数据挖掘技术从一开始就是面向应用的。在商业应用中最典型的例子就是一家连锁店通过数据挖掘发现了小孩尿布和啤酒之间有着惊人的联系。数据挖掘是目前国际上数据库和信息决策领域的最前沿方向之一，引起了学术界和业界的广泛关注。数据挖掘技术在一些领域内已有成功的应用。但数据挖掘技术在电信领域中成熟的应用尚不多见。下面对数据挖掘技术在电信行业的应用作一点探讨
由于电信业本身相对于其它领域历史数据比较规范，而且海量数据，以客户为中心，这些对数据挖掘需求来说都是很有必要的。数据挖掘在国外电信行业中有很多成功的案例，下面这些公司使用数据挖掘技术解决了一些商业问题：
British Telecommunications
（英国）
:
*
向销售人员和营销活动提供了“最佳客户”清单
*
直邮活动回应率提高了
100%
Telecom Italia Mobile
（意大利）
:
*
预防了客户的流失
*
加强了客户交叉销售的机会
*
对客户的行为有更深的理解
Hutchison Telecom
（香港）：
*
建立客户忠诚度评估体系，降低了客户的流失。
总的说来，数据挖掘能解决电信行业如下一些商业问题：
1.
理解客户的细分和偏好
2.
确定可盈利客户以及获取新客户
3.
交叉销售
4.
客户保持以及提高客户忠诚度
5.
提高投资回报率（
ROI)
以及减少促销成本
6.
发现欺诈、浪费、滥用等不良行为
7.
确定信用风险等等。
数据挖掘在国内电信行业的发展是随着电信行业竞争的加剧，国内电信运营商们都认识到了数据挖掘的重要性，中国移动集团正在规划数据挖掘的行业应用课题研究。数据挖掘过程中对业务理解是很关键的，领域专家对这个早有讨论，前段时间看到一篇文章很受启发，作者明确表明了他的观点：数据挖掘项目进行过程中，要以业务专家为主导，技术专家只是起辅助作用。这句话很有道理，现在很多所谓的数据挖掘项目确恰恰相反，这确实是关系项目成败或者说项目是否能达到预期效果的一个关键问题。下面对现在电信行业的业务理解做一点简单的分析，当然每个运营商会有他的一些具体需求：
简单地讲，电信领域数据挖掘项目的业务问题就是，通过对电信公司大量的通话明细记录的挖掘，发现顾客的行为，提供有针对性的服务，这样不仅提高客户服务水平以增加顾客忠诚，更重要地是，去寻找那些企业利润贡献度高的业务的使用者，并挖掘其规律以增加这一类业务的销售，从而提升企业获利能力。回答这一业务问题，可以有多方面的数据挖掘问题。比如：
*
通话时段的规律。什么时间是电话通话的高峰期？不同类型的电信业务高峰出现在什么时候等。
*
按市场细分的客户（如个人客户、政府部门、企业客户）通话规律。市场细分后同类型的顾客其通话模式是否相似？如果相似则如何等。
*
电话使用者何时在家。了解这一点一个明显的直观的作用就是，一些行业进行电话直销（比如银行业交叉销售保险产品）时效率更高。
*
国际长途的通话模式。因为国际长途利润率相当高，了解其通话模式从而采取相应措施提高其使用量会对公司业绩有显著作用。
*
因特网服务规律。比如顾客最常使用的
ISPs
（服务提供商）、不同市场细分类型的顾客是否用不同的
ISP
等。
*
发现潜在的租用虚拟专用网络服务的顾客。这些顾客会有站点间大量的通话或数据传输，有时也会与其他企业间作大量的数据交换，此时如果作有针对的营销，他们就可能租用虚拟专用网络服务。
*
发现增加电话线路租用需求的客户。一个典型的例子，某寿险企业的客服热线电话经常出现等待时间过长的问题，从而导致顾客的不满。之所以发生这种问题，主要是因为该类企业同时发生的通话过多，占用了其所有租用的线路。如果电信服务提供者能及时发现这类问题，
凡是有该标志的文章，都是该blog博主Caoer（草儿）原创，凡是索引、收藏
、转载请注明来处和原文作者。非常感谢。