电信行业数据仓库应用情况分析及展望

《电信行业数据仓库应用情况分析及展望》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、从2001年开始，国内的电信行业开始着手进行数据仓库系统的建设和应用工作。经过五年多时间，大部分运营商不仅已经完成了数据仓库的建设工作，而且已经开始出现很有价值的业务应用，为企业内部管理和外部市场竞争活动提供了有力的支撑。电信行业数据仓库建设情况概述从上世纪90年代开始，随着电信行业垄断格局被打破，电信行业的市场竞争越来越激烈，在2000年左右，电信企业间的竞争已经不满足于单纯的价格战手段，迫切需要提升竞争的手段和方法，提高企业的市场竞争力。国际上的电信运营商在经历了传统的价格战之后，为了提升企业的竞争力

2、，充分使用了各种信息化手段，其中，数据仓库技术是主要的手段。据统计，国际上资产排名前十名的电信运营商，均建设了数据仓库系统。以中国移动为典型代表，从2001年开始进行了数据仓库的设计和准备工作，在建设数据仓库的同时，也在逐步构筑完整的数据仓库业务应用内容。2002年完成了系统的详细的设计过程，2003年中国移动完成了数据仓库系统的建设工作，2004年建立并完善了初步的应用体系，2005年开始进行专项的数据质量整改工作。中国联通也从2003年开始陆续启动了数据仓库系统项目的设计、建设和应用等工作。与国外电信

3、运营商相比，国内电信行业数据仓库项目有如下的特点：1．数据量更加庞大中国移动已经发展成为世界最大的无线运营商，拥有近3亿的客户，话务量大，数据量也十分庞大。目前中国移动的数据仓库设备容量已经超过上千个TB，而在国外的电信运营商，最大的仅300TB。庞大的数据量对数据仓库的处理能力等多个方面构成了挑战，对系统的性能提出了更高的要求。2．业务管理不规范，导致数据仓库较复杂由于国内电信企业的业务管理仍不规范，导致各省公司之间的产品差别很大，业务模式也有很大区别，这使数据仓库的设计十分复杂，同时对数据的梳理工作也

4、变得十分艰巨。3．业务应用水平仍有差距从总体而言，国内的数据仓库在应用水平方面，较国外的先进水平仍有差距。国外在数理统计等多个方面积累了很长时间的经验，数据分析人员水平也比较高，而国内仍靠技术人员进行分析为主，对业务知识仍比较欠缺。综上所述，国内部分电信企业已经完成了大型数据仓库的建设工作，而逐步转向为丰富业务应用的过程，只有通过深入的业务应用工作，才能保障数据仓库系统发挥效果，并真正提升企业的精细化管理、精细化营销能力。电信行业的数据仓库应用特点数据仓库的应用是满足对数据进行整理和分析的需求，与其它的I

5、T系统相比有如下的一些区别。1．业务应用范围比较零散，内容丰富数据仓库的业务应用，不仅会涉及到企业外部的市场营销，也会涉及企业内部的各项管理工作，因此范围十分广泛。同时，内容也十分丰富，可以细到对某类客户的详细分析，也可以包括对电信企业宏观发展的决策等。2．针对数据的分析为主，业务水平要求较高数据仓库业务应用以对数据的分析为主，而这种分析的过程要求分析人员能够具备较丰富的业务知识，才能得出理想的分析结果。即使是同样的数据，技术人员和业务人员也可能会得出不同的结论。3．业务应用是建立在保证数据质量的前提下数

6、据仓库的数据质量涉及到多个方面，在系统建设之初，主要是围绕系统本身的问题。经过一段稳定时间之后，问题常常集中在统计口径方面，需要对业务系统的很多业务规则进行梳理。应该说，很多的数据质量问题都是由上游系统产生的，但通过数据仓库系统暴露出来了。如果数据质量无法保障，分析的结果也会无法保证准确性，因此数据质量对数据仓库的业务应用是基础。数据仓库业务应用的分类方法数据仓库的业务应用，从不同的角度有不同的划分方法。1．从技术角度划分的应用分类从技术角度，对有关的业务应用内容可以分为：（1）KPI应用主要是反映外部市

7、场和内部管理的主要关键指标，如总收入和客户数等内容。这些关键指标能够直观地反映出企业运营管理的基本情况。（2）报表应用这是目前应用最多的形式，目前国内大部分的数据仓库业务需求，都是通过报表的形式提出来。业务人员使用报表比较熟悉，也比较方便。由于对使用人员的技术素质要求不高，报表在几年内仍将是主要的业务应用形式。（3）OLAP应用OLAP分析方法是对报表分析能力的一次提升，跳出了传统报表的二维信息的局限性，能够灵活地提供多维度、多角度的分析方法，并能灵活地进行上钻、下钻等操作。OLAP能够更加丰富地展现数据

8、仓库中的相关数据，提高了分析的过程，丰富了分析的视野，但对操作人员的技术水平要求也越来越高。（4）数据挖掘应用数据挖掘是在大量数据的基础上，通过数学的方法，发现有价值信息的过程。数据挖掘能够提升人类对数据的分析能力和深度，但对操作人员的技术和业务方面的素质要求也十分高，国内目前仍处于起步阶段。2．从业务角度划分的应用类型从业务角度，目前数据仓库业务应用可以分为两类。一种是通用性的应用，即在进行业务分析过程中基本都会使用到的分析