商业智能(BI)在电信业中的应用宁波联通业务评估系统的实现

摘要

目前国内各大电信运营商为在市场上占得份额，自我经营管理能力的提升成为内在要求，如何提高公司的经营决策水平，将原来拍脑袋的经营管理思路向理智、清晰、有的放矢的“BI分析型”转化是一个迫切需要考虑的问题。
　　 论文在介绍相关研究背景及对商业智能关键技术研究的基础上。从应用的角度出发，采用商业智能的概念，设计了一套适合为市场决策管理者提供决策支持的系统。针对电信行业特点，系统采用数据仓库方式来存储海量的数据源。为解决大型数据仓库易用性和可扩展性的矛盾，在设计数据仓库时对传统数据仓库的架构进行改良，增加数据中间层。新的数据仓库架构解决了日常临时数据统计时因为多表联接和汇总大表数据导致的效率低下的问题。实现了各数据集市间的数据共享，提高了系统的访问速度，减少了系统资源的消耗。在数据中间层的基础上，完全面向具体应用，在以客户为中心的总体营销理念指导下，经营分析系统首先实现了业务部门最为关心的用户价值分析主题，建立了数据集市。根据分析角度的不同进行OLAP建模，利用OLAP前端工具进行分析与展现。在用户价值分析中，根据用户的在网时长对客户的消费情况进行了聚类分析，挖掘出了对用户维系的确切时间点应该是用户入网后的第3--4个月。将用户的消费额进行了聚类，以消费档次做维，刻画出了公司移动业务的总体状况为公司70％的用户ARPU值在100元以下，此档消费能力的用户是公司业务的消费主体，在制定大众市场政策时，资费设置不宜高于100元，否则客户群体会比较少。
　　 重入网问题是电信运营商比较头痛的问题。传统的基于IMEI识别算法，在通信终端越来越便宜，用户频繁更换的情况下，识别效率低。本文对重入网客户的识别算法进行了研究和改进，第一步先利用传统的IMEI进行识别，第二步使用分类算法进一步挖掘重入网客户，将第一步得到的重入网号码集合和非重入网号码集合作为训练集，采用了C4.5算法生成决策判定树，形成了规则集。用于对后续新入网用户的判断。经外呼验证，新识别算法对识别重入网用户的有效率在原有基础上有了大幅的提高。在已获取的重入网号码集上，构建OLAP数据立方体，在前台创建多维的OLAP应用，分析出了公司重入网用户的总比例，挖掘出了各渠道代理商的重入网比例，在渠道分层分级考核中可以结合此指标，在佣金比例上进行调整，对节约公司的成本支出具有较大的意义。

目录

文摘

英文文摘

第一章 绪论

1.1 课题研究的背景

1.2 国内外经营分析系统现状及特点

1.2.1 移动通信运营商系统建设情况介绍

1.2.2 国内外经营分析系统现状及特点

1.3 论文主要工作

1.4 本文的组织

第二章 相关技术分析

2.1 商业智能(BI)的概述

2.1.1 商业智能（BI）的定义

2.2 数据仓库技术

2.1.1 数据仓库定义及特征

2.1.2 数据仓库系统的架构

2.3 联机分析处理(OLAP)技术

2.3.1 OLAP的定义、特性

2.3.2 OLAP与多维分析

2.3.3 MOLAPIROLAPIHOLAP比较

2.3.4 OLAP的实施

2.4 数据挖掘技术

2.4.1 分类方法

2.4.2 聚类方法

2.5 经营分析系统的表示和发布技术

第三章 经营分析系统的功能分析与设计

3.1 系统功能要求

3.2 经营分析系统的系统设计框架

3.3 经营分析系统数据仓库设计

3.3.1 数据仓库架构设计

3.3.2 数据源选取

3.3.2 数据仓库建模

3.3.3 数据清洗、抽取、转换、加载

3.4 0LAP建模

3.5 识别重入网用户专题分析

3.5.1 ID3 C4.5 算法介绍

3.5.2 基于信息墒的属性选择标准

3.5.3 使用C4.5算法挖掘重入网用户

第四章 业务评估系统实旌应用

4.1 统计报表功能

4.2 面向主题的综合分析功能

4.2.1 出帐用户价值分析

4.3 重入网识别在业务分析中的应用

4.3.1 重入网客户总体分析

4.3.2 重入网客户渠道分析

第五章 总结和对未来工作的展望

5.1 本文所做的工作及创新

致谢

参考文献

附：在读期间本人所发表论文情况