Made available in DSpace on 2013-08-07T18:53:46Z (GMT). No. of bitstreams: 1
000388093-Texto+Completo-0.pdf: 2571421 bytes, checksum: 24dba4cbf5ab13c6a005e3d642b95d63 (MD5)
Previous issue date: 2006 / The aim of this work is to develop a complete data mining model in a telecommunication company, focusing on client/user of the STFC (Commuted Fixed Telephone Service). Currently, the management of the database containing client information is an essential point in the success of telecommunication companies in the country. With the raise of new communication technologies and with the easy access to broadband and mobile services, there is an increasing number of clients canceling the STFC service. This forces the STFC companies to keep a consistent service process aiming to use well their physical installations and to keep the income. With the development of a data mining model, we generated a system aiming to predict events and to classify clients. The predicted event is called chum (service cancellation) and it is based on classificatory algorithms applied to a real database, containing records such as general information, client relationship and billing. The development of the data mining model was constituted of the following: problem analysis (chum), evaluation and understanding of the data, pre-processing and classification. We studied and used the following three classification algorithms methods for the prediction: Neural Networks RFB (Radial Basis Function), Decision Trees and Bayesian Classifiers. The results obtained validate the model developed by us, allowing the use and improvement in the telecommunication companies. The model can also be used as a generic data mining model, with possible applications in diverse fields related to keeping clients loyalty. / O objetivo desta dissertação é desenvolver um modelo completo de mineração de dados no ambiente de uma operação de telecomunicações, com foco na retenção de clientes usuários do STFC ( Serviço Telefônico Fixo Comutado). Atualmente, a manutenção da base de clientes é ponto crucial para a atuação das operadoras de telecomunicações no país. Com o surgimento de novas tecnologias de comunicação e com a popularização de acessos de banda larga e do SMP (Serviço Móvel Pessoal), as taxas de cancelamentos dos acessos de STFC exigem das operadoras que oferecem o serviço um processo consistente visando à retenção de sua planta física instalada e da receita gerada. Através da construção de um modelo de mineração de dados, formou-se um sistema visando à predição de eventos e a classificação de clientes. O evento a ser previsto é o churn (cancelamento do serviço), com base na utilização de algoritmos classificadores aplicados sobre uma base de dados real, contendo informações cadastrais, de relacionamento com o fornecedor, de consumo e faturamento. A formação do modelo de mineração de dados envolveu as etapas de análise do problema (churn), avaliação e entendimento dos dados, pré-processamento e classificação. Como algoritmos classificadores (utilizados na predição), foram estudados e utilizados três métodos: redes Neurais RBF ( Radial Basis Function), Árvores de Decisão e Classificadores Bayesianos. Os resultados obtidos validam o modelo desenvolvido, permitindo a sua utilização e aperfeiçoamento no ambiente de uma operadora de telecomunicações ou ainda como um modelo genérico de mineração de dados, passível de aplicação em diferentes segmentos envolvendo o problema da retenção e fidelização de clientes.
| Identifer | oai:union.ndltd.org:IBICT/urn:repox.ist.utl.pt:RI_PUC_RS:oai:meriva.pucrs.br:10923/3234 |
| Date | January 2006 |
| Creators | Petermann, Rafael Jordan |
| Contributors | Vargas, Fabian Luis |
| Publisher | Pontifícia Universidade Católica do Rio Grande do Sul, Porto Alegre |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da PUC_RS, instname:Pontifícia Universidade Católica do Rio Grande do Sul, instacron:PUC_RS |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0031 seconds