[发明专利]基于数据挖掘的新业务市场预测系统及其方法

权利要求书

1、一种基于数据挖掘的新业务市场预测系统，其特征在于系统分为如下四个模块：

参数确定行业维度模块：通过对相似维度的定义及相似维度对新旧业务相似系数的影响来确定行业特征；例如：在电信行业可以用费用类型、消费额度、优惠比例等做为维度；

数据收集模块：根据所需维度数据进行原有业务数据的采集，并且收集原有业务(或产品)客户量及业务收益；

预测模块：实现方法模型的核心部分，负责根据收集到的数据和经验数据、参数，计算预计客户数量、收益；

经验数据调整参数模块：通过历史试算与实际数据、预测结果和实际发生结果的统计分析，得到经验数据修正值。

2、一种基于数据挖掘的新业务市场预测方法，其特征在于具体包括以下步骤：

A、确定行业维度参数，根据不同行业的行业特征，来定义该行业的相似纬度，并确定相似纬度对于新旧业务的相似系数的影响；

B、数据收集，根据所需的纬度数据，来收集原有的业务数据，诸如：费用类型、业务订购量、业务收益等.

C、计算、预测。根据收集到的数据，通过核心的计算公式，计算出新业务的预计客户数量和预计收益；

D、设置经验数据调整参数，通过该设置参数来修正经验数据，从而提高预测的精度。

3、如权利要求2种所述的一种基于数据挖掘的新业务预测方法，其特征在于C、D步骤的核心计算公式和经验数据调整参数设置如下：

λ＝∑(x1×y1×z1，...，xn×yn×zn)×t+λs

λ代表预测客户量；x为旧业务客户量；y为根据维度算出的新旧业务的相似率(不同行业不同业务，有不同的相似率算法)；z为定价影响系数，z＝旧产品定价/新产品定价；t为市场预测趋势系数(不乘以t时，是根据旧业务计算所得，部份选择旧业务的用户选择新业务，乘以t考虑了市场预测趋势，在具体行业中可根据宏观经济数据得到不同的值，比如行业整个市场快速增长时，这个数为大于1的常数)；λs是经验数据修正值；

ε＝λ×(∑(m1×x1×y1×z1，…，mn×xn×yn×zn)/(∑(x1×y1×z1，…，xn×yn×zn)×p+εs)

ε为预测收益；λ为上式中的预测客户量；m为旧业务的每客户平均收益；x、y、z同上；p是新业务定价与旧业务平均定价之间的比率系数，p＝新产品定价/旧产品定价的平均值；εs是收益的经验数据修正值；

经验数据调整参数：通过历史试算与实际数据、预测结果和实际发生结果的统计分析，得到上述两个经验数据修正值。