论文总字数：24111字

摘 要

大数据是指数据量庞大、价值密度不高、具有多样性的非结构化数据。随着人类社会的高速发展，越来越多的数据信息充斥着我们的世界。为了能更深入地探索世界的规律、获取未知的知识，就需要对大数据有足够的了解。通过大数据挖掘技术使我们能够更便捷地处理庞大的数据，从中获得全面、系统、有价值的信息。目前大数据挖掘已经得到越来越广泛的应用。

本文主要论述了电信企业如何通过大数据挖掘开发电信产品。首先，通过收集文献资料，对大数据运营、数据挖掘、质量功能展开（QFD）产品研发等理论进行梳理，为本文研究打下理论基础，并以此理论基础提出基于大数据挖掘技术的电信产品开发模型。然后，通过对外部数据的数据挖掘以及质量功能展开（QFD）得到特征结果，根据特征结果得到电信产品的各种指标并开发出具有针对性的电信产品。最后，进行案例分析，验证基于大数据挖掘技术电信产品开发模型。案例研究表明通过大数据挖掘技术，进行电信产品开发，能够解较好地解决电信运营商产品开发问题。

关键词：大数据 数据挖掘 质量功能展开（QFD） 电信产品

APPLICATION OF DATA MINING TECHNOLOGY IN THE TELECOMMUNICATIONS PRODUCT DEVELOPMENT

Abstract

Big data refers to the unstructured data that has lots of data, has low value density and is diversified. With the rapid development of human society, our world is filled with more and more data information. In order to explore the law of the world more deeply, and have access to unknown knowledge, it is necessary to have sufficient understanding of big data. Through the large data mining technology, we can handle large amount of data more easily and gain a comprehensive, systematic, and valuable information. At present, the big data mining technology has been more widely used.

This paper discusses how to develop telecom products through big data mining technology. First, to lay the theoretical foundation for this study, this paper collects the information about big data operations, data mining, quality function deployment (QFD), and construct the model of telecommunication products development that is based on the big data mining technique. Then, through the external data mining and data quality function deployment (QFD), the paper obtains characteristics results. According to the characteristics results, the paper obtains the various indicators of telecom products and develop the targeted telecom products. Finally, through the case studies, the paper verifies the model. The case indicates that through the big data mining technology, the telecom operators can solve the telecom product development issues better.

KEYWORDS: Big Data，Data Mining，Quality Function Deployment，Telecom Products

目 录

摘 要 I

Abstract II

第一章 导 论 1

1.1 选题背景与研究意义 1

1.2 研究内容与方法 2

1.2.1 研究内容 2

1.2.2 研究方法 2

1.3 论文的主要创新点 3

第二章 文献综述 4

2.1 大数据 4

2.1.1 大数据的概念 4

2.1.2 大数据的特性 4

2.2 数据挖掘 6

2.2.1数据挖掘的概念 6

2.2.2数据挖掘的方法 6

2.2.3数据挖掘的过程 7

2.3质量功能展开（QFD） 8

2.3.1质量功能展开（QFD）的概念 8

2.3.2质量功能展开（QFD）的基本结构 9

2.4电信产品 10

2.4.1电信产品的概念 10

2.4.2电信产品的特征 10

第三章 基于大数据挖掘的电信产品开发 12

3.1电信产品开发 12

3.1.1 电信产品及其分类 12

3.1.2 电信产品开发思路及原则 13

3.1.3产品开发过程 13

3.1.4 电信产品开发 16

3.2电信产品开发模型 16

3.2.1 模型概述 16

3.2.2 外部数据 17

3.2.3 数据挖掘 17

3.2.4 数据输出 18

3.2.5质量功能展开（QFD） 19

3.2.6 产品输出 19

第四章 移动校园电信产品开发案例研究 20

4.1案例概述 20

4.2 电信产品开发 20

4.2.1 外部数据 20

4.2.2数据输入 20

4.2.3数据挖掘 21

4.2.4数据输出 21

4.2.5质量功能展开（QFD）与产品输出 23

4.3 本案例研究的说明 24

第五章 总结与展望 25

5.1 研究结论 25

5.2 研究展望 26

致谢 27

参考文献（References） 28

第一章 导 论

1.1 选题背景与研究意义

如今“数据” 已经无孔不入地渗透到人类社会的生活中。人们在日常生活和工作中无时无刻都在源源不断地产生海量的数据。随着互联网的快速发展以及互联网的广泛接入，使得文字、图片、音频、视频这样“大”量数据的收集、汇聚、储存、传递、处理、分析等变得方便快捷，一套新的学说、学科正逐步发展起来，大数据将成为一种分析与解决问题，尤其是决策与预测问题的新手段、新方法。互联网与大数据的发展相辅相成。互联网的发展为大数据的发展提供了海量的数据、信息与资源；互联网的发展在大数据的发展支撑、服务与应用下越来越好。近几年来，互联网随着不断推陈出新的移动通信与移动互联网等互联网的新技术、应用以及发展模式，使得互联网变得更加重要，“无所不在”离不开我们的生活，因而产生了更多庞杂的数据。在人类继数字化时代、信息化时代、互联网时代之后，又步入了信息爆炸的大数据时代。

移动互联网革命性地改变了企业现有的商业模式以及人们的生活行为方式。世界充斥着越来越多的信息，信息形态的变化由信息总量的变化引起，“大数据”这一概念应运而生。大数据不仅具有非常丰富的数据源，而且能够为企业打开更多的机会之门。因此，从海量的、杂乱无章的大数据中找到明确的特征与规律，在此基础上更加精准地把握市场特征，开发出更能满足客户需求的产品，引起实业界、理论界越来越多的关注。

在现代人类社会中占有至关重要的地位，电信行业的发展加剧了信息的流动，缩短了空间的距离，提高了现代人类社会经济的运行效率，从而创造巨大的社会效益。电信行业具有网络性、服务性、技术密集性等特点。为了实现对电信行业和电信企业的有效管理，管理人员必须了解电信网络是电信行业所拥有的特殊资源，电信业务的运营也有其独特的规律这些特点。特别是近年来，电信技术发展迅速，电信新业务层出不穷，电信行业的内外环境也发生了巨大的变化，电信企业面临着激烈的市场竞争，其经营管理工作变得更为复杂。国内电信行业市场竞争日趋激烈，正在逐渐走向自由化和开放，在各个电信市场竞争愈演愈烈的环境下，各大运营商大多以行业垄断优势、价格战、促销策略等竞争手段进行企业经营，但是缺乏对产品消费特点、客户群体特征以及网络资源调配等进行科学、系统的分析。无论国内还是国外的电信运营商，都在积极地构建适用于符合自身管理特点的经营辅助信息处理系统。使企业能够访问并综合各种来源的数据，通过充分挖掘现有的数据资源，捕捉和分析内在的信息，从而制定出使客户更加满意的电信产品。

1.2 研究内容与方法

1.2.1 研究内容

本文首先进行文献资料的收集，对大数据运营、数据挖掘、QFD产品研发等理论进行梳理，为本文研究打下理论基础；其次，探讨电信企业如何通过大数据挖掘开发电信产品；最后，结合电信企业实际，进行案例分析，电信运营商的现状分析，得到运营商所面临的重要问题——亟需具有吸引力的产品，然后再通过对该问题分析，得出解决该问题的可行方案，即通过大数据挖掘技术，进行电信产品开发，能够解较好地解决电信运营商在运营过程中面临的产品开发问题。

全文结构如图1-1所示。

图1-1 文章框架图

1.2.2 研究方法

（1）文献分析法

本文在前人已有研究的基础上，通过对以往与本文相关的文献进行了阅读与研究，得出了本文的理论基础。与本文相关的文献主要是通过己有的公开出版文献，包括书籍、期刊杂志以及各种电子文献等途径获取。

（2）演绎归纳法

本文将现有的产品开发模型与已有的新数据相结合，通过QFD支持产品开发，得出新的产品指标。

（3）案例分析法

本文将主要对移动校园电信产品开发案例，结合其它现有的基于大数据挖掘的电信产品开发相关案例进行案例分析。

1.3 论文的主要创新点

本文的创新点主要体现在以下几个方面:

第一，随着互联网、移动互联网的飞速发展，越来越多的信息充斥着这个世界。从海量的、杂乱无章的大数据中找到明确的特征与规律，在此基础上更加精准地把握市场特征，开发出更能满足客户需求的产品，已经引起实业界、理论界越来越多的关注。本文通过大数据挖掘技术，进行电信产品开发，能够较好地解决电信运营商在运营过程中面临的产品开发问题。

第二，目前国内还没有完整的关于数据挖掘技术在电信产品开发中的应用研究。大量的文献都是关于“数据挖掘”或者“产品开发”这一个总体概念的研究。电信行业的发展伴随着信息地加速流动，空间距离的缩短，社会经济运行效率的提高，从而创造巨大的社会效益，对数据的处理是十分重要的，通过大数据挖掘技术，进行电信产品开发，能够解较好地解决电信运营商在运营过程中面临的产品开发问题。

第三，结合当前基于大数据挖掘的电信产品开发案例，进行系统分析整理。在以现有的产品开发模型与客户数据为基础，通过QDF得出电信产品的各种指标，最终为电信产品开发提供准确的用户定位，并且展望基于大数据挖掘技术的产品开发在其他众多领域的应用前景。

第二章 文献综述

2.1 大数据

2.1.1 大数据的概念

大数据（Big Data）是指那些数据规模和转输速度要求很高，并且超越传统数据库系统处理能力的数据。其结构已经不太符合原本的传统数据库系统。为了大数据价值的获取，我们必须选择另一种方式来处理这些数据。在以往需要相当长的时间和高成本才能提取这些数据中隐藏着的有价值的模式和信息。而如今硬件、云架构以及开源软件等各种资源，使得大数据的处理更为廉价和方便。对于企业组织来说，大数据的价值主要体现在两个方面：一方面是对大数据进行分析处理，并能揭示出隐藏其中的信息。就像在零售业中对门店销售及社会信息等数据的分析，来提升对客户的理解。另一方面是对大数据的二次开发，这正是如新浪微博这类网络公司。通过大量客户信息定制出个性化的客户体验。 

郭晓科在《大数据》（［M］．北京: 清华大学出版社，2013）中跨越多种学科的视角、全面地介绍了“大数据”（Big Data）在社会各个领域的广泛应用与发展。从多个角度介绍了大数据的价值、特点、潜力以及大数据面临的挑战等内容；Bill Franks在《驾驭大数据》（黄海等译．［M］．北京: 人民邮电出版社，2013）中介绍了应该如何驾驭大数据的浪潮，并详细地介绍了什么是大数据，大数据为什么那么重要以及大数据的应用。从具体实用的角度出发，详细介绍了用于分析和操作大数据的工具、技术和方法；以及人才和企业文化的角度，并且介绍了如何使分析专家、团队以及所需的分析原则使用更加高效，如何通过分析创新中心使得分析更加有创造力。大数据就是数据分析的前沿技术，迅速从不同类型的数据中，获得有价值的信息，促使大数据技术具备了成为不同类型企业的潜力。 

2.1.2 大数据的特性

人们通过安装在汽车、火车、船只以及飞机等交通工具上的部分传感器，通过每个不同的传感器获得不同类型的数据，还有些数据的产生来源于各种意想不到的渠道。正是由于这样使得数据变得越发庞大、复杂。随着社会的不断发展，大数据的规模也在发生着翻天覆地的变化，大数据的类型结构也随之增加。大数据的海量性与多样性正在逐步突显出来。在高速的网络时代，创建实时的数据流数据库，需要通过基于实现软件性能优化的高速电脑处理器以及服务器，这显然已成为时代的流行趋势。能够快速创建数据并迅速处理、分析数据，而且能及时的反馈给客户，以满足客户、市场的实时需求，这得依赖于大数据的高速性。大数据的高速发展，使得大数据现出多变的类型和形式，而不是仅限于单一的模式，随着时间的演变，大数据更容易演变出不同的形式或模式。如今，企业所面临的挑战就是处理并从呈现各种不同形式的复杂数据中挖掘其内在价值。 

大数据时代的数据类型变得繁多，包括文字、图片、音频、视频、网络日志以及地理位置信息等等，多种类型的数据对于数据的处理能力提出了相当高的要求；并且随着互联网的广泛应用，信息量感到越来越庞杂，感知到信息无所不在，与此同时相对于数据的价值密度而言，却显得相对较低。较低的数据价值密度又应该如何通过机器算法等完成数据的价值并提纯数据，做到既迅速又便捷，这就是大数据时代亟待解决的一大难题；而数据处理速度快，时效性要求又高，这是大数据区别于传统数据挖掘显著的特征之一。  

剩余内容已隐藏，请支付后下载全文，论文总字数：24111字

相关图片展示：