福建省郵電規劃設計院  張金銘　賴大進

    隨著各電信運營企業不斷加快業務運營支撐系統(BOSS)、網管系統、財務系統、辦公自動化系統(OA)和客戶服務系統等企業IT支持系統的建設步伐，企業內部積累了大量的客戶行為和企業運營的歷史數據，這些海量數據在原有的操作型數據庫系統中難以提煉并升華為有用的信息，使得信息資源無法在更大更深的范圍內共享和利用。電信運營企業信息化建設需要跨越各個業務運營系統，建立綜合的信息資源平臺，利用數據倉庫技術，深層次地挖掘、分析當前和歷史的生產業務數據以及相關環境數據，自動快速獲取其中有用的決策信息，為企業提供快速、準確和便捷的決策支持。

    一、數據倉庫系統的特點
    數據倉庫是一個面向主題的、具有集成性和相對穩定性、反映歷史變化的數據集合，用于支持治理決策。數據倉庫面向分析型數據處理，它不同于企業現有的操作型數據庫；數據倉庫是對多個異構的數據源的有效集成，集成后按照主題進行重組，并包含歷史數據，而且存放在數據倉庫中的數據一般不再修改。
    1．面向主題
    操作型數據庫的數據組織面向事務處理任務，各個業務系統之間各自分離，而數據倉庫中的數據是按照一定的主題域進行組織的。主題是一個抽象的概念，是指用戶使用數據倉庫進行決策時所關心的重點方面，一個主題通常與多個操作型信息系統相關。
    2．集成性
    面向事務處理的操作型數據庫通常與某些特定的應用相關，數據庫之間相互獨立，并且往往是異構的。而數據倉庫中的數據是在對原有分散的數據庫數據抽取、清理的基礎上經過系統加工、匯總和整理得到的，必須消除源數據中的不一致性，以保證數據倉庫內的信息是關于整個企業一致的全局信息。
    3．相對穩定性
    操作型數據庫中的數據通常實時更新，數據根據需要及時發生變化。數據倉庫的數據主要供企業決策分析之用，所涉及的數據操作主要是數據查詢，一旦某個數據進入數據倉庫以后，一般情況下將被長期保留，也就是數據倉庫中一般有大量的查詢操作，但修改和刪除操作很少，通常只需要定期加載、刷新。
    4．反映歷史變化
    操作型數據庫主要關心當前某一個時間段內的數據，而數據倉庫中的數據通常包含歷史信息，系統記錄了企業從過去某一時點（如開始應用數據倉庫的時點）到目前的各個階段的信息，通過這些信息，可以對企業的發展歷程和未來趨勢做出定量分析和猜測。
　　企業數據倉庫的建設，以現有企業業務系統和大量業務數據的積累為基礎。數據倉庫不是靜態的概念，只有把信息及時交給需要這些信息的使用者，供他們做出改善其業務經營的決策，信息才能發揮作用。而把信息加以整理歸納和重組，并及時提供給相應的治理決策人員，是數據倉庫的根本任務。

    二、數據倉庫系統的構成
    一個典型的企業數據倉庫系統通常包含數據獲取層、數據存儲層和數據訪問層三層：

    1．數據獲取層：對BOSS、MIS、網管和其它外部數據源中的數據進行抽取、清洗、轉換，并加載到數據倉庫。
    2．數據存儲層：實現對數據倉庫中數據和元數據的集中存儲與治理，并可根據需求建立面向部門和主題的數據集市。
    3．數據訪問層：通過多樣化的前端分析展示工具，實現對數據倉庫中數據的分析和處理，形成市場經營和決策工作所需要的科學、準確、及時的業務信息和知識。

    三、數據倉庫的要害技術
    1．OLAP技術
    當今的數據處理大致可以分成兩大類：聯機事務處理OLTP（on-line transaction PRocessing）、聯機分析處理OLAP（On-Line Analytical Processing）。OLTP是傳統的操作型數據庫的主要應用，主要是基本的日常事務處理，例如計費帳單交易等。OLAP是數據倉庫系統的主要應用，側重決策支持，支持復雜的分析操作，以求剖析數據，使用戶能從多個角度、多側面地觀察數據庫中的數據，從而深入理解包含在數據中的信息。
    OLAP的目標是滿足決策支持或者滿足在多維環境下特定的查詢和報表需求，它的技術核心是“維”(dimension)這個概念，通過把一個實體的多項重要屬性定義為多個維，使用戶能對不同維上的數據進行比較。
    OLAP的基本多維分析操作有鉆取（roll up和drill down）、切片（slice）、切塊（dice）以及旋轉（pivot）等。鉆取是改變維的層次，變換分析的粒度，它包括向上鉆取（roll up）和向下鉆取（drill down）。切片和切塊是在一部分維上選定值后，關心度量數據在剩余維上的分布。旋轉是變換維的方向，即在表格中重新安排維的放置（例如行列互換）。
OLAP有多種實現方法，根據存儲數據的方式不同可以分為ROLAP、MOLAP、HOLAP。ROLAP表示基于關系數據庫的OLAP實現（Relational OLAP）。以關系數據庫為核心，以關系型結構進行多維數據的表示和存儲。MOLAP表示基于多維數據組織的OLAP實現（Multidimensional OLAP），以多維數據組織方式為核心。多維數據在存儲中將形成“立方塊（Cube）”的結構，在MOLAP中對“立方塊”的“旋轉”、“切塊”、“切片”是產生多維數據報表的主要技術。HOLAP表示基于混合數據組織的OLAP實現（Hybrid OLAP）。如低層是關系型的，高層是多維矩陣型的。這種方式具有更好的靈活性。
    2．數據挖掘技術
    數據挖掘是從數據庫或數據倉庫中發現并提取隱藏在其中的信息的一種新技術。它建立在數據倉庫基礎之上，面向非專業用戶，定位于桌面，支持即興的隨機查詢。數據挖掘技術能自動分析數據，對它們進行歸納性推理和聯想，尋找數據間內在的某些關聯，從中發掘出潛在的、對信息猜測和決策行為起著十分重要作用的模式，從而建立新的業務模型，以達到幫助決策者制定市場策略、做出正確決策的目的。數據挖掘技術涉及數據庫、人工智能、機器學習、神經計算和統計分析等多種技術。
    在數據倉庫基礎上挖掘的知識通常以圖表、可視化界面等形式表示出來，但所挖掘的知識并不都是有意義的，必須進行評價、篩選和驗證，把有意義的知識放到知識庫中，隨著時間的推移將積累更多的知識。知識庫根據挖掘的知識類型分為總結性知識、關聯性知識、分類模型知識、聚類模型知識，這些知識通過相應挖掘算法得到。

    四、數據倉庫系統在電信行業的應用
    1．整合企業信息
    從技術的角度考慮，以傳統的操作型數據庫為基礎的運營支撐聯機事務處理系統不能滿足聯機分析處理系統的復雜的，大數據量的、突發查詢的能力和擴展能力要求。數據倉庫系統具有高可擴展能力，支持大容量，TB級的數據存儲能力，高效的查詢響應能力和并行處理能力，適合于整合企業業務系統的數據，使企業對客戶信息的了解達到完整性和一致性，提升企業運營數據的內在價值。
    2．客戶關系治理
    客戶關系治理（CRM）的目標是以更好的服務留住有利潤的客戶，提高通話量和利用率，用比競爭對手更低的成本爭取到新客戶，擴大市場份額；放棄無利潤和信用差的客戶，降低運營成本和風險。為了實現這個目標，企業就需要盡可能收集顧客的信息，利用數據挖掘技術/數據倉庫和復雜的分析功能，透過無序的、表層的信息挖掘出內在的知識和規律，從而盡可能地了解客戶的行為。企業可以根據這些規律或用這些信息設計數學模型，對未發生行為做出結果猜測，為企業的綜合經營決策、市場策劃提供依據。具體內容包括：利用用戶資料和一切可能有助于進行客戶分析治理的資料進行客戶概況分析、客戶忠誠度分析、客戶群體的構成、客戶消費層次、貢獻最大的客戶、信譽較好或差的客戶、客戶的地理分布、客戶的消費習慣、潛在的消費需求等。通過對這些數據的分析，提供既能留住老客戶又能吸引新客戶的決策信息。只有樹立以客戶為中心的理念，充分了解客戶，了解不同客戶的不同消費模式，針對不同的用戶采取不同的策略以達到個性化服務的目標，電信運營企業才能為客戶提供優質服務。
     3．市場、營銷治理分析
    市場情況分析的主要內容是面向與電信運營企業市場活動密切相關市場活動、市場環境、以及其他業務相關情況的分析。通過對提供的產品和服務的使用情況，網絡資源的使用情況進行綜合統計、分析、猜測和預警。能對產品和服務的使用情況、網絡資源的使用情況進行綜合統計，給出業務品牌和業務種類在不同時段、不同地區的分布，從而對新業務的推出和資費優惠政策提供依據；對競爭對手所推出的市場品牌與服務、不同的營銷策略、不同的市場行為對企業收入的影響進行分析等等。當某些要害指標出現異常時，系統能自動報警，分析人員對異常指標進行深入分析后，采取相應的市場對策。在營銷治理分析方面，數據倉庫對各渠道的客戶發展情況、收入情況、業務量情況以及渠道成本如應付酬金總額等指標進行不同角度和層次的分析，能夠從不同的層面和角度對所有渠道進行全面考察，為制定合理有效的宣傳促銷及推廣提供決策依據。
    5．帳務分析
    財務帳務分析主要從財務的角度，對結算、財務、帳務進行分析，通過對財務帳務的分析，可以清楚地把握目前運營收入與支出情況；可以對投資與收益進行具體的分析，包括收益的主要來源、發展趨勢、各種運營項目對總收益的比重、過去的決策和政策對收益的影響、各期工程實施后收益的變化、需投資的地區及設備、投資的利用率、回報率等。
6．欠費和動態防欺詐行為分析
欠費和動態防欺詐行為分析就是在總結各種騙費、欠費行為的內在規律后，在數據倉庫的基礎上建立一套欺騙行為和欠費行為規則庫，當用戶的話費行為與該庫中規則吻合或相似就發出告警，同時該系統還可以在此規則庫的基礎上分析各種欺騙和欠費行為，從而演繹出可能的欺騙和欠費行為，加以論證后自動加入規則庫。另外欠費和動態防欺詐行為分析不僅僅是被動式的預防分析，它可以主動地進行統計分析。欠費和動態防欺詐行為分析能及時預警各種騙費、欠費，使企業損失盡量減少。同時通過用戶的繳費銷賬情況、社會類別、占用資源等，分析用戶的信譽度，對不同信譽度用戶給予不同的服務及優惠。
    7．網絡治理和網絡優化分析
    網絡治理和網絡優化分析就是對目前網絡治理中大量的數據進行分析，從而為提高全網質量、優化網絡結構、進行網絡規劃提供可靠的保證。網絡治理和優化分析將在以下三個方面對現行系統進行擴展：擴大并細化數據源；增加數據量；豐富統計分析類型。對移動通信運營商來說，可以提供對網絡的熟悉，例如話務最忙的小區、投訴最多的小區、覆蓋較差的地區等，從而指導網絡優化工作。

    據統計2000年全球500大企業中有50%的企業已經實施數據倉庫或部門級數據集市，在電信、銀行、零售業、航空、鐵路運輸、郵政等行業的全球領導廠商都已采用數據倉庫作為決策支持。在以服務取勝，競爭激烈的電信市場環境中，電信運營企業只有利用數據倉庫和數據挖掘技術發現企業運營數據中有價值的趨勢，為市場經營和決策人員制定客戶服務、業務發展和市場競爭等策略提供科學、準確、及時的依據，建立和增強與用戶的關系，才能在市場競爭中取得勝利。