要有两个核心的变量： 1.财务原因/非财务原因； 2.主动流失/被动流失。客户的流失利用数据挖掘实现电信行业客户流失分析类别根据这两个核心变量可以分为四种。其中自愿的、非财务原因的流失客户往往是高价值的、稳定的客户。他们会正常的支付自己的服务费用，并对市场活动有所响应。所以这种客户才是我们真正想保持的客户。而真正在分析客户流失的状况时，我们还必须区分公司客户与个人客户，不同服务的贡献率，或者是不同客户消费水平流失标准的不同。举例来说，对于用一种新服务替代原有服务的客户，是否作为流失客户？又或者，平均月消费额为 2000
第四篇-电信客户流失影响因素与预测分析
电信客户流失影响因素与预测分析 一、引言 目前电信运营商面临着激烈的市场竞争。对电信运营商来说，客户即生命，如何保持现有客户是企业客户管理的重中之重。因此，电信运营商拥有的客户越多，作为主要成本的前期投资就会越大，企业的利润也就越大。客户资源对于电信运营商来说其意义不言而喻，电信运营商之间的竞争实际上就是对客户资源的竞争。可以说，未来的电信行业，得客户者得天下。 当今电信市场竞争激烈,运营商每月客户流失率在1%～3%,挽留将要流失客户,降低客户流失率是近年来热门的研究领域。而数据挖掘技术是解决这一问题的有效途径,本文使用IBM Spss Clementine（IBN SPSS Modeler）进行数据挖掘与分析，深入了解电信客户流失的关键，以对该类客户的行为特性进行预警分析，采取针对性的措施改善客户关系，避免客户流失或者挽留客户。 二、问题分析 根据已有的结果——流失客户（在数据中直接有判别数据有没有流失的字段churn），寻找他们流失的原因，即流失客户的特征。通过数据处理，统合数据，根据以前拥有的客户流失数据建立基本属性、服务属性和客户消费数据与客户流失可能性的数据模型，找出其潜在的关系，分析出客户流失的因素，计算出客户流失的可能性，预测客户是否流失的可能性。 对于客户的基本数据、客户行为数据及消费数据，进行数据挖掘，研究已流失客户数据，从中找出先前未知的、对企业决策有潜在价值的知识和规则，发掘潜在流失客户，让企业适时把握住市场及客户动态，掌握客户流失的规律。
三、算法简介 3.1分类分析 分类就是找出一个类别的概念描述，它代表了这类数据的整体信息，即该类的内涵描述，并用这种描述来构建模型，一般用规则或决策树模式表示。分类是数据挖掘的主要方法，分类模型能很好地拟合训练样本集中属性集与类别之间的关系，也可以预测一个新样本属于哪一类。分类技术已经在很多领域得到成功应用，如医疗诊断，客户流失预测，信用度分析，客户分群和诈骗侦测。常见的分类方法有贝叶斯分类（Bayesian），神经网络（neural networks），遗传算法（genetic algorithms）和决策树分类器（decision trees）。在这些分类方法中，决策树分类器在大规模的数据挖掘环境中已经获得了最为广泛的应用。 3.2决策树演算法 决策树演算法是在进行数据挖掘时经常使用的分类和预测方法。 一个决策树的架构，是由三个部分所组成：叶节点 (Leaf Node)、决策节点 (Decision nodes) 以及分支。决策树演算法的基本原理为：通过演算法中所规定的分类条件对于整体数据进行分类，产生一个决策节点，并持续依照演算法规则分类，直到数据无法再分类为止。 3.3决策树演算法的比较 决策树演算法依据其演算原理以及可适用分析数据类型的不同延伸出多种决策树演算法。在 IBM SPSS Modeler 中，主要提供了四种常用的决策树演算法供使用者选择，分别为：C5.0、CHAID、QUEST 以及 C&R Tree 四种。使用者可依据数据类型以及分析需求的不同，选择适当的决策树演算法进行分析。虽
浅谈水土流失预测的常用计算方法 朱荣华 (乐清市水利水电建筑勘测设计院) 摘要：水土流失作为一项世界性的研究课题，一直受到世界各国的重视，长期以来，在其基础理论方面开展了大量的研究，并取得了有益的成果。水土流失预测是水土流失问题研究中很重要的内容，其预测方法也很多，常用的有通用土壤流失方程法、类比法、分类分级法、流失系数法等。在我省由于各地方自然条件、地理环境等存在很大差异，采用各种预测方法对水土流失进行预测时，必须确定该方法是最符合本地区实际情况的，这将直接影响到水土流失量数据的精确性，因此对预测方法和计算公式的选择至关重要。 关键词：水土流失预测计算公式侵蚀模数 水土流失与当地自然条件和人类活动密切相关，水土流失的影响因素包括自然因素和人为因素两个方面，其中自然因素主要有气候(降雨强度)、地形(坡长、坡度)、植被状况、地质构造和土壤类型等诸因素，人为因素主要表现为在工程建设过程中改变原有地形(坡长、坡度)，破坏原有植被，使地表裸露，削弱其原有的蓄水保土功能，并产生新的水土流失，从而增加水土流失量。 水土流失作为一项世界性的研究课题，一直受到世界各国的重视，长期以来，在其基础理论方面开展了大量的研究，并取得了有益的成果。水土流失预测是水土流失问题研究中很重要的内容，其预测方法也很多，常用的有通用土壤流失方程法、类比法、分类分级法、流失系数法等。在我省由于各地方自然条件、地理环境等存在很大差异，采用各种预测方法对水土流失进行预测时，必须确定该方法是最符合本地区实际情况的，这将直接影响到水土流失量数据的精确性，因此对预测方法和计算公式的选择至关重要。 1水土流失预测常用计算公式 1.1通用土壤流失方程
中国土壤侵蚀预报模型研究进展 摘要：土壤侵蚀模型作为了解土壤侵蚀过程与强度,掌握土地资源发展动态,指导人们合理利用土地资源的重要工具，受到世界各国的普遍重视。本文总结了中国土壤侵蚀预报模型的主要研究成果，在总结和评价这些模型的基础上，提出今后我国的主要研究方向：（1）注重土壤侵蚀模型的理论研究；（2）加强对重力侵蚀、洞穴侵蚀机制的研究；（3）充分利用先进的RS、GIS技术,为侵蚀模型的研究提供大量的数据源,以利于对土壤侵蚀模型的检验。 关键词：土壤侵蚀模型、研究方向、问题 Review of Research Progress in Soil Erosion Prediction Model in China Soil erosion model which is regarded as the tool to understand the soil erosion processes and intensity, to master the dynamic of land resources development, to guide the rational use of land resources, having attracted the widespread attention of the world.This paper summarizes the main findings of Chinese Soil Erosion Prediction Model and on the basis of summarying and evaluating these models it indicates the directions of the future research : (1) focus on soil erosion model theoretical research; (2) focus on the research of gravity erosion, cave erosion mechanism,; (3) take full advantage of the advanced RS and GIS technology for the study of erosion models which provide a large number of data sources to facilitate the inspection of soil erosion model. 近年来，土壤侵蚀成为人们关注的生态环境热点之一。土壤侵蚀预报是有效监测水土流失和评估水保措施效益的手段,侵蚀模型则是进行土壤流失监测和预报的重要工具。土壤侵蚀预报模型的研究是世界土壤侵蚀学科的前沿领域和土壤侵蚀过程定量研究的有效手段。根据土壤侵蚀模型的建模手段和方法,一般可以将其分为经验统计模型和物理成因模型。经验统计模型是利用大量的试验观测资料,借助于统计方法,定量表述影响土壤侵蚀因子的指标,进而得出计算土壤流失量的方程式。物理成因模型以土壤侵蚀的物理过程为基础,利用水文学、水力学、土壤学、河流泥沙动力学以及其他相关学科的基本原理,根据已知降雨、径流条件来描述土壤侵蚀产沙过程,从而预报在给定时段内的土壤侵蚀量。根据土壤侵蚀模型预报对象的不同,又可将土壤侵蚀模型分为坡面土壤侵蚀模型和流域或网格(区域)土壤侵蚀模型。我国学者在土壤侵蚀模型研究的各个层面上进行了大量工作,取得了很多成果。其中,区域尺度研究的应用更为广泛。在小流域土壤侵蚀模型的研究方面,以对统计模型及引进的统计模型中各因子的本地化研究较多,对基于过程的物理模型系统研究较少,特别是适合我国国情的系统的过程模型更少。本文希望对我国土壤侵蚀模型的主要研究成果进行总结,并对其中的一些问题进行了评述,以期为今后的土壤侵蚀模型研究进展提供一定的参考意见。提出了预报模型亟待解决的关键问题,以促进我国土壤侵蚀预报模型的建立,为生态环境改善提供科学依据。 1.经验统计模型 经验模型主要从侵蚀产沙因子角度入手,建立径流、产沙与降雨、植被、土壤、土地利用、耕作方式、水保措施等之间的多元回归因子关系式。经验公式结构简单,计算方便,在制定公式使用资料范围内具有可靠的精度,但是模型被移植到其它区域使用时以及向建模条件外延时,模型精度难以控制,模型的实用性受到影响。这类侵蚀产沙模型以坡面模型和小流域侵蚀产沙模型为代表,同时也包括部分区域性的侵蚀产沙预报模型,这些通常不考虑侵蚀产沙过程,称之为“黑箱”或“灰箱”模型,在模型形式上主要是采用侵蚀产沙因子的多元回归方程式。自1953年刘善建首次提出坡面土壤侵蚀量的公式来[2],不同的学者根据当地的实际情
水土流失影响评价及防治措施 防治责任范围及分区 根据上述分区原则与依据，结合项目特点，将项目划分成5个水土流失一级防治区，即开采区、工业场地区、办公生活区、连接道路区。 水土流失预测 1.扰动地表、损坏水土保持设施预测 项目施工将改变原有地貌，损害或压埋原有植被，不同程度地对原有具 有水土保持功能的设施造成破坏，造成工程区水土流失量的增加。工程总征占地面积即为项目扰动及损坏地表面积，为7.931hm2。 2.水土流失量预测 1）预测内容 根据本工程建设过程中产生水土流失的环节情况，水土流失预测主要是 针对工程建设及生产运行过程中的水土流失，预测项目建设及自然恢复期可 能造成的水土流失量。 2）预测范围 根据相关规定，工程水土流失预测范围为工程建设扰动地表的范围，即工程的永久占地和临时占地范围之和。根据各分区的扰动时段、扰动形式总体相同，扰动强度和特点大体一致的要求，可将整个工程扰动区划分为矿山开采防治区、矿山运输公路防治区、碎石加工防治区和办公生活防治区等4个预测分区进行水土流失预测。 3）预测时段与单元 本工程为建设生产类项目，预测时段包括建设期、生产期和自然恢复期。根据项目区的特点，对不同的区域采取不同的预测时段。每个预测单元的预测时
段按最不利的情况考虑，超过雨季（4 月-9 月）长度的按一年计算，不超过雨季长度的按占雨季长度的比例计算。本项目预计开工时间为2019 年9 月，完工时间2019 年12月，建设期预测时段按0.3 年计。生产期只预测弃渣量，不做水土流失量预测。根据当地的自然条件，确定自然恢复期为 2 年。 4）预测方法 本项目采用扰动地表造成的土壤流失量计算公式如下： 式中：W－－扰动地表土壤流失量（t）； i－－预测单元（1，2，3，…，n）； k－－预测时段，1，2，指建设期和自然恢复期； Fi－－第i 个预测单元的面积（km2）； Mik－－扰动后不同预测单元不同时段的土壤侵蚀模数（t/km2?a）； ΔMik－－不同单元各时段新增土壤侵蚀模数（t/km2?a）；Mi0－－扰动 前不同预测单元土壤侵蚀模数（t/km2?a）。Tik－－预测时段（a）。 5）预测基础数据取值 （1）土壤侵蚀模数背景值 由于项目所在地无土壤侵蚀方面的实测资料和参考资料，为了更准确的确 定不同预测单元的土壤侵蚀模数背景值，我公司组织技术人员于2019年6月对项目区进行现场调查，主要调查项目区地质、地貌类型、土壤类型、降雨情况、植被覆盖情况、地面组成情况和相应的管理措施等，并根据《土壤侵蚀分类分级标准》（SL190-2007），最终确定项目区平均土壤侵蚀模数背景值为772t/（km2?a）。 （2）扰动后土壤侵蚀模数 扰动后的土壤侵蚀模数在项目区及附近施工项目水土流失现状调查的基础上，结合项目建设中各类施工工序对土地的扰动和破坏程度，分析各施工区水土流失特点，参照《土壤侵蚀分类分级标准》，采用类比法综合确定。本项目扰动后各预测时段土壤侵蚀模数，见下表。
移动运营商的客户流失管理案例分析 发布时间：20070427 作者：转载出处：C114 录入：雷 1. 问题的提出： 近十年来我国电信业以3倍于GDP的速度增长，成为国民经济支柱产业中增长速度最快的行业之一。电信业的急速增长在很大程度上是由电信服务业中移动通讯市场的急速发展所推动的。但是,随着市场的拓展和竞争，移动通讯业也遇到了一些问题，如代理费用的升高和宣传费用的升高，这使发展新客户的难度增加、收益率下降。 价值客户不仅是电信企业的宝贵资源，也是其竞争对手不断争取的对象。电信企业的客户流失非常严重。据某运营商的统计，该运营商的移动客户在2004年1-10月平均每月离网400万户，月平均流失率达4.7%。其他运营商的客户流失率也居高不下。 根据美国市场营销学会顾客满意手册的统计数据表明，吸引一个新顾客所耗费的成本大概相当于保持一个现有客户的5倍。 这使得移动运营商不得不关注客户流失管理，以采取有力措施防止客户流失。 2.中国移动-客户流失管理的支撑系统和策略 中国移动通信主要经营移动话音、数据、IP电话和多媒体业务，其网络规模和客户规模列全球第一。截止到2006年11月底，客户总数已达2.964亿户。 2.1.支撑系统 中国移动已经形成了完整的业务支撑体系，由BOSS系统、经营分析系统（数据仓库）和支撑网网管系统三部分组成。经营分析系统已经成为市场经营过程（包括客户流失管理）的重要支撑环节。
2.1.1.经营分析系统建设概述 从2001年开始规划，2005年底建成世界最大的数据仓库（超过842TB容量），2006年7月容量已达1614TB；应用了OLAP、数据挖掘技术；提高了企业内部数据的标准化程度，有统一的逻辑模型、统一的指标解释；方便指标、报表、即席查询；与BOSS系统进行了互动。 中国移动数据仓库系统的分级结构 2.1.2.经营分析系统的意义 分析内部数据资源，理顺企业管理流程，提升管理模式；提升中国移动的精细化营销能力，降低营销成本（客户营销/服务从地毯式轰炸转向精确式打击）。例如：某地区真实流失人数190人（总样本的6.13%），不用模型就要对1455人（6.13%）做市场活动；采用了流失模型后，仅需要对712人（3.00%）做市场活动。 2.1. 3.经营分析系统的经济效益 中国移动经营分析系统取得了较为显著的经济效果，某个单项的应用就可以带来显著的经济效益：
基于商务智能的客户流失预测模型与算法研究客户流失管理是许多行业关注的一个重要问题，近年来，以传统统计学方法和人工智能方法为基础，客户流失预测研究取得了丰富的研究成果，但尚存许多值得研究的问题。商务智能的崛起为客户流失预测的研究提供了新的思路。本文在商务智能理论和客户关系理论框架下，对现有客户流失预测模型结构进行修订，提出了新的预测模型结构。然后，以新的预测模型结构为基础建立了客户流失策略管理模型、客户流失特征提取与属性选择方法、客户流失预测模型，对电信业的客户流失预测问题进行了实证考察，从一个新的角度加深了对客户流失的规律理解。 最后，对控制客户流失的策略进行了研究。现总结如下一、提出一种新的客户流失预测模型结构，以一种崭新的思路研究客户流失问题。根据客户数据的特点和现用预测方式的不足，采用特征提取、属性选择、预测模型设计的预测新思路来研究客户流失问题。通过对新模型结构实现算法和实证的研究，证明了新模型结构比现用模型结构更加有效。 二、应用基于企业竞争的Delta策略模型，提出一种用于电信业的客户流失管理策略模型(CMSM)。通过使用某电信企业客户流失数据集，对CMSM进行了验证。其结果表明，该模型描述了客户流失的原因且包含了与企业竞争策略相关的主要预测因子，从而使其实际应用更易控制。三、利用特征提取和指标属性选择方法，对电信业客户流失预测进行实证分析。 主要结论是1、将核主成分分析(KPCA)引入到客户流失预测中，提出了相应的特征提取算法，将KPCA与Logistic回归结合，设计了预测模型。对某电信公司客户流失预测的实证结果表明，该方法获得的命中率、覆盖率、准确率、提升系数、命中率置信度区间、覆盖率置信度区间、整体准确率置信度区间和Kappa，高于原始属性集和主成分分析(PCA)特征提取法。这表明KPCA能提取客户数据的非线性特征，是研究客户流失预测问题的有效方法。2、将信息增益(IG)引入到客户流失预测中，提出了相应的属性选择算法，将IG与神经网络(NN)结合，设计信息增益神经网络(IGNN)预测模型。 对某电信公司客户流失预测的实证结果表明，该方法获得的命中率、覆盖率、准确率、提升系数、命中率置信度区间、覆盖率置信度区间、整体准确率置信度
5 您能预测哪些客户有可能流失吗？ 本章中，我们将阐述可预测哪些客户在不久的将来可能会从您公司流失的数据挖掘方 法，电信业务常将这种方法称为客户流失预测。 如今，电信业务市场日渐成熟，电信公司也意识到主动性客户关系管理的重要性，从而 非常关注对现有客户服务，即如何维系重要客户，以及怎样使之为公司带来更丰厚的利 润？ 通过数据挖掘，您可以根据客户历史数据获得数据挖掘模型，从而生成公司很可能流失 的客户列表。最终，这将为您制订有效的市场营销战略提供有价值的业务洞察力，以防 止公司客户的流失。 本章所阐述的客户流失预测过程是以采用数据挖掘方法的预测建模为基础的，包括对每 个客户的流失可能性的预测，以及对可能流失客户及不会流失客户的分类。 73
5.1 业务需求 客户流失预测通常因其市场饱和度和动态市场变化等典型市场特征而成为电信公司首 要考虑的问题。由于电信市场日趋饱和，所以获取新客户的成本比留住现有客户群要昂 贵得多，并且竞争对手、技术，以及法律法规等动态市场变化更容易使客户流失到其他 公司。 5.1.1 数据挖掘的作用何在？ 客户流失管理要求对客户行为具有良好的了解。首要问题是要弄清楚哪些客户将会从公 司流失，以及哪些客户会给公司带来利润。为防止客户流失，公司需要采取的首要措施 是在客户流失到其他公司前掌握客户行为，并努力找到客户流失的行为模式，这样公司 就可以提前采取一些规避措施。您可以通过简单的查询方式、OLAP 分析，或仅根据经 验来了解客户行为。但是，在把握与客户流失相关的客户行为的过程中，数据挖掘起着 极其重要的作用，而这些客户行为隐藏在诸如呼叫事务等庞大的数据集中。应当建立合 适的数据挖掘模型来识别客户流失行为模式，并为客户提供适当的产品和服务以防止流 失。在以下章节中，我们将阐述如何应用数据挖掘方法来防止电信企业的客户流失现象， 以及如何将其应用到您的 CRM 系统中。 5.1.2 起点？ 该通用方法的第一步是把您要提出的业务需求转换成一个或多个可通过数据挖掘解答 的问题。 客户流失预测是一种不断变化的过程，而非单一事件。客户流失预测与公司的客户保持 过程密切相关。客户保持过程涉及三个方面： 明确哪些客户可能会流失。 确定可能流失的客户中您需要保留哪些客户。 开发客户保持策略(开展客户保持活动)以防止好这些客户流失。 作为客户保持过程的基础，客户流失预测对公司而言是一件非常有意义的工作。然而， 客户流失预测所面临的挑战在于，如何预测未来的客户行为，以及如何根据这一预测针 对客户采取相应的措施。 74
水土流失量估算模式 预测模型采用美国通用的水土流失程式（USLE）。 预测方程为： A=R·K·LS·C·P 式中：A—侵蚀强度，即单位面积(hm2)单位时间(a)流失量； R—侵蚀因子； K—土壤因子； LS—地形因子； C—生物因子； P—水土保持因子。 这个预测模型是美国农业部农业研究所经过40多年实地观察提出的。我国南方各省在该模型应用方面做了不少的工作，许多研究表明，该模型不仅适用山坡地、农地的水土流失估算，同样也适用于公路街道建设。福建省水土保持实验站和福建省农学院士化系在1991年结合我省闽东南气候、土壤、地形、植被等基本条件，对这一模型的基本参数进行计算组合确定。 ⑵预测因子的确定 ①侵蚀力因子R R因子是降雨侵蚀的指标，迳流的影响也包括在内。对于常年受到降雨侵蚀的区域来说，R值大小取决于月均降雨量和年降雨量。 计算公式如下： 式中的P为年降雨量(mm)，Pi为月均降雨量(mm)。 项目区域多年平均降水量为1200mm，根据计算公式可得R为196.4。 ②土壤因子K K因子反应土壤对侵蚀的敏感度；K值越大，敏感度越高，越容易受到侵蚀；K因子大小取决于土壤质地层（粘粒、粉粒、砂粒和有机质含量）。 福建省土壤可蚀性因子K取值的经验方程式为： K＝（164.80-2.31X1+0.38X2+2.26X3+1.31X4-14.67X5）×10-3 式中： X1-细砾（3～1mm）含量,%； X2-细沙（0.25～0.05mm）含量，%； X3-粗粉粒（0.05～0.01mm）含量，%； X4-细粉粒（0.01～0.005mm）含量，%； X5-有机质含量，%； 项目建设区域，土壤类型属红壤土。综合有关资料分析，项目区水土流失预测土壤可蚀性因子K计算模式，细砾含量X1以3.2%计，细沙X2含量以25%计，粗粉粒含量以20%计，细粉粒X4含量以12%计，有机质X5含量以2%计，由此计算得K值为0.164。 根据有关资料，福建红壤区主要土壤的K值在0.038～0.284之间，因此项目区土壤计算K值为0.164是合理的。 ③地形因子LS LS是地表迳流长度与坡度的函数： LS=(65.41Sin2S+4.56SinS+0.065)·(L/22.13)m 式中：S——坡度(度)； L——坡长(m)。 m——坡长指数，当SinS>5%，m=0.5；
一种确定广电客户流失的方法和系统 作者：胡玉婷袁昊程 版本：v1.0 文档创建日期：2013年9月11日 最后修改日期：2013年9月11日 1．本发明要解决的技术问题是什么？ 进入21世纪以来，随着电信与信息技术的飞速发展，在“三网融合”的大趋势下，广电运营商面临着重大挑战，同时也是一次重大机遇。与其它运营商相比，有线运营商在视频传播领域具有资源、技术等全方位的优势，但随着时间的推移和科技的发展，这种优势将会不断弱化，全面的竞争将不可避免。而且对于广电运营商而言，注册客户数动态增长，在大量客户入网的同时，又有大批客户离网流失，业务与收入总量增长相对趋缓，导致出现“增量不增收”现象。从传统意义上讲，发展一个新客户所支出的费用是保留一个老客户的五倍。因此，分析客户流失原因，吸引潜在客户入网，增加现有客户满意度，减少客户流失概率，提高客户消费水平，充分占有市场，是广电运营商在激烈市场竞争中制胜的关键。那么如何保留当前客户资源，采取措施挽留将要流失的客户，降低客户流失率，并为之提供有差别的服务，已成为广电行业目前亟需解决的问题。 2．详细介绍技术背景，并描述已有的与本发明最相近似的技术方案 广电行业中，客户流失是指客户在连续一段时间内发生不同程度的停止贡献价值，甚至拖欠应收费用的行为。客户流失分析是指使用多角度的客户数据进行分析，提炼出已流失和预流失客户的行为特征，利用数据挖掘技术建立客户流失模型，并将流失模型应用在实际运营中，对客户在未来一段时期发生流失的概率进行预测，并输出流失可能性较大的客户清单，从而能提供给CRM 等相关系统做事前的维系挽留工作，降低客户的离网率，减少企业的损失。目前已经有诸多解决客户流失分析的数据挖掘技术方案，主要分为如下几类： 1.决策树算法，这样的系统架构相对简单，系统整体运行效率易于保障。 2.神经网络算法 3.逻辑回归算法