商务智能在电信行业的应用研究

发布时间：2020-07-18 18:30

【摘要】：电信行业是国内比较领先的几个拥有大型电子化运营数据的行业之一,而且目前电信市场的激烈竞争也迫使电信运营商选择更深层次的数据分析手段,提高企业的分析能力,通过更加科学的决策活动,提高企业的市场竞争力。提到商务智能的应用,主要包括两个方面的内容,首先是数据仓库的建立,其次是数据分析的应用。在最近十年里,电信业已经逐渐积累了大量成熟的数据库应用系统,如“电信业务综合管理系统”、“本地网管系统”、“财务管理系统”、“10000客服系统”等,通过这些系统产生了大量的业务处理数据。而这些历史数据都分布在不同的硬件,数据库内,要查询一次历史数据时,费时费力,更不用说把不同业务部门的数据关联起来比较分析了,同时,也会遇到如数据类型不匹配,数据定义不同,数据不一致,数据冗余等问题。因此,虽然电信行业积累了大量的业务数据,但是这些数据都是零散的,彼此孤立存放的,所以无法为电信企业的发展提供支持。如果针对电信行业的特点和发展需求,对这些数据进行结构上的重组,按更有利于决策分析的角度去重新整理和组织,就会使电信企业的宝贵资源——数据,变成真正有价值的信息。商务智能在电信行业中能够产生广泛的应用,不仅涉及市场经营方面的内容,也包括财务、人力资源等方面的分析内容。这些应用增强了企业的总体经营水平,增加了企业的科学决策能力。本人近年来一直从事电信行业商务智能项目的应用研究,参与多个省市电信企业的商务智能项目研发及推广工作,主要的应用项目包括如下的一些例子： 1、固定电话话费行为分析在固定电话通信市场,固定电话的热装冷用一直是令各电信公司头痛的事。如果能对用户历年来大量的长途电话、本地电话和信息台的详细话单数据和用户的档案资料等相关数据进行关联分析,通过对用户的分类,从消费能力、消费习惯、消费周期等诸多方面对用户的话费行为进行分析和预测,就可以寻找出哪些用户的消费能力比较强,具有发展成为通信大客户的潜力,然后针对性地提供一些优惠资费策略,就可以激发出这些用户通话的热情,有效地解决电话的“热装冷用”问题。还可以通过对通话起止时间及通过时长的分析,得到各类用户的通话时段分布情况及日消费高峰、月消费高峰、长话的消费时间、消费次数及什么地方的用户消费能力比较高,什么地方的用户消费能力偏低等信息。行为分析的目的就是寻找出电话用户消费的特点,并据此提出有关的业务推销策略,满足业务发展的需要。 2、优惠策略预测仿真电信市场中经常需要通过一些优惠策略,鼓励用户使用电信业务,增加通话时间等。这些优惠策略既方便了用户的使用,也增加了企业的实际利润额。优惠促销固然可以开拓市场,但如果优惠策略不当,结果可能适得其反。利用商务智能技术实现优惠策略在模型上的仿真,根据优惠策略进行模拟计费和模拟出账,其仿真结果将提示所制定的优惠策略是否合适,并可按情况进行调整、优化,使优惠策略获得最大的成功。 3、欠费和动态防欺诈行为分析欠费问题一直是电信企业面临的一个严重问题。催费、停机、拆机这样的举措层出不穷,但对于恶意欠费的用户并不能制止,相反却会使一些偶尔欠费的用户怨声载道。欠费和动态防欺诈行为分析就是在总结各种骗费,欠费行为的内在规律后,在数据仓库的基础上建立一套欺骗行为和欠费行为规则库。另外,欠费和动态防欺诈行为分析不仅仅是被动式的预防分析,还可以主动地进行统计分析。欠费和动态防欺诈行为分析能及时预警各种骗费、欠费,使企业损失尽量减少。同时,通过用户的缴费销账情况、社会类别、占用资源等分析用户的信誉度,对不同信誉度用户给予不同的服务及优惠。防欺诈分析是商务智能在电信领域的主要应用之一,可以为企业节约大量的资金,降低企业经营的风险。 4、客户关系管理(CRM)分析在电信行业内,赢得一个新客户比保留一个老客户所付出的代价要高得多,因此,提高服务质量,赢得客户的忠诚对企业的生存发展意义重大。但是,电信的客户群体非常庞大,而且客户对服务的要求也越来越高,做好服务工作不再是漂亮的营业员会微笑就可以完成的事了,必须利用先进的商务智能技术,对用户进行客户关系管理分析,也就是CRM(Customer Relation Manage)。具体内容包括：利用客户资料和一切可能有助于进行客户分析管理的资料进行客户概况分析,客户忠诚度分析,客户利润分析,客户性能分析,客户未来分析,客户产品分析,客户促销分析：通过对这些数据的分析,提供既能留住老客户又能吸引新客户的决策信息。商务智能引入CRM后,能够帮助电信企业发现许多原来无法发现的规律,提高企业对用户的了解程度,在技术层面帮助企业为自己的用户提供更好的服务,从而提高用户的忠诚度。 5、经营成本与收入分析作为一个在市场经济中运作的电信企业,无疑以获得最大的经济效益为企业运作的核心目标之一,当然还应兼顾社会效益、客户服务等方面。经营成本与收入分析就是对各种类型的经济活动进行成本核算,比较可能的业务收入(通信业务收入、其他收益)与各种费用(业务成本、管理费用、税收、其他支出)之间的收支差额,分析经济活动的曲线,得到相应的改进措施和办法,从而降低成本,减少开支,提高收入。 6、网络管理和网络优化分析国内电信企业目前大都建成了省网管中心和各地的网管集中操作维护中心,对网络进行管理。它们包含的数据是调整、优化固定网络结构,提高全网通话质量的根本依据。网络管理和网络优化分析就是在对目前网络管理中大量的数据进行分析、聚类,从而为提高全网质量,优化网络结构,进行网络规划提供可靠的保证。网络管理和优化分析将在以下三个方面对现行系统进行扩展：扩大并细化数据源：增加数据量：丰富统计分析类型。 7、动态报表由于业务和管理的需求不断变化,许多需求在系统设计之初不曾想到,报表输出已成为一个日益突出的矛盾,因此,报表形成困难和制表人员工作量极大增加是目前亟待解决的问题。动态报表就是利用商务智能技术中元数据的思想,将报表元素分解成基本构件,实现对数据按用户轴、时间轴、地域轴、通话类型轴等,对用户的呼叫量、消费量等进行分析统计,形成各种各样的报表,即动态报表。另外,商务智能在电信行业中的应用,不仅包括市场分析,而且也可以包括财务、人力资源等方面的数据,并就此完成对企业发展管理中各个环节的诊断分析,寻找企业内部管理的不足,并提出针对性的改进措施。商务智能系统在国内大规模建设的经验很少,在电信领域国内的案例也不多,因此,国内的电信行业商务智能系统,具有如下的一些特点： 1、经验较少商务智能技术在国外有了一些比较广泛的应用,但在国内,无论是电信行业还是金融行业,都没有大规模建设的经验可以遵循,具体的业务应用,也是参考国外电信运营商的一些应用内容进行建设的,由于数据分析涉及到很多用户的消费行为,有很多的文化特征,因此,国外的很多数据分析模型并不能够直接搬到国内,这对国内的商务智能建设提出了很多问题。 2、数据量大由于中国通信事业的迅速发展,使中国成为目前世界范围内十分巨大的电信运营市场,现在,中国已经有移动通信用户超过2亿,固定用户2.4亿,如此庞大的用户群,仅存在于5～6家电信运营商,必然导致每个运营商的用户数据十分庞大。在商务智能项目上,国内电信运营商的数据积累也是十分庞大的,这些庞大的数据量的分析和存储,使商务智能项目面临技术上的很多挑战。如何整理如此庞大的数据源,并从中分析出有价值的信息,构成了国内商务智能项目建设重要的技术难点。 3、集成复杂国内的电信运营商,涉及的业务种类十分庞杂,不仅有网络管理系统,而且有大量的网络支撑系统(例如计费等系统),同时也有管理系统(例如：财务系统、人力资源系统等)。由于历史的原因,这些庞杂的系统都采用不同的厂家和系统构成,要将这些系统进行集成,在技术上面临着很大的问题,怎样进行数据源的规划和采集,就是十分困难的。而数据仓库不仅会采集部门级的数据,最终也将演化成为企业级的数据仓库,涉及到企业的各个运转环节,包括：生产、支撑、管理等多个系统。因此,商务智能建设的过程是一个循序渐进的过程,无法一蹦而就,这本身也说明了商务智能项目的难度。 4、业务种类多国内的电信运营商都有不同的经营范围和内容,但经营的业务种类都比较多,商务智能的应用是与业务内容结合紧密的,业务种类的繁多,意味着商务智能后续的分析工作量会比较多。例如,国内的电信企业不仅提供传统的通话业务,也提供一些数据业务,而通话业务和数据业务在业务特征方面的表现有很多的不同,因此,在数据分析方面,也将有很多不同的内容。 5、分析系统性能要求高由于国内电信运营商的用户数据量比较大,导致数据仓库的规模比较庞大,因此,对数据分析系统的性能要求较高,否则将无法满足实际业务应用的需要。例如,国内电信运营商一个省的用户规模,就常常相当于欧洲一个中等国家的全国用户规模,因此,在进行数据分析的过程中数据仓库的规模比较大,约有几十个TB规模,常常出现系统运行繁忙的情况,而且无法判断是死机了,还是忙于计算,一时无法计算出结果。这就对分析系统的性能要求较高。 6、与管理数据进行结合目前,国内的电信企业在建设商务智能的过程初期,仅是一个部门级的数据仓库,随着业务的不断扩展,必将完成最终企业级数据仓库的建设工作。在建设企业级数据仓库的过程中,与管理数据进行结合将十分重要,因为只有财务、人力资源等数据才能反映出企业实际运营过程中,在成本支出等方面的信息,并就此进行有关的企业诊断活动,提高企业的管理效率。由于以上的诸多特点,国内的商务智能系统建设面临着很多的困难和挑战,也构成了国内电信行业商务智能系统建设过程中的重要课题。本文主要根据我自身的从业经历和经验,集合当前行业内的一些应用研究参考文献,首先阐述商务智能的一些基本概念,再逐步论述电信行业数据仓库、数据挖掘、OLAP等目前普遍存在的应用方面的问题、难点及解决方案,最后针对数据分析处理过程的应用研究作出了个人的一些经验总结。
【学位授予单位】：西南财经大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：F626

【相似文献】