利用數據挖掘技術促進數字電視網絡運營商的發展
經營方略
作者：鄧夢曦
【摘 要】隨著三網融合進入規模試點階段，電信、廣電的新業務都在迅速發展，數字電視運營商處於數字電視產業化的鏈條中心，數據的大規模積累使通過數據挖掘技術為運營商的發展指定合理戰略計劃成為可能。本文以數據挖掘中的時間序列預測技術和客戶流失分析為例，探討在三網融合過程中，數字電視運營商應該如何利用數據挖掘技術為自身發展製定合理的戰略計劃和業務部署，以實現競合及共贏。
【關鍵詞】數據挖掘 三網融合 數字電視
一、三網融合的發展過程中產生數據的積累
2010年7月1日，三網融合試點名單在眾多期許中終於出台，這標誌著在國家層麵推動三網融合快速發展的戰略上邁出重要一步。一年半之後，三網融合試點範圍繼續擴大，第二階段試點地區於2011年底公布，這標誌著三網融合進入規模試點階段，由之前的重點試驗轉向全麵覆蓋。隨著三網融合試點在各試點城市的啟動，電信、廣電的新業務都在迅速增展，現在的寬帶網絡是更為理想的包括廣播、電視和電信等各項服務的網絡。目前來看，發展高清互動電視和3D電視，以及推動有線電視網絡接入寬帶是很多試點三網融合的戰略重點。數字電視產業鏈的四大部分：節目製作、播出平台、傳輸平台和接收終端，組成了數字電視產業鏈的三大平台：內容平台，傳輸平台，服務平台。各種數字電視產品依賴網絡進入到消費層次。數字電視運營商處於推進數字電視產業化的鏈條中心，在三網融合過程中應該如何抓住機遇，爭取更多的用戶，占據更有利的地位以更好地服務大眾？運營商的規模和複雜程度日益增大，對於手中已有的數據，需要通過把握其既有規律對未來可能的走向和趨勢做出預測，對自身平台的價值進行進一步挖掘，這樣才能使決策更為有效。
數據挖掘中的時間序列預測技術，首先通過序列模式挖掘出有效的關聯規則，再將曆史數據揭示出的現象規律延伸到未來，並在曆史數據的基礎上對未來作出預測。切實地抓住用戶的行為特征和消費習慣等個性化的特征，都需要運用數據挖掘技術研究可獲得的大量用戶數據，把描述性數據轉化為分析型數據和預測型數據，對用戶的行為進行規律分析和關聯分析，理解用戶行為軌跡，針對未知事件發生的可能性進行分析，對業務進行可行性分析。這些都是數據挖掘技術對廣電係統的整體戰略規劃、市場策劃所能夠提供的數據支持方法。本文以時間序列預測技術和客戶流失分析為例，探討在三網融合過程中數字電視運營商應該如何利用數據挖掘技術為自身發展製定合理的戰略計劃和業務部署，以實現競合及共贏。
二、數據挖掘技術的流程及分類
數據挖掘技術是指通過對信息化過程中所留下的大量複雜數據進行分析和處理，對各個數據集之間的關係進行探索。在如今的實際商業中已經有了廣泛而深入的應用。①與傳統的數據分析不同的是，數據挖掘不是根據已知的用戶情況對所關心的業務指標進行查詢、分析，而是通過對信息的挖掘和發現，去探尋用戶的行為特征及潛在需求。它不是提煉，而是探索。數據挖掘項目的生命周期分為六個階段，分別是商業理解、數據理解、數據準備、建立模型、模型評估和模型部署運用。在實際應用中，並不一定要嚴格按照這一順序去開展項目，商業應用中可能需要在不同階段之間來回進行。下一個階段的任務，取決於每一個階段所獲得的結果。表1展示了各個階段的大致輪廓，以及各個階段的一般性任務及其結果。
廣電運營商的數據挖掘工程也可以參照上述階段進行。數據挖掘項目由幾種不同的問題類型組合而成，包括數據細分、概念描述、分類分析、預測分析和依賴性分析，由它們共同解決商業問題。數據挖掘的方法包括但不限於聚類方法、判別分析、規則推導法、決策樹分析、神經網絡、基因算法、回歸分析、回歸樹以及貝葉斯網絡等。
下麵，就以時間序列預測技術和客戶流失分析為例，介紹一下如何將數據挖掘技術運用到生產經營決策中來。
三、時間序列預測技術讓運營商運籌帷幄
隨著數字電視的推廣與部署，有線電視網絡的運營模式發生了深刻的變化。視頻點播技術讓用戶從原來的被動按時收看變為主動點播，粗放的收費模式也漸漸向精細化轉移，按點播收費、按市場收費、按節目收費等收費模式正在不斷地豐富運營商的業務。“全程的數字化管理成為了可能。”②