Моделирование процессов выявления и формирования предпочтений потребителей телекоммуникационного предприятия

• Автор: Вейнберг, Роман Рафаилович
• Шифр специальности: 08.00.13
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Москва
• Количество страниц: 214 с. : ил.

СОДЕРЖАНИЕ
Введение
Глава 1. Анализ современных инструментальных средств поддержки принятия решений в телекоммуникационной сфере
1.1. Состояние и анализ телекоммуникационной сферы Российской Федерации: перспективы и трудности развития
1.2. Процесс внутрифирменного принятия решений как часть концепции управления взаимоотношениями с клиентами предприятия связи
1.3. Интеллектуальный анализ данных как часть концепции управления взаимоотношениями с клиентами предприятия связи
1.4. Назначение и функции систем управления бизнес-правилами, как элемента инструментальной реализации процесса внутрифирменного принятия решений и интеллектуального анализа данных
Выводы по первой главе
Глава 2. Методика выявления и формирования предпочтений потребителей телекоммуникационного рынка на основе применения методов интеллектуального анализа данных
2.1. Обоснование применения интеллектуального анализа данных как части методологии анализа предпочтений потребителей рынка телекоммуникационных услуг
2.2. Сбор, подготовка и анализ пользовательской информации о клиентах и их активности на телекоммуникационном рынке
2.3. Анализ и обоснование выбора методов кластеризации потребителей рынка телекоммуникационных услуг
2.4. Анализ и обоснование выбора методов проверки, визуализации и распознавания данных кластеризации
Выводы по второй главе
Глава 3. Программно-алгоритмический инструментарий моделирования процесса выявления и формирования предпочтений потребителей телекоммуникационного рынка
3.1. Проведение экспериментов и анализ результатов кластеризации клиентской информации
3.2. Создание профилей потребления услуг в рамках клиентских кластеров
3.3. Проведение экспериментов и анализ результатов классификации клиентских кластеров с помощью БУМ на основе обучения
3.4. Проектирование и разработка системы управления бизнес-правилами, как части интеллектуальной информационной системы поддержки принятия решений

3.5. Формирование и тестирование результатов работы программноинструментального модуля BRMS
3.6. Ожидаемый экономический эффект от внедрения интеллектуальной информационной системы поддержки принятия решений с модулями Data Mining
и BRMS
Выводы по третьей главе
Заключение
Литература
Приложения
Введение

Современные экономические условия в мире и в России, глобализация экономики, ускорение процессов развития рынков, технологий, социально-политические факторы требуют от телекоммуникационного предприятия новых подходов к формированию спроса и предложения, выработке методических и инструментальных решений в области управления клиентской базой и предпочтениями клиентов, в рамках сферы предоставления потребительских услуг связи.
Следовательно, одним из важных условий обеспечения конкурентоспособности телекоммуникационных предприятий является построение эффективной концепции взаимоотношения с клиентами, реализующей учет их потребительских предпочтений и осуществляющей повышение общего уровня привлекательности предоставляемых услуг на рынке. Проблематика создания такой концепции и методики учета предпочтений на телекоммуникационных предприятиях Российской Федерации еще недостаточно проработана, в связи с низким уровнем организации процесса коммуникации между субъектами рынка услуг связи, отсутствием адекватного и своевременного ответа на возникающие потребности клиентов, недостаточной изученностью клиентских предпочтений, низким уровнем внедрения автоматизированных систем управления взаимоотношениями с клиентами (CRM-систем) [64] и как следствие, пониженным уровнем потребительской лояльности, выраженном в повышении показателя оттока абонентов (churn rate) ряда ведущих телекоммуникационных компаний на протяжении нескольких лет [129].
На практике для определения клиентских предпочтений используются методы интеллектуального анализа данных (НАД - Data Mining), с помощью которых определяются скрытые закономерности, содержащиеся в данных мониторинга клиентской активности, состоящих из набора потребительских и личностных характеристик. Методы НАД повсеместно применяются в

правило, высокой степени несоответствия аналитических и оперативных данных. Учитывая стремительно растущие объемы производимых данных и степень их несоразмерности с данными, получаемыми из внешних источников, ситуация требует лучшего подхода, в виде внедрения интеллектуальной информационной системы поддержки принятия решений в рамках взаимоотношений потребителей и поставщиков услуг связи которая объединит средства и методы ИАД и системы автоматизации бизнес-процессов [73,80,81,84].
Структурная схема автоматизации и связи ИАД с инструментальными методами в области CRM (методология взаимоотношения с клиентами) для процесса принятия решений внутри и вне организации, основной деятельностью которой является сфера предоставления телекоммуникационных услуг представлена на рисунке 1.3.1.
Рис. 1.3.1. Связь интеллектуального анализа данных и CRM на современном
предприятии отрасли услуг
Получение знаний от экспертов является трудоемким процессом, а во многих случаях специалисты не обладают необходимыми знаниями [102]. Поэтому, для решения сложно структурированных многофакторных задач предложено использовать методы интеллектуального анализа данных. Интеллектуальный анализ данных (англ. Data Mining) представляет