-
公开(公告)号:CN110555065A
公开(公告)日:2019-12-10
申请号:CN201810265795.7
申请日:2018-03-28
Applicant: 中国移动通信集团广东有限公司 , 中国移动通信集团有限公司
IPC: G06F16/25
Abstract: 本发明实施例提供一种数据处理方法及装置。所述方法包括:获取源数据库的第一数据以及目标数据库的第二数据;根据所述第一数据和所述第二数据按照预设数据处理模型获取第三数据;所述预设数据处理模型包括多个数据处理逻辑算法;将所述第三数据加载至所述目标数据库。所述装置用于执行上述方法。本发明提供的方法及装置提高了数据处理效率。
-
公开(公告)号:CN109962795A
公开(公告)日:2019-07-02
申请号:CN201711407973.7
申请日:2017-12-22
Applicant: 中国移动通信集团广东有限公司 , 中国移动通信集团公司
Abstract: 本发明提供一种基于多维组合变量的4G用户流失预警方法和系统,所述方法包括:获取影响用户流失的显著指标,所述显著指标包括消费异动指标、竞争对手影响指标、不正常沉默指标、异地漫游指标和使用时间指标;通过已训练的用户流失预警模型计算流失概率,若流失概率大于设定阈值,则确定该用户为即将流失用户。归纳成消费异动指标、竞争对手影响指标、不正常沉默指标、异地漫游指标和使用时间指标5个影响维度,运用主成分分析思想,对维度内的多个变量进行重组整合成信息价值最大化的建模指标,解决估算方程共线性和原始数据信息丢失问题,使得业务指标价值最大化,提升数据预测准确性。
-
公开(公告)号:CN102567391A
公开(公告)日:2012-07-11
申请号:CN201010613444.4
申请日:2010-12-20
Applicant: 中国移动通信集团广东有限公司
IPC: G06F17/30
Abstract: 本发明公开了一种分类预测混合模型的建立方法及装置。所述方法包括:将样本数据集根据数据特征划分为不同类型的数据集;对所述数据集进行数据清洗,并在完成数据清洗后进行变量选择,生成不同类型的变量集;对每一个变量集采用至少一个分类预测单一模型建立分类预测混合模型。本发明通过对数据进行细分后分别建立分类预测混合模型,提高了分类预测的精度。
-
公开(公告)号:CN113256044B
公开(公告)日:2023-08-15
申请号:CN202010091122.1
申请日:2020-02-13
Applicant: 中国移动通信集团广东有限公司 , 中国移动通信集团有限公司
IPC: G06Q10/0637 , G06Q30/0201 , G06Q30/0202
Abstract: 本发明实施例公开了一种策略的确定方法、装置及电子设备,所述方法包括:获取预设时间段内的存量用户的通信行为数据,所述存量用户包括待检测的目标用户,基于所述存量用户的通信行为数据,确定所述目标用户的目标通信信息,所述目标通信信息包括长期趋势、短期趋势、弹性空间以及现状信息中的至少一项,基于所述目标用户的目标通信信息,确定目标用户所属的健康度类型,根据目标用户所属的健康度类型,确定目标用户对应的客户处理策略。通过本方法,可以从多个维度确定目标用户的健康度类型,以确定目标用户的客户处理策略,提高策略的确定效率的同时,保证了策略的确定的准确性。
-
公开(公告)号:CN113256044A
公开(公告)日:2021-08-13
申请号:CN202010091122.1
申请日:2020-02-13
Applicant: 中国移动通信集团广东有限公司 , 中国移动通信集团有限公司
Abstract: 本发明实施例公开了一种策略的确定方法、装置及电子设备,所述方法包括:获取预设时间段内的存量用户的通信行为数据,所述存量用户包括待检测的目标用户,基于所述存量用户的通信行为数据,确定所述目标用户的目标通信信息,所述目标通信信息包括长期趋势、短期趋势、弹性空间以及现状信息中的至少一项,基于所述目标用户的目标通信信息,确定目标用户所属的健康度类型,根据目标用户所属的健康度类型,确定目标用户对应的客户处理策略。通过本方法,可以从多个维度确定目标用户的健康度类型,以确定目标用户的客户处理策略,提高策略的确定效率的同时,保证了策略的确定的准确性。
-
公开(公告)号:CN102567391B
公开(公告)日:2014-05-07
申请号:CN201010613444.4
申请日:2010-12-20
Applicant: 中国移动通信集团广东有限公司
IPC: G06F17/30
Abstract: 本发明公开了一种分类预测混合模型的建立方法及装置。所述方法包括:将样本数据集根据数据特征划分为不同类型的数据集;对所述数据集进行数据清洗,并在完成数据清洗后进行变量选择,生成不同类型的变量集;对每一个变量集采用至少一个分类预测单一模型建立分类预测混合模型。本发明通过对数据进行细分后分别建立分类预测混合模型,提高了分类预测的精度。
-
-
-
-
-