名称：
基于大数据的运营商流失用户预测
赛题背景介绍：
随着业务的快速发展、移动业务市场的竞争愈演愈烈。如何最大程度地挽留在网用户、吸取新客户，是电信企业最关注的问题之一。竞争对手的促销、公司资费软着陆措施的出台和政策法规的不断变化，影响了客户消费心理和消费行为，导致客户的流失特征不断变化。对于电信运营商而言，流失会给电信企业带来市场占有率下降、营销成本增加、利润下降等一系列问题。在发展用户每月增加的同时，如何挽留和争取更多的用户，是一项非常重要的工作。
数据集描述：
主要数据：运营商用户的基础信息和使用行为信息
数据集说明：建模用户数据集user_info_m，验证用户数据集user_info_p
数据格式：原始文件为压缩包，解压后为CSV格式
字段说明：
|
列名称 |
列说明 |
|
MONTH_ID |
月份 |
|
USER_ID |
用户ID |
|
INNET_MONTH |
在网时长 |
|
IS_AGREE |
是否合约有效用户 |
|
AGREE_EXP_DATE |
合约计划到期时间 |
|
CREDIT_LEVEL |
信用等级 |
|
VIP_LVL |
VIP等级 |
|
ACCT_FEE |
本月费用（元） |
|
CALL_DURA |
通话时长(秒) |
|
NO_ROAM_LOCAL_CALL_DURA |
本地通话时长(秒) |
|
NO_ROAM_GN_LONG_CALL_DURA |
国内长途通话时长(秒) |
|
GN_ROAM_CALL_DURA |
国内漫游通话时长(秒) |
|
CDR_NUM |
通话次数（次） |
|
NO_ROAM_CDR_NUM |
非漫游通话次数（次） |
|
NO_ROAM_LOCAL_CDR_NUM |
本地通话次数（次） |
|
NO_ROAM_GN_LONG_CDR_NUM |
国内长途通话次数（次） |
|
GN_ROAM_CDR_NUM |
国内漫游通话次数（次） |
|
P2P_SMS_CNT_UP |
短信发送数（条） |
|
TOTAL_FLUX |
上网流量(MB) |
|
LOCAL_FLUX |
本地非漫游上网流量(MB) |
|
GN_ROAM_FLUX |
国内漫游上网流量(MB) |
|
CALL_DAYS |
有通话天数 |
|
CALLING_DAYS |
有主叫天数 |
|
CALLED_DAYS |
有被叫天数 |
|
CALL_RING |
语音呼叫圈 |
|
CALLING_RING |
主叫呼叫圈 |
|
CALLED_RING |
被叫呼叫圈 |
|
CUST_SEX |
性别 |
|
CERT_AGE |
年龄 |
|
CONSTELLATION_DESC |
星座 |
|
MANU_NAME |
手机品牌名称 |
|
MODEL_NAME |
手机型号名称 |
|
OS_DESC |
操作系统描述 |
|
TERM_TYPE |
终端硬件类型(0=无法区分，4=4g、3=3g、2=2g) |
|
IS_LOST |
用户在3月是否流失标记（1=是，0=否），1月和2月值为空 |
任务描述：
针对建模数据集中流失用户（IS_LOST字段进行标记）进行特征分析，建立流失用户的预测模型，并在验证数据集上进行验证模型效果，预测验证数据集中的流失用户。
提交结果及评分方式：
1、提交方式：以WORD形式提交，
2、提交的WORD应详细包含建模过程、过程结果和最终结果，否则影响最终考核得分；
3、相关明细数据以EXCEL形式提交产出结果表。结果表里内容为预测验证数据集中将要流失的用户ID。文件名为user_info_lost_p。
4、详细评分标准如下表：
京公网安备11011402054247号
非常抱歉！本站不支持旧版本IE浏览器~~建议使用IE10/IE11/Chrome/Firefox/Safari等高级浏览器浏览。
