ITPub博客

首页 > 大数据 > 数据挖掘 > 数据仓库在电信行业中的应用(ZT)

数据仓库在电信行业中的应用(ZT)

原创 数据挖掘 作者:cklea 时间:2007-12-13 13:12:13 0 删除 编辑

数据仓库在电信行业中的应用

电信行业目前主要的数据来自于计费系统和网管数据。电信系统经过多年的运行,已经存储了大量的历史数据。这些数据中蕴涵着丰富的信息,从中可以了解企业在电信市场经营过程中所处的态势、竞争对手的经营形势、客户群的分布状况、消费特征、企业经营发展的趋势等,对其进行分析处理可以得到很多令人欣喜的结论。强大的数据处理能力,加上丰富的企业数据,可以有力地促进企业经营和竞争。

[@more@]

基于数据仓库的应用设计

从系统结构看,电信行业数据仓库解决方案系统一般包括应用系统部分、中央数据仓库系统部分,数据源系统部分三大部分。如图1:

电信行业数据仓库解决方案数据源主要来自电信各业务系统,包括计费系统、营业系统、客服系统、财务系统、结算系统、网管系统、112系统、114系统、电信网络资源管理系统以及其它系统,此外数据源还有来自电信系统外的数据,如人口统计、社会各企业的财务数据、银行数据等。

中央数据仓库系统主要解决如下问题:建立企业统一的业务视图,建立一个高效、线性可扩展的基础平台,建立一套自动的数据抽取、转换、加载流程,建立一个符合业务需求、可扩展的数据模型,建立一套高可靠的安全管理机制。

业务应用系统则主要包括以下10个方面功能

第一,客户管理。电信企业要吸引客户、发展客户并留住客户,首先必须要了解客户。客户管理应用的目的是根据客户的属性(包括自然属性和行为属性),从不同角度深层次分析客户,从而针对不同的客户采取不同的促销活动以及提供更好和更有针对性的服务,以此增加新的客户,提高客户的忠诚度,降低客户流失率,提高客户消费额度等。

第二,客户发展分析。这主要是依照客户的自然属性和消费行为属性对客户进行分析。其主要指标包括客户总量分析、新增客户分析、客户流失分析、客户行为分析,客户信用度分析、客户风险分析等等。

第三,业务量分析,包括业务总量分析、业务增长和流失分析、网络通话流量及流向分析、热点区域分析、业务量结构分析、收益分析、呼叫特征分析等。

第四,收入分析。包括收入总量分析、收入变化分析、收入结构分析、客户缴费及欠费分析等。

第五,营销管理分析。主要提供的功能包括产品定价分析、市场需求分析、促销活动分析、营销渠道分析等。

第六,市场竞争分析。包括市场占有率分析、竞争对手发展情况分析、供应商行为分析、合作商行为分析等。

第七,服务质量分析。包括客户服务质量分析、客户咨询查询分析、客户投诉分析等。通过对服务质量的分析,能够了解目前客户最关心的问题;通过将客户流失和服务质量结合起来分析,能够清楚客户为什么会流失以及什么因素会导致客户流失,从而采取有针对性的措施,减少客户流失量。

第八,大客户分析。大客户是企业利润的主要来源,其分析也极其重要。其中包括大客户构成分析、大客户发展及流失分析、大客户业务使用情况分析、大客户业务量变化情况分析。

第九,欠费和动态防欺诈行为分析。这是在总结各种骗费、欠费行为的内在规律后,在数据仓库的基础上建立一套行为规则库,及时预警各种骗费、欠费,使企业损失尽量减少,并通过用户的缴费销账情况、社会类别、占用资源等,分信誉度给不同用户以不同的服务及优惠。

第十,代理商及渠道分析。通过对供应商市场行为进行分析,从而为电信公司与供应商合作方面战略、策略的制定提供参考依据。

数据仓库的实施

数据仓库是解决方案,而不是产品。不同企业有不同的数据仓库。企业人员往往不懂如何利用数据仓库,不能发挥其决策支持的作用;而数据仓库公司人员又不懂业务,不知道建立哪些决策主题,从数据源中抽取哪些数据。因此,需要双方互相沟通,共同协商开发数据仓库。

开发数据仓库流程可以概括为以下几个步骤

第一,启动工程。建立开发数据仓库工程的目标及制定工程计划。计划包括数据范围、提供者、技术设备,资源、技能、组员培训、责任、方式方铥、工程跟踪及详细工程调度。

第二,建立技术环境。选择实现数据仓库的软硬件资源,包括开发平台、网络通信、开发工具、终端访问工具及建立服务水平目标(可用性、装载、维护及查询性能)等。

第三,确定主题进行仓库结构设计。数据仓库是面向决策支持的,它具有数据量大但更新不频繁等特点,只有对数据仓库进行精心设计,才能满足数据量快速增加而查询性能并不下降的要求。

第四,数据仓库的物理库设计。基于用户的需求,着眼于某个主题,开发数据仓库中数据的物理存储结构。

第五,数据抽取,精炼、分布。根据数据仓库的设计,实现从源数据抽取数据、清理数据、综合数据和装载数据。

第六,对数据仓库的OLAP访问。建立数据仓库的目的是要为决策支持服务,所以需要各种能对数据仓库进行访问分析的工具集,包括优化查询工具,统计分析工具、C/S工具及数据挖掘工具,通过分析工具实现决策支持需要。

第七,数据仓库的管理。数据仓库必须像其他系统一样进行管理,使数据仓库正常运行。

实施数据仓库时应注意的几个问题

第一,面向的对象。数据仓库应用本身并不是业务流程的再现,而是基于数据分析的管理模式的体现。因此,数据仓库对企业决策层的意义在于企业经营管理模式。数据仓库的实施者需在商业智能化如何能够帮助企业获得市场竞争力上下工夫,提供切实有效的系统实施目标和规划,使得企业决策层充分认识到数据仓库是他们自己所需要的系统,在投入和配合上给予充分的支持。

第二,数据仓库的需求。由于数据仓库的访问和查询往往能够通过工具来提供,因此数据仓库的功能取决于系统的规划和设计。了解应用的需求必须从企业如何利用信息进行管理的角度出发。数据仓库的设计实施也循序渐进,逐步满足需求,最后获得全面的成功。

第三,坚持原则。对原始数据,需要坚持的原则是不拘泥于业务系统的现状。由于数据仓库是独立于业务系统的,其实施应以管理层分析决策的需求为主线,在设计中可以为不确定数据预留空间。数据的完整性和质量问题可通过如下方式处理:利用多种方式加载数据,设计专门的输入接口收集数据,如获取客户的个人资料;放宽数据的时效性,在分析中标明个别数据的有效时间;在系统中标识出低质量的数据,规范业务系统。

第四,抽取方式。一个数据仓库系统往往同时存在多种数据抽取方式以适应原始数据的多样性,因此,讨论单一抽取工具的选型没有意义,只能坚持简便、快捷、易维护的原则。

第五,数据展现。数据仓库的分析工具在固定格式的报表再现上有时不如专门定制的程序,但数据仓库的强项在于提供联机的业务分析手段。正因为数据仓库的使用,才使管理人员逐步摆脱对固定报表的依赖,代之以丰富、动态的联机查询和分析来了解企业和市场的动态。

第六,实施范围。制定明确的计划和时间表,新的技术和产品可以分阶段加入,以避免无休止的测试和选型。

数据仓库的价值在于使用,在定义实施计划时,需要明确系统的使用范围、用户的应用模式等与选择具体产品相关的重要问题。

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/7196059/viewspace-992870/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论
  • 博文量
    49
  • 访问量
    191419