《电信企业数据仓库的设计和应用(共6页)》由会员分享，可在线阅读，更多相关《电信企业数据仓库的设计和应用(共6页)（6页珍藏版）》请在金锄头文库上搜索。
1、电信企业数据仓库的设计和应用漆晨曦编者按: 竞争的加剧使得营销能力成为决定电信企业竞争力的最重要因素，也使得数据仓库作为营销决策分析支撑的手段日益盛行，如何设计数据仓库、数据仓库上可以展开哪些应用、如何展开等成为电信企业迫切需要解决的问题。本期的这一组文章将围绕数据仓库在电信企业的应用展开深入的阐述，同时也是对上述问题的解答。数据仓库技术在电信企业的盛行是电信行业竞争的必然结果。竞争使得企业的营销能力成为决定企业竞争力的最重要因素，而营销能力则建立在对客户的购买行为、消费行为、服务要求、营销参与等方面信息的收集、整合、存储的数据基础和分析基础上。为了收集和整合客户购买、消费、服务、营销等方面的
2、海量数据，数据仓库必然地进入电信企业的采购单，比如某电信企业有千万级的电信客户，每个客户每月几百次的本地电话和上百分钟的长途电话，上TB级的数据使得原来的数据存储、分析方法和处理能力力不从心，“仓库”的概念随之被引进数据存储过程中。简单地说，数据仓库就是为了保证数据查询和分析的效率，按照主题将所有的数据分门别类进行存储，需要的时候，再按主题提取数据并进行了进一步的分析处理。构建电信企业数据仓库目前，电信企业数据仓库的应用一般集中在经营分析和营销决策支撑两方面。一方面数据仓库从营业、计费账务、渠道、客服中心等生产、管理系统获取市场经营的所有相关信息，经过整合、清洗等环节，按主题存储，形成企业内部
3、有关市场经营的统一数据平台，通过查询、报表、多维分析等方式提供给数据分析用户和营销决策人员; 而另一方面，数据仓库根据客户交互系统的需求，经过分析或挖掘，将客户异常消费、流失客户预警、营销活动目标客户等信息反馈到各客户接触系统，供营销经理、营业员、客服人员对相应客户提供针对性营销和服务(数据仓库与电信企业其他生产管理系统之间的关系见图1)。1数据仓库的建设目标数据仓库的建设目标之一，是采集企业内部生产管理系统所有市场经营相关的数据源，包括客户背景资料、产品或套餐购买行为、消费资料、客服交互行为、缴费行为等方面的信息，对其进行规范和整合，然后按业务、客户、竞争、营销活动及数据挖掘等主题，将数据按
4、数据集市的形式存放，并提供多维报表和挖掘工具，为分析人员提供统一的数据平台和分析平台，解决此前分析人员所面对的数据分散、口径不统一、分析工作缺乏延续性等问题。数据仓库另一个建设目的是提供营销决策支撑，即在客户级数据查询或挖掘的基础上，将符合某种条件或具备某种特征的客户（用户）清单下发到各营销渠道，为客户经理执行针对性营销策略提供决策依据。2数据仓库的用户在电信企业中，数据仓库的用户主要是电信企业市场经营管理和执行人员，包括公司领导、市场主管、分析人员和营销人员四个方面，各用户使用的主要功能有所区别（如图2所示），比如公司领导主要以定制报表的方式为主; 市场主管则不仅要使用定制报表，还要大量使用
5、多维分析; 分析人员除了定制报表、多维分析之外，会更多地利用系统提供的数据平台进行具体的专题分析甚至数据挖掘; 而营销人员则使用分析系统向营销渠道提供的客户（用户）监测信息。3数据仓库的功能和数据源从一个全省范围的电信企业市场经营管理职能来看，省公司层面的职能主要是以产品管理和营销决策管理职能为主，地市分公司则以客户营销的执行职能为主，因此，作为电信企业经营分析和营销决策支撑的数据仓库，它的功能是以产品、客户分析为主线，配合竞争、营销活动两条分析辅线，最终形成企业的市场经营概况（系统的业务功能见图3）。在数据源方面，数据仓库需采集企业内部有关市场经营活动的客户资料、各类业务计费资料、客户服务资
6、料及其他竞争信息，在有效整合的基础上，分主题实现对经营分析、客户营销决策支撑。因此，需采集的数据源应包括客户资料、计费账务信息、客户服务信息、网间结算信息及其他信息，如网管、资源管理、统计、计财等报表，以及外部社会经营环境、竞争对手信息。4数据仓库的需求设计电信企业数据仓库项目的成功与否，很大程度依赖于它的需求设计。数据仓库是应用导向的系统，它立足于商业应用，而非单纯的技术。所以应该强调的是，数据仓库不应该简单地从软硬件设备和分析工具出发，而应该在科学、有效设计其功能的基础上，根据企业现有条件配置软硬件设备和分析工具甚至数据挖掘工具，以开发各类应用。数据仓库的需求设计应立足于企业的数据分析需求
7、，围绕市场经营管理、营销决策和执行的数据分析支撑工作来展开。需求设计主要完成三方面工作: 一是分析主题的设计; 二是分析维度和维度值的确定; 三是分析指标的确定。（1）分析主题的设计电信企业建立数据仓库，目的主要是为企业的市场经营管理和营销决策提供数据分析支持，因此，系统的分析主题设计应围绕电信企业的市场经营、营销活动的构成对象和任务来进行。参考迈克尔波特的五大竞争力量，我们可以认为影响电信企业市场经营能力（或竞争能力）的几大因素是企业经营的业务或产品、企业向市场提供这些业务或产品的方式（营销活动）、企业目前所拥有的客户、现有竞争对手，因此，产品、客户、竞争对手和营销活动即是我们数据仓库所要立
8、足的分析对象，缺一不可。确定了分析对象之后，还需根据企业经营管理或营销组织的实际需要将对象进一步细分，比如电信企业将客户分为大客户、商业客户、公众客户和流动客户来管理，这就需要将客户分析的主题落到每个客户群上，而且业务或产品的分析也一样需要进一步细分到各专业。细化了分析对象后就进入分析主题内容设计阶段。这个阶段根据已细化的分析对象来设计数据分析的内容，即总结和归纳企业市场经营分析人员和营销分析人员现在的数据分析工作，以更有效率地组织分析数据。根据经验，各类分析对象的分析主题可以设计如下: 业务或产品的分析主题包括: 各类业务或产品发展状况分析、发展变化趋势分析、影响因素分析以及发展预测等内容;
9、 客户分析主题包括: 客户价值分析、客户流失分析、客户忠诚度分析、客户信用度分析等内容; 竞争分析基于网间的话务信息来设计，包括: 竞争对手用户发展情况、本企业用户使用竞争对手产品情况和竞争对手用户使用本企业产品情况等内容。 营销活动分析则根据营销活动的三大目的获取客户、提高ARPU、客户保持以及营销活动的三个环节营销策划、营销执行和营销评估来设计相应分析内容，一般包括: 营销机会判断、预期效果评估、营销效果评估、营销方案调整等内容。（2）维度设计数据仓库中各主题的维度是为多维分析和定制报表而设计的，同时也要将报表数据分析过程中所经常要用到的分组组别考虑进来。设计维度时要强调有用性和效率的均衡
10、，既要涵盖今后数据分析常用的角度，同时也要考虑到多加一个维度或维度值就意味着仓库里数据量的成千上万倍增长，所以必须考虑效率问题。另外，在设计每个维度的维度值时，要强调独立性和系统性。对于某个分析对象来说，每个维度的所有维度值之间是独立的，不能有交叉。根据经验，数据仓库的维度可以分为以下六大类: 时间维度和空间维度; 业务维度: 包括业务种类、流向、拨打方式、通达方式、速率等维度; 客户维度: 包括渠道属性、统计属性、入网时间、客户状态、城乡属性、服务等级、行业属性、计费类别等维度; 用户终端维度: 接入方式、终端类型等维度; 营销活动维度: 参加活动种类、参加活动时间等维度; 运营商维度: 运
11、营商种类等维度。（3）指标设计电信企业数据分析指标可分为两大类。一类是基本指标，包括用户数、通话量（或通信量）、费用（比如: 月租费、通话费、通信费、包月费等）等三个绝对指标; 另一类是衍生指标，包括平均指标、相对指标、比例指标、结构指标、比较指标。常见的电信企业数据分析衍生指标有:MOU、ARPU、单次时长、主机普及率、渗透率、市场份额、同比率、环比率、计划完成进度等等。在设计电信企业数据仓库某个分析主题的指标阶段，指标的选择要视前端的应用方式而定。定制报表某种程度上直接反映经营管理的结果，且涉及的维度较少、变幻的灵活性不大，因此在选择定制报表的指标时，可以在涵盖必要的基本指标基础上包括更多
12、的衍生指标，而多维分析和专题分析是经营分析的一个分析环节，且涉及维度相对定制报表更多且变换灵活，在选择设计多维分析和专题分析的指标时，应更多地考虑到系统效率问题。另外，将基本指标转换成衍生指标对于前端分析工具来说是一件易如反掌的事情，所以建议多维分析和专题分析涵盖所有的基本指标，而衍生指标最好不纳入开发内容。数据仓库在电信企业中的应用1常规经营分析常规经营分析，顾名思义，就是按一定周期（旬、半月或月）在格式相对固定的分析模板（根据市场经营工作的需要，通常半年或一年更新一次模板）基础上进行的经营分析。常规分析的模式类似于每月固定格式的统计报表，但要超越统计报表。常规分析工作的目的是通过固定模式的
13、分析跟踪市场经营发展动态，发现变化发展的趋势，判断其是否合理，从而发现问题并寻求引起问题的因素，最终提出解决问题的措施。电信企业的常规经营分析包括各类业务（本地、长话、数据、增值业务等）的分析、各类客户（大客户、商业客户、公众客户和流动客户）的分析以及竞争的分析。常规分析对于分析人员就某项专业分析经验的积累、敏锐眼光的培养有一定意义。数据仓库通过各个主题下的定制报表和OLAP多维报表查询支撑常规经营分析，反过来，企业的常规分析常常是作为定制报表和OLAP多维报表查询的需求在数据仓库中固化并得到实现。2专题分析专题分析是根据市场经营过程中出现的热点问题以及常规分析发现的异常情况而确定需要进一步深
14、入进行的分析。电信企业比较常见的专题分析是各种营销活动效果分析。因为每次营销活动目的不一样，内容不一样，定位的目标客户以及参加活动的客户都不一样，所以每次分析的内容及模式都有所不同。专题分析没有固定的模板，因此每执行一次专题分析需要向数据仓库提交一次数据需求，包括多维度的数据表需求，或者客户使用各种业务或产品的历史消费记录需求，而数据仓库则是通过临时创建的多维报表以及符合条件的客户的历史消费记录来支撑专题分析工作的进行。3营销监测数据仓库对电信企业的营销监测支撑工作包括: 话务异常（变动）监测、零话务监测、话务流失监测、黑公话监测、住宅商用监测以及各类营销活动用户跟踪监测等等。通过在数据库中设
15、置一定条件，比如将符合长话过网话务超过50%、网内外去话话务均为零、报告期较基期话务下降50%以上等条件的电信用户号码清单提交相应的营销渠道进行流失挽留、激发话务等针对性营销，从而实现对营销监测工作的数据支撑。4数据挖掘目前，在电信企业，数据挖掘已经作为一个时髦的概念被追捧并广泛演绎，但是一直到2004年，真正的数据挖掘才得到实质性的应用。数据挖掘是按企业既定营销战略或营销策略目标，通过对数据仓库中大量业务数据进行抽取、转换、分析和其他模型化处理，揭示隐藏的、未知的或验证已知的规律性，从中提取支撑营销决策关键性数据的技术。数据仓库何时上数据挖掘？这有赖于两方面的条件，一是数据完整性和数据质量的
16、日趋完善; 二是一定专业水平和积累的分析队伍的建立。根据中华电信数据仓库和广东电信经营分析系统中数据挖掘的经验，一般是数据仓库建立两年后，以上两个条件基本成熟，数据挖掘工作的开展才更有效。从某种意义讲，数据仓库对数据挖掘来说仅仅是一个数据源的作用。为了更有效地在数据仓库的基础上开展数据挖掘工作，首先要总结数据挖掘项目所需的客户（或用户）层面的有关客户（用户）背景、购买行为、消费行为、营销活动行为、缴欠费行为以及服务交互行为等方面的信息，从数据仓库中定期抽取，形成数据挖掘集市，然后分主题地建立包括流失预警、客户细分、交叉销售、营销预演等模型，各类模型模板化后封装至数据仓库，建立数据挖掘模型模板库。模型模板库和数据挖掘集市的建立，使数据仓库之上的数据挖掘应用工作开展更效率，从而帮助电信企业真正实现精确营销质的飞跃。（作者单位
