九乡新闻网辽宁省实验中学中美吧:BI&DWHome | 探析：电信企业数据仓库的建设
来源：百度文库 编辑：九乡新闻网 时间：2024/04/23 20:39:28
国外应用情况
为了实现从产品导向往客户导向的转变，目前电信企业纷纷建立自己的客户关系管理系统，以实现企业营销、销售和客户服务等职能的组织架构和流程的一整套管理体系。从全球来看，美国几乎每一个较大的电信运营商都正在建立或已经在利用数据仓库实现其客户关系管理。
例如，以数据仓库为核心的客户关系管理系统提供的客户信息以及营销分析，已成为AT&T决策的重要营销依据。
电信企业数据仓库的构建
要构建电信企业的数据仓库，必须首先找准定位，然后做好需求设计。
数据仓库在电信企业的定位
目前，电信企业数据仓库的应用一般是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有关信息，经过整合、清洗等环节，按主题存储，形成企业内部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;同时，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、服务。
数据仓库与其他生产管理系统之间的关系见图1。
数据仓库的需求设计
电信企业数据仓库项目的成功与否，很大程度上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的从软、硬件设备、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、分析工具甚至数据挖掘工具，开发各类应用。
数据仓库的需求设计立足于企业的数据分析需求，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。
各类分析对象的分析主题可以设计如下：
·业务或产品的分析的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分析内容;
·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。
数据仓库的维度可以分为时间/空间维度;业务维度、客户维度、用户终端维度、营销活动维度、运营商维度六大类。
数据分析指标可分为基本指标和衍生指标两大类。
数据仓库应用前景
在电信企业中，数据仓库有着各种各样的应用，可以据此提升电信企业的竞争能力和服务水平。
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）基础上作的经营分析。
常规分析的模式类似于每月固定格式的统计报表，但其超越统计报表，常规分析工作的目的是通过固定模式的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。
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，常规分析发现的异常情况而确定需要进一步深入进行的分析。
电信企业比较常见的专题分析是各种营销活动效果分析。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。
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、华夏风套机监测以及各类营销活动用户跟踪监测等。
通过在数据库中设置一定条件，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。
数据挖掘
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有赖于两方面的条件，一是数据完整性和数据质量的日趋完善;二是一定专业水平和积累的分析队伍的建立。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、购买行为等信息，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。