数据分析方法、设备、系统及计算机可读存储介质技术方案

本发明专利技术公开了一种数据分析方法、设备、系统及计算机可读存储介质。所述方法包括：获取运营商数据库中保存的客户服务业务的相关数据，其中，所述相关数据包括通信质量数据、业务资费及消费数据、网络业务和线下业务办理服务数据、通信产品数据和个人业务数据；根据所述相关数据确定用户对应的各个服务属性的属性分值，所述服务属性包括通信畅通、消费透明、服务便捷、产品好用和关心顾客中的至少两个；获取预存的权重向量，其中，所述权重向量包括各个所述服务属性对应的权重系数；根据所述权重向量及所述属性分值确定所述用户对运营商的服务评价得分。本发明专利技术旨在达成提升运营商对用户体验感的评估的有效性的效果。户体验感的评估的有效性的效果。户体验感的评估的有效性的效果。

【技术实现步骤摘要】
数据分析方法、设备、系统及计算机可读存储介质


[0001]本专利技术涉及大数据分析
，尤其涉及数据分析方法、数据分析设备、数据分析系统及计算机可读存储介质。

技术介绍

[0002]随着移动通信的迅速发展和市场竞争的不断加剧，客户对享受到的产品和服务有了更高的要求，客户服务体验重要性日益增加。目前，运营商为了评估用户体验感，一般通过问卷调研找到低满意度用户，例如集团公司，针对手机用户、家宽用户、宽带电视等不同类型用户配置个性化的调研/测评问卷，回收问卷并根据业务规则计算整体满意度，从而识别出用户低体验感知的用户。基础的调研方法只能得到特定用户群、特定业务的满意度感知情况，容易夸大或缩小特定业务和用户群的影响范围，缺乏有效性。
[0003]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0004]本专利技术的主要目的在于提供一种数据分析方法、数据分析设备、数据分析系统及计算机可读存储介质，旨在达成提升运营商对用户体验感的评估的有效性的效果。
[0005]为实现上述目的，本专利技术提供一种数据分析方法，所述数据分析方法包括以下步骤：
[0006]获取运营商数据库中保存的客户服务业务的相关数据，其中，所述相关数据包括通信质量数据、业务资费及消费数据、网络业务和线下业务办理服务数据、通信产品数据和个人业务数据；
[0007]根据所述相关数据确定用户对应的各个服务属性的属性分值，所述服务属性包括通信畅通、消费透明、服务便捷、产品好用和关心顾客中的至少两个；
[0008]获取预存的权重向量，其中，所述权重向量包括各个所述服务属性对应的权重系数；
[0009]根据所述权重向量及所述属性分值确定所述用户对运营商的服务评价得分。
[0010]可选地，所述根据所述相关数据确定用户对应的各个服务属性的属性分值的步骤包括：
[0011]根据所述相关数据确定每一所述服务属性的二级子属性的第一分值；
[0012]根据所述第一分值确定每一所述服务属性的一级子属性的第二分值，并根据每一所述服务属性对应所述第二分值确定每一所述服务属性的属性分值。
[0013]可选地，所述根据所述第一分值确定每一所述服务属性的一级子属性的第二分值，并根据每一所述服务属性对应所述第二分值确定每一所述服务属性的属性分值的步骤之前，还包括：
[0014]获取第一晋级系数和第二晋级系数；
[0015]所述根据所述第一分值确定每一所述服务属性的一级子属性的第二分值，并根据每一所述服务属性对应的所述第二分值确定每一所述服务属性的属性分值的步骤包括：
[0016]根据所述第一分值以及所述第二晋级系数，确定每一所述服务属性的一级子属性的第二分值；
[0017]根据所述第一晋级系数以及每一所述服务属性对应的一级子属性的第二分值确定每一所述服务属性的属性分值。
[0018]可选地，所述根据所述相关数据确定每一所述服务属性的二级子属性的第一分值的步骤包括：
[0019]根据所述相关数据，确定每一所述服务属性对应的已有类型的所述二级子属性的第一分值；以及
[0020]将所述相关数据输入预先训练的预测模型，通过所述预测模型预测得到每一所述服务属性对应的缺失类型的所述二级子属性的第一分值，其中，所述缺失类型的所述二级子属性为满意度指标，所述预测模型为随机森林模型。
[0021]可选地，所述根据所述相关数据确定每一所述服务属性的二级子属性的第一分值的步骤之前，还包括：
[0022]获取预存历史满意度指标以及所述历史满意度指标对应的相关指标，其中，所述相关指标包括手机上网质量的评分、语音通话质量的评分、家庭宽带上网质量的评分、通信类型的投诉问题次数、家中通信用户数、是否宽带电视用户、是否有老人小孩、月流量消费费用和/或月通话时长；
[0023]根据所述历史满意度指标以及所述历史满意度指标确定训练数据；
[0024]基于随机森林采伐函数构建所述随机森林模型；
[0025]使用所述训练数据训练所述随机森林模型，得到预测模型，其中，所述随机森林模型在训练过程中，基于随机搜索函数进行调参，所述预测模型用于预测所述服务属性的缺失所述二级子属性对应的所述第一分值。
[0026]可选地，所述获取预存的权重向量的步骤之前，还包括：
[0027]获取预设的初始权重向量及训练数据；
[0028]基于KANO模型确定所述服务属性的属性特征，其中，所述属性特征为所述服务属性在所述KANO模型的期望维度、魅力维度和必备维度中所占的比重；
[0029]基于所述属性特征、所述初始权重向量及所述训练数据，通过随机森林特征重要性值法确定所述权重向量，并保存所述权重向量。
[0030]可选地，所述根据所述相关数据确定用户对应的各个服务属性的属性分值的步骤之前，还包括：
[0031]对所述相关数据进行统一量化预处理；
[0032]所述根据所述相关数据确定用户对应的各个服务属性的属性分值的步骤包括，
[0033]根据统一量化预处理后的所述相关数据确定所述用户对应的各个所述服务属性的属性分值。
[0034]此外，为实现上述目的，本专利技术还提供一种数据分析设备，所述数据分析设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的数据分析程序，所述数据分析程序被处理器执行时实现如上所述的数据分析方法的步骤。
[0035]此外，为实现上述目的，本专利技术还提供一种数据分析系统，所述数据分析系统包括：
[0036]数据获取模块，用于获取运营商数据库中保存的客户服务业务的相关数据，其中，所述相关数据包括通信质量数据、业务资费及消费数据、网络业务和线下业务办理服务数据、通信产品数据和个人业务数据；
[0037]体系构建模块，用于根据所述相关数据确定用户对应的各个服务属性的属性分值，所述服务属性包括通信畅通、消费透明、服务便捷、产品好用和关心顾客中的至少两个；
[0038]权重赋值模块，用于获取预存的权重向量，其中，所述权重向量包括各个所述服务属性对应的权重系数；
[0039]模型构建模块，用于根据所述权重向量及所述属性分值确定所述用户对应运营商服务评价得分。
[0040]此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有数据分析程序，所述数据分析程序被处理器执行时实现如上所述的数据分析方法的步骤。
[0041]本专利技术实施例提出的一种数据分析方法、数据分析设备、数据分析系统及计算机可读存储介质，先获取运营商数据库中保存的客户服务业务的相关数据，其中，所述相关数据包括通信质量数据、业务资费及消费数据、网络业务和线下业务办理服务数据、通信产品数据和个人业务数据，然后根据所述相关数据确定用户对应的各个服务属性的属性分值，所述服务属性包括通信畅通、消费透明、服务便捷、产品好用和关心顾客中的至少两个，进而本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据分析方法，其特征在于，所述数据分析方法包括：获取运营商数据库中保存的客户服务业务的相关数据，其中，所述相关数据包括通信质量数据、业务资费及消费数据、网络业务和线下业务办理服务数据、通信产品数据和个人业务数据；根据所述相关数据确定用户对应的各个服务属性的属性分值，所述服务属性包括通信畅通、消费透明、服务便捷、产品好用和关心顾客中的至少两个；获取预存的权重向量，其中，所述权重向量包括各个所述服务属性对应的权重系数；根据所述权重向量及所述属性分值确定所述用户对运营商的服务评价得分。2.根据权利要求1所述的数据分析方法，其特征在于，所述根据所述相关数据确定用户对应的各个服务属性的属性分值的步骤包括：根据所述相关数据确定每一所述服务属性的二级子属性的第一分值；根据所述第一分值确定每一所述服务属性的一级子属性的第二分值，并根据每一所述服务属性对应所述第二分值确定每一所述服务属性的属性分值。3.根据权利要求2所述的数据分析方法，其特征在于，所述根据所述第一分值确定每一所述服务属性的一级子属性的第二分值，并根据每一所述服务属性对应所述第二分值确定每一所述服务属性的属性分值的步骤之前，还包括：获取第一晋级系数和第二晋级系数；所述根据所述第一分值确定每一所述服务属性的一级子属性的第二分值，并根据每一所述服务属性对应的所述第二分值确定每一所述服务属性的属性分值的步骤包括：根据所述第一分值以及所述第二晋级系数，确定每一所述服务属性的一级子属性的第二分值；根据所述第一晋级系数以及每一所述服务属性对应的一级子属性的第二分值确定每一所述服务属性的属性分值。4.根据权利要求2所述的数据分析方法，其特征在于，所述根据所述相关数据确定每一所述服务属性的二级子属性的第一分值的步骤包括：根据所述相关数据，确定每一所述服务属性对应的已有类型的所述二级子属性的第一分值；以及将所述相关数据输入预先训练的预测模型，通过所述预测模型预测得到每一所述服务属性对应的缺失类型的所述二级子属性的第一分值，其中，所述缺失类型的所述二级子属性为满意度指标，所述预测模型为随机森林模型。5.根据权利要求2所述的数据分析方法，其特征在于，所述根据所述相关数据确定每一所述服务属性的二级子属性的第一分值的步骤之前，还包括：获取预存历史满意度指标以及所述历史满意度指标对应的相关指标，其中，所述相关指标包括手机上网质量的评分、语音通话质量的评分、家庭宽带上网质量的评分、通信类...

【专利技术属性】
技术研发人员：王振志，张瑾，邵梅，吴逊，骆似骏，刘乡瑜，刘存，刘倩，潘宇，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：