Введение
ГЛАВА 1. CRM-стратегия в телекоммуникациях 10
1.1. Применение CRM для персонификации клиентов 10
1.2. Биллинговая система: описание, назначение, функции 14
1.2.1. Процедуры тарификации и биллинга 14
1.2.2. Структура и функции биллинговой системы 15
1.2.3. История развития биллимговых систем 16
1.2.4. Тенденции и перспективы развития биллинговых систем 18
1.2.5. Требования, предъявляемые к современным биллинговым системам 19
1.2.6. Характеристика современного рынка биллинговых систем 20
1.3. Выводы 20
ГЛАВА 2. Технология data mining - аналитический инструментарий CRM-систем 22
2.1. Определение Data Mining 22
2.2. Процесс обнаружения новых знаний с помощью технологии Data Mining 25
2.3. Классы систем Data Mining 27
2.4. Модели Data Mining 37
2.5. Задачи Data Mining 37
2.6. Классификация и регрессия 39
2.6.1 Постановка задачи 39
2.6.2. Представление результатов 40
2.6.3. Деревья решений 42
2.7. Кластеризация 43
2.7.1. Алгоритмы кластеризации 44
2.8. Поиск ассоциативных правил (ограниченный перебор) 45
2.8.1. Постановка задачи 45
2.8.2. Алгоритмы поиска ассоциативных правил 48
2.8.3. Сиквенциальный анализ 49
2.9. Примеры практического применения Data Mining 50
2.10. Data Mining в телекоммуникациях 51
2.11. Выводы 54
ГЛАВА 3. Анализ перспективности использования алгоритмов деревьев решений и ассоциативных правил для прогнозирования оттока клиентов 56
3.1. Постановка задачи 56
3.2. Моделирование базы данных персонифицированного трафика клиентов 56
3.3. Краткое описание программы моделирования баз данных персонифицированного трафика
(«Генератор») 65
3.3.1. Рабочее окно программы 65
3.3.2. Алгоритм работы программы «Генератор» 66
3.4. Прогноз лояльности потенциального клиента при помощи алгоритма поиска ассоциативных правил (алгоритм Apriori - система WizWhy) 67
3.5. Прогноз лояльности потенциального клиента при помощи алгоритма деревьев решений 76
3.5.1. Выбор типа алгоритма деревьев решений 77
3.5.2. Бинарное дерево решений (алгоритм CART) 78
3.5.3. Не бинарное дерево решений (алгоритмы ЮЗ и С4.5) 87
3.5.4. Прогноз лояльности потенциального клиента 97
3.6. Выводы 101
ГЛАВА 4. Разработка системы поддержки принятия решений для прогнозирования оттока клиентов на основе технологии Data Mining 103
4.1. Описание разработанного алгоритма и системы «Forecaster» 103
4.2. Структура рабочего окна системы Forecaster 107
4.3. Пример прогнозирования лояльности потенциального клиента системой Forecaster
4.4. Сравнение систем WizWhy и Forecaster 112
4.5. Выводы 114
Заключение 116
Библиографический список использованной литературы 167
