神州数码移动决策支持系统BI交流文件(经营分析).

《神州数码移动决策支持系统BI交流文件(经营分析).》由会员分享，可在线阅读，更多相关《神州数码移动决策支持系统BI交流文件(经营分析).（51页珍藏版）》请在金锄头文库上搜索。

1、中国移动经营分析系统 总体方案建议书 神州数码（中国）有限公司 目 录 移动公司需要经营分析系统 神州数码经营分析系统解决方案 大客户分析系统案例示意 移动公司的现状 业务系统已经积累了大量的数据 以客户服务为中心的理念已经形成， 但尚未建设以分析/挖掘为主的经营分 析系统 企业的价值链扩展到客户、供应商、 合作伙伴、竞争对手等诸多因素 当前面临的问题 深层理解、挖掘客户需求的力度 消费习惯是什么？ 如何留住准备离网的客户？ 如何科学地划分客户群？ 大量的历史数据如何转变为知识 如何提供预测、预警功能 如何提供个性化的营销策略 数据处理手段单一 如何满足灵活多变的报表需求 如何减轻数据汇总对生

2、产系统造成的压力 没有面向业务人员和管理层的设计工具 目 录 移动公司需要经营分析系统 神州数码经营分析系统解决方案 大客户分析系统案例示意 数据仓库 拓展业务： 收入结构分析 资源利用分析 服务质量分析 理解客户： 客户流失分析 客户行为分析 客户信用度分析 竞争分析： 市场占有率分析 竞争对手分析 合作伙伴分析 营销分析： 促销效果分析 营销渠道分析 代理商评价分析 谁是 最好 的客 户? 如何应对 竞争? 哪些促 销更有 效? 投入 产出 比如 何? 1.1 经营分析系统的目标 1.2 经营分析系统两级结 构 N 1.3 系统网络结构示意 图 1.4 系统逻辑层次图 1.5 神州数码解决

3、方案 多维展现 数 据 源 计费系统 Excel TXT 外部数据 数 据 抽 取 客服系统 数据仓库 多维数据库 营帐系统 数据挖掘 报表/查询 1.6 主要产品及功能介绍 多维分析 数 据 抽 取 数据仓库 数 据 源 网管系统 BOSS系统 报表、查询 数据挖掘 多维数据库 数据仓库存储 Oracle IBM DB2 数据仓库管理 Oracle Warehouse Builder IBM Warehouse Manager 多维数据存储 Oracle Express IBM Essbase 数据挖掘数据挖掘 SAS Enterprise MinerSAS Enterprise Miner

4、 IBM Intelligent MiningIBM Intelligent Mining 展现工具展现工具 CognosCognos BrioBrio Business ObjectsBusiness Objects 1.7 软硬件环境要求 数据仓库数据挖掘展现工具软件 支持主流的UNIX服务器与操作系统 客户端可运行在Windows 2000/9X平台,展现 工具支持WEB方式 1.8经营分析系统的主题 客户分析客户分析 新增新增/ /流失客户分析流失客户分析 行为行为/ /属性分析属性分析 高额高额/ /风险分析风险分析 大客户分析大客户分析 消费习惯消费习惯 流失特征流失特征 潜在的大

5、客户潜在的大客户 营销管理分析营销管理分析 营销机会确立：市场环境、客户需求、业务拓展营销机会确立：市场环境、客户需求、业务拓展 营销计划制定：部门、人员、方式营销计划制定：部门、人员、方式 促销效果：部门、人员、方式促销效果：部门、人员、方式 营销渠道：营销渠道：18601860、代理、网上营业厅、代理、网上营业厅 1.8 经营分析系统的主题 市场竞争分析市场竞争分析 竞争分析：竞争对手的业务、客户及客户呼叫竞争分析：竞争对手的业务、客户及客户呼叫 市场占有率分析市场占有率分析 合作伙伴分析合作伙伴分析 银行、银行、SPSP、证券公司的代收比率分析证券公司的代收比率分析 业务分析业务分析 业

6、务量业务量 业务资源业务资源 流量流量/ /流向流向 热点小区热点小区 1.8经营分析系统的主题 收益分析收益分析 收入结构收入结构 时间、地域、年龄、性别、消费层次、客户时间、地域、年龄、性别、消费层次、客户 类型、客户职业类型、客户职业 月租费、通信费、代收费、卡费、其它业务月租费、通信费、代收费、卡费、其它业务 交交/ /欠费分析欠费分析 服务质量分析服务质量分析 服务质量、服务时限分析服务质量、服务时限分析 咨询、查询焦点分析咨询、查询焦点分析 投诉焦点分析投诉焦点分析 满意度、忠诚度分析满意度、忠诚度分析 1.9 主要分析方法 多维分析:从多个不同的角度组合去分析数据。 趋势分析:从

7、时间序列分析随时间的变化趋势。 意外分析:从大量历史数据中找出太高、太低、变 化幅度过大等异常情况数据。并可进一步进行相关 影响原因的数据挖掘。 排名分析:从大量数据中找出按某种分类方法的Top N或Bottom N数据，这些数据代表了需要特别关注 的程度。 1.9 主要分析方法 比较分析:从相同的角度去对不同数据集合（ 这里主要指子集与父集及整体、集合与其补集 ）进行对比，找出差异所在，并可进一步深入 挖掘差异原因。 原因和影响分析:对于已产生的某个特定结果 ，从大量数据中挖掘出影响因素，并且分析不 同因素或组合的重要程度。 What-If 分析:与原因和影响分析不同，what if 分析是

8、观察在人为指定改变条件时，结果 的变化情况，以便预测为了达到目标，最佳条 件组合是什么。 自顶向下自下向上整合方案 企业数据仓库 多维数据整理 数据源 结构好 实现难度大 上 下 总体规划设计 企业数据仓库 数据集市 多维数据整理 数据源 上 下 数据集市 数据集市 数据集市 数据仓库 整合 成本低 结构性差 成本低 结构好 集成效率高 2 数据仓库建模技术 3 数据存储技术 两种数据存储技术：ROLAP、MOLAP ROLAPMOLAP 针对 事务型系统和查询优 化针对查询 /报表优化 多个应用领域使用有限制的使用 查询语 句很复杂简单 、快速的查询语 句 增加/改变数据结构很容易数据不是动

9、态 的，数据的改变有限制 对数据库的查询 使用SQL语句对数据库的查询 使用OLAP引擎 数据可以交互式的增加和汇总刷新和汇总 数据时CUBE必须重建 4.1 抽取方法 抽取策略 根据每个主题的需求与数据情况，采用差异抽取 或完全抽取的方法 建立相应的控制手段，对每次抽取的时间、状态 、抽取标识进行记录，以便下次抽取或对不成功 的抽取进行重置或回滚 采用中间缓冲方式，存放于ODS 数据源支持 支持主流的关系型数据库与桌面数据库 可直接从文件抽取：txt,excel 由远程FTP文件获取 4.2 抽取的时机与调度 抽取时机 抽取的时间段尽量避开业务系统的高峰期 抽取的时候不进行大量转换工作，尽量

10、避免对大表、宽表 的操作 抽取的频率要与具体需求结合 如果要以文件的方式抽取，最好采用统一的文件格式，如 txt文件、Excel文件 调度策略 时间间隔：只一次、每分钟、每小时每月、每年 频率：每周周几、每月几号 按开始日期和时间 按结束日期和时间 5 数据转换与加载 数据转换策略 数据量不大或对速度要求不严格-采用在抽取过程中转 换，可以减轻工作量并减低中间存储量 大数据量或速度要求严格-抽取到ODS后再转换 尽量避免在进入数据仓库后再处理 数据加载 方式上可以采用覆盖或追加 数据加载的目标为数据仓库 有控制机制，包括加载时间、加载状态、加载标识 事实表和维表采用不同的加载方式 数据的加载和

11、立方体的处理连动 6.1 多维分析 企业级的多维分析服务器 报表呈现方式多样，并且支持多种展现方 式：浏览器方式、客户端方式、Excel方式 通过鼠标拖拉，可实现任意的切片、旋转 、钻取，用户界面友好 可以对数据进行计算、排序等 灵活的用户权限及安全管理：定制用户类 的管理模式，将同等级别和访问数据范围 相同的用户归于一类 6.2 报表/查询 企业级、交互式的数据库报表/查询生成工具 具有良好的企业级安全管理机制：:按用户特征 将用户分成不同的安全级别，不同级别的用户对 应不同的信息访问权限 通过定义Catalog(信息目录)将数据库的数据结 构按业务用户的需求和数据访问规则来展现 报表之间能

12、够互相钻取与查询 报表数据显示形式多种多样。可用表格，也可用 图形，如直方图、饼图、曲线图、棒图等。且表 、图可以同屏显示 7 灵活多样的展现方式 8 数据挖掘 傻瓜兼专家型的挖掘工具 图形化界面，可视化操作 丰富的挖掘算法支持：回归、聚类、决策数、时 间序列、神经网络等 提供数据挖掘结果评价工具：提供通用的数据挖 掘评价的架构，可以比较不同的模型效果；预报 各种不同类型分析工具的结果 对数理统计经验不太多的使用者，能够按照固定 的模式成功的进行数据挖掘 ；对于有经验的分 析专家，提供精细的调整分析处理过程 9 两级经营分析系统比 较 移动动集团团分析系统统省公司分析系统统 数据源 1.集团级

13、BOSS系统 2.各省公司经营分析系统 3.全国范围的外部数据源 1.本省BOSS细节数据 2.本省外部数据源 抽取策略 1.数据抽取频率低 2.数据通过广域网传递 1.数据抽取频率高 2.数据通过局域网传递 存储粒度 1.数据存储粒度大 2.大客户群划分为全国范围 3.地域维最小粒度为省 1. 数据存储粒度小 2.大客户群划分为全省范围 3.地域维最小粒度为省内地区 分析角度 1.服务质量分析针对省公司 2.业务分析是省间异地受理分析 3.无代理商分析/热点小区分析 1.服务质量分析针对各营业厅 / 员 2.业务分析主要是省内受理分析 3.有代理商分析/热点小区分析 目 录 移动公司需要经营

14、分析系统 神州数码经营分析系统解决方案 大客户分析系统案例示意 大客户流失分析 1、主题划分 2、数据集整理 3、分析模型简介 4、分析过程 5、分析结果 1 主题划分 1.1 流失大客户原因分析 分析流失的大客户一般具有分析特征 1.2 潜在流失大客户预测 符合流失大客户特征的群体有多大规模？ 每个大客户流失的概率有多大？ 1.3 挽留措施评价 用什么措施能够组织大客户流失的局面？ 计划推出的措施的投入-产出比如何？ 1.4 代理商评价 代理商在发展大客户方面的业绩如何？ 2 数据集整理 2.1 数据属性选择 选择哪些属性来分析大客户？ 2.2 数据属性分布 对于选择的属性，它们的数据分布如

15、何？ 2.3 数据抽取 抽取的策略 2.4 数据转换 数据量纲的统一化处理 2.1 数据属性选择 通话属性客服属性 数据集 属性全集 营帐属性 客户基本属性（人文属性） 客户id 年龄 性别 职业 入网时长 基本业务 增值业务种数 代理商id 月平均通话时长 月平均长途时长 月平均通话频率 月平均长途频率 漫游次数 投诉次数 月平均消费 2.1 数据属性选择 数据属性选择方法 灰色聚类 确定评价任务 选择评价指标 分析评价指标 指标合理 性分析 指标重要 性分析 不合理 一般 很合理 一般 不重要 很重要 给出任务的评价结论 2.1 数据属性选择 高类区间高类区间 中类区间中类区间 低类区间低类区间 2.1 数据属性选择 图2 图3 图4 2.1 数据属性选择 年龄一般月平均长途频率重要 性别重要漫游次数不重要 职业一般投诉次数不重要 入网时长重要月平均通话频率重要 基本业务不重要月平均长途时长重要 增值业务种数一般月平均通话时长重要 代理商id 一般 月平均消费重要 2.2 数据属性分布