基于CRISP-DM(cross-industry standard process for data mining)模型设计与实现了一个时序预测Web服务,对网站资源的下载需求量进行预测。重点阐述了CRISP-DM模型应用于时序预测任务时的设计思想和实现的关键技术。测试结果表明,该时...基于CRISP-DM(cross-industry standard process for data mining)模型设计与实现了一个时序预测Web服务,对网站资源的下载需求量进行预测。重点阐述了CRISP-DM模型应用于时序预测任务时的设计思想和实现的关键技术。测试结果表明,该时序预测Web服务具有较高的预测准确率,部署快速,使用方便,对解决同类问题具有一定的示范和参考价值。展开更多
“十四五”时期,烟草行业面临社会环境发生巨大变革的挑战。从行业现状来说,烟草市场面临消费需求日益多元化、市场竞争日趋激烈、销售结构提升矛盾突出等问题。随着数字技术的不断发展,数据驱动逐渐成为烟草行业的新推手。零售户数据...“十四五”时期,烟草行业面临社会环境发生巨大变革的挑战。从行业现状来说,烟草市场面临消费需求日益多元化、市场竞争日趋激烈、销售结构提升矛盾突出等问题。随着数字技术的不断发展,数据驱动逐渐成为烟草行业的新推手。零售户数据作为最基本的数据来源,可以帮助企业有针对性地优化市场布局。本文以河南中烟CRM客户管理系统中的零售户信息为数据基础,以CRISP-DM(Cross Industry Standard Process forData Mining)为研究框架,结合逻辑回归、ARIMA时间序列、BP神经网络等机器学习和深度学习模型,对黄金叶(天叶)规格卷烟在2021年第四季度的销售数据进行建模验证,助力精准把控未来零售户价值走向。展开更多
随着移动通信行业竞争的愈发激烈,用户对运营商的产品和服务的要求越来越高,离网率也有上升趋势。一般认为,老用户对ARPU的贡献较新用户高,留住一个老用户比发展一个新用户更加经济和有效。因此,如何维系用户、增强用户黏性,已经成为企...随着移动通信行业竞争的愈发激烈,用户对运营商的产品和服务的要求越来越高,离网率也有上升趋势。一般认为,老用户对ARPU的贡献较新用户高,留住一个老用户比发展一个新用户更加经济和有效。因此,如何维系用户、增强用户黏性,已经成为企业制定战略决策需要考虑的核心问题。解决这一问题的第一步,就是从海量用户中定位有离网倾向的群体。本文基于CRISP-DM（Cross-Industry Standard Processfor Data Mining,跨行业数据挖掘标准流程），通过对数据模型的研发及应用，分析用户的离网行为规律，进而准确识别具有较高离网倾向的用户。展开更多
电信企业掌握着大量的客户数据,需要将企业的数据优势转化为企业的竞争优势,使客户收益最大化。本文以CRISP-DM(Cross-Industry Standard Process for Data Mining)方法论为基础,探讨聚类分析技术在电信客户细分领域的应用,并结合电信...电信企业掌握着大量的客户数据,需要将企业的数据优势转化为企业的竞争优势,使客户收益最大化。本文以CRISP-DM(Cross-Industry Standard Process for Data Mining)方法论为基础,探讨聚类分析技术在电信客户细分领域的应用,并结合电信业的基础数据应用Clementine挖掘工具建立了客户细分模型,对电信市场进行有效地划分。展开更多
文摘基于CRISP-DM(cross-industry standard process for data mining)模型设计与实现了一个时序预测Web服务,对网站资源的下载需求量进行预测。重点阐述了CRISP-DM模型应用于时序预测任务时的设计思想和实现的关键技术。测试结果表明,该时序预测Web服务具有较高的预测准确率,部署快速,使用方便,对解决同类问题具有一定的示范和参考价值。
文摘“十四五”时期,烟草行业面临社会环境发生巨大变革的挑战。从行业现状来说,烟草市场面临消费需求日益多元化、市场竞争日趋激烈、销售结构提升矛盾突出等问题。随着数字技术的不断发展,数据驱动逐渐成为烟草行业的新推手。零售户数据作为最基本的数据来源,可以帮助企业有针对性地优化市场布局。本文以河南中烟CRM客户管理系统中的零售户信息为数据基础,以CRISP-DM(Cross Industry Standard Process forData Mining)为研究框架,结合逻辑回归、ARIMA时间序列、BP神经网络等机器学习和深度学习模型,对黄金叶(天叶)规格卷烟在2021年第四季度的销售数据进行建模验证,助力精准把控未来零售户价值走向。
文摘随着移动通信行业竞争的愈发激烈,用户对运营商的产品和服务的要求越来越高,离网率也有上升趋势。一般认为,老用户对ARPU的贡献较新用户高,留住一个老用户比发展一个新用户更加经济和有效。因此,如何维系用户、增强用户黏性,已经成为企业制定战略决策需要考虑的核心问题。解决这一问题的第一步,就是从海量用户中定位有离网倾向的群体。本文基于CRISP-DM（Cross-Industry Standard Processfor Data Mining,跨行业数据挖掘标准流程），通过对数据模型的研发及应用，分析用户的离网行为规律，进而准确识别具有较高离网倾向的用户。
文摘电信企业掌握着大量的客户数据,需要将企业的数据优势转化为企业的竞争优势,使客户收益最大化。本文以CRISP-DM(Cross-Industry Standard Process for Data Mining)方法论为基础,探讨聚类分析技术在电信客户细分领域的应用,并结合电信业的基础数据应用Clementine挖掘工具建立了客户细分模型,对电信市场进行有效地划分。
