基于SPSS Moderler和R语言的数据挖掘宽表处理

—电信业客户流失分析

一、商业理解

1、问题的提出：

1）问题1：预测哪些客户（尤其是高价值客户）可能会流失？

2）问题2：可能流失客户的特征是什么？

3）问题3: 商场挽留活动的预期收益是多少？

2、流失的定义：

    这里将客户分为三类：正常使用电信业务的客户、主动放弃电信业务的客户、由于欠费被停机的客户。这里将后两类都定义为流失，用1（或T）表示，将第一类定义为不流失，用0（或F）表示。

3、用于预测流失的变量表：

有哪些描述客户的数据可以用来作为预测客户流失的变量？

客户基本信息数据、客户行为数据（业务使用情况）、产品信息数据

4、时间窗口：

定义预测输入变量（自变量）和预测目标变量（因变量）的时间窗口。取前六个月数据作为预测输入变量的数据（训练数据），以8到10月三个月作为预测目标变量的数据（测试数据）。中间的7月作为间隔期。

二、数据导入和理解

1、表1-客户基本信息表（custinfo.csv）：

 可以看出表1中包括：客户编号、性别、年龄、在网时长、话费方案、手机品牌这六个输入变量以及他们的变量类型

2、客户通话情况表

 这张表显示的是客户的月度通话行为数据，包括：客户编号、高峰时期电话数、高峰时期电话时长、低谷时期电话数、低谷时期电话时长、周末时期电话数、周末时期电话时长、国际电话时长、国内电话花费、月份10个输入变量，高峰时期是指平时工作时间，非高峰时期是指不含周末的非上班时间

3、话费方案表

这张表显示的是客户的话费方案，变量包括：话费类型、固定费用、免费时长、高峰时期单价、非高峰时期单价、周末单价、国际长途单价

 4、客户是否流失标记

 churn：客户是否流失：1表示流失，0表示不流失

三、数据处理

 用SPSS Moderler生生数据挖掘宽表，将多个表中数据重新整合到一个表中：

1、对客户通话情况表（custcall）中的高峰、非高峰、周末时期的通话时长建立趋势分析和波动分析变量

趋势分析：，，x:表示月份，y表示通话时长，n表示总月份个数

 建立多个节点计算趋势值和波动值：

 计算高峰期通话时长趋势值：(n * Peak_Mins_Month_Sum - Peak_mins_Sum * month_Sum)/( n * month_month_Sum - month_Sum * month_Sum)

 计算高峰期通话时长波动值：

 (Peak_mins_Max-Peak_mins_Min) / Peak_mins_Min

 2、过滤掉中间变量，只留下趋势值和波动值：

 3、创建超节点：因为中间变量的节点太多，太冗余，所以建立超节点，将中间变量隐藏

 4、生成求和指标、占比指标、和平均指标

按照以上步骤类似处理客户通话信息表，求出国内电话数合计、国内通话时长合计、所有通话时长合计；高峰时期、非高峰时期、周末时期、全部国内平均每次通话时长；高峰时期、非高峰时期、周末时期通话时长占比以及国际通话时长占比

 5、将处理好的客户通话表（表2）与客户基本信息表（表1）合并，选取Customer_ID为关键字

 6、将花费方案表（表3）合并入表1中，选取Tariff为关键字

 7、建立超节点处理客户花费表：

 8、将客户流失标记表（表4）合并，关键字Customer_ID

 9、排列整理字段，并且导出.csv格式的表

 该表格就是流失分析的基础宽表。

10、用R语言读取该表：

churn_analysis<-read.table("E:/churn_analysis.csv",header=TRUE,sep=\',\') #导入表-客户流失分析宽表

str(churn_analysis) #变量类型

head(churn_analysis) #显示部分数据

 得到的宽表中共有40个变量和18550条数据