电信企业在发展,电信市场在规范,2008年2月信息产业部出台规定:本地电信资费套餐不能超过10种,而目前运营商们的套餐种类繁多,常高达几十种甚至上百种,不便于消费者的选择和使用。套餐作为电信企业的重要产品,是企业为用户提供服务的载体,对套餐的分析直接受到企业的重视。为减少带给企业的风险,套餐在新推出前都要进行预演,目前预演大都采用“模拟出帐法”,其所选择的用户样本具有盲目性,无法预知“套餐的目标用户群是哪些”、“套餐的预期月收入是多少”的问题,用户样本与套餐本身不相关,得出的总量类指标因而常不具有价值。本文采用“逆向思维”,先把用户按品牌分群,在分群的基础上,使用关联规则算法,发现群中用户的消费规律,根据规律再制定相应套餐。使得新套餐一推出时就能符合细分市场的规律,在套餐总数受限的前提下,能有效避免盲目性,减小企业风险。目前国内的运营商已经基本完成了企业级数据仓库的设计和建设,本文正是建立在已有的数据仓库之上,导出部分经营分析数据,经过数据选择、预处理、转换,建成一个面向特定主题的“小数据仓库”,即数据集市,同时数据集市在一定程度上缓解了访问数据仓库的瓶颈。本文研究了数据仓库和数据挖掘的相关知识,重点研究了决策树分类算法中的ID3算法和关联规则中的Apriori算法,了解了套餐制定的相关信息,采用Weka这个开放式数据挖掘工具对营帐数据进行了挖掘,发现了短信、市话、长途、增值业务间的关系,对现有套餐进行了修改。本文为套餐的制定提供了科学依据,打开了套餐制定的新局面。