数据稽核论文V0.7

《数据稽核论文V0.7》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、宅彳厨电信北京公司VCHINATELECOMBeijingCovLtd.企业信息化部项目名称：数据稽核项目密级：保密版本：共16页中国电信股份有限公司北京分公司数据稽核成果汇报企业信息化部版本修订记录版本作者版本描述完成日期目录版本修订记录1目录1第一章项目背景21.1数据一致性重耍性21.2数据差异带來的问题2第二章问题分析及解决方案42.1问题分析42.2解决方案52.2.1清理平台差异数据52.2.2建设数据稽核系统72.2.3制定数据管理办法11第三章效果分析143.1执行情况143.2项目特

2、点153.3项目效果16第四章附件16附件一《屮国电信北京公司数据稍核管控办法（试行）》16附件二《中国电信北京公司数据清理规则说明书（试行）》16附件三《中国电信北京公司数据稽核流程图》16第一章项目背景1.1数据一致性重要性随着近年电信行业的多次整合，各运营商都在向全业务支撑方向发展，其内部信息化系统、网元设备和业务平台也在不断扩充，业务数据也随Z向各个系统分散。由于系统数量庞大只不断升级等原因，各平台间的数据一致率已经不容乐观，数据一致性维护工作的难度也不断加大。在电信运营商FI常的牛产运营屮，

3、包扌刮IJ户资料数据、川户费用数据、通信数据等方面的业务数据-•致率至关重要：一方血左右用户的通信服务质量；另一方血也是运营商内部的经营分析的主要依据。随着市场竞争的日趋激烈，运营商在提升服务质量和精确化管理等方面的要求也不断提升，所以必须通过冇效的手段提升并保障各平台间的数据一致性。1.2数据差异带来的问题屮国电信股份有限公司北京分公司（以下简称“北京电信”）于2008年10月承接CDMA移动业务后，对信息化系统、网元和业务平台进行了多次升级。整个承接和升级工作横跨不同运营商，不同服务商及公司内多个

4、部门，涉及而广。虽然在承接和升级工作中制定了科学的方案和周密的计划，但由于历史原因和升级过程中的阶段性不稳定等因索导致信息化系统、网元、业务平台间的数据差界现象比较突出，对日常牛产运营造成了较大的影响。图表1所示的数据是专项整治前信息化系统与各平台数据一致率情况，可以看出各平台间的数据一致率从60.74%至98.45%不等，数据差异现象比较严更。加Z承接移动业务后，整个生产运营过程缺乏对金业数据的管控流程和管理办法,各工作环节在数据-•致性方而缺乏有效的规范，导致了数据差杲量述在不断增长。图表1项目实

5、施前数据一致率情况如此大的数据差界引起了诸如批开失败、用八开销八失败、通讯不畅、计费错误等服务问题，严重降低了北京电信对外服务质量，造成了用户投诉，加重了公司的维护成本。表格1和表格2以AAA平台和短信平台为例说明在LI常系统运维过程中由于数据不一致导致的错单情况。表格1AAA平台每日错单情况日期2010.3.222010.3.232010.3.2420103.252010.3.26错单数量136243157234238表格2短信平台批开错单情况日期2010.10.172010.10.232010.1

6、1.172010.11.30批开卡数量10000200002500015000失败数量4538972234330AAA平台差界数据会导致用户无法手机上网。短信平台的数据差杲会导致用户无法正常使用短信功能。其他各个平台（ISMP、彩铃平台等）的差异数据会导致用户无法使用相应服务。数据旁异问题导致用户投诉不断出现。基于上述情况，北京电信成立了以公司领导挂帅的工作小组专项整治数据差异问题，小组成员涵盖市场、服务、网络、信息化、平台各个领域的人员，从管理和技术两个方面双管齐下，先提升数据一致性，随后制定相关的

7、数据管理办法和流程，形成长效的数据一致性保障机制。第二章问题分析及解决方案2.1问题分析工作小组对北京电信的各系统平台间的数据进行分析，发现差界数据的产生主要源于如下儿方面的原因：1.历史原因北京电信的部分业务是从其他运营商承接而來，整个承接工作涉及多个系统和平台的割接，其中包括信息化系统、网元设备和业务平台等多方面的数据，承接时各系统和平台间的数据就存在较人的井异。2.数据稽核缺乏集中管控和监控，无法形成长效机制日常工作中缺乏对数据的集中管理、统一调度和事后核查，数据管理分散在多个部门和系统，具体问

8、题会分解到和关部门和平台进行处理和解决，对于问题的发现、处理和确认过程缺乏有效的机制进行管理，例如在测试号发放工作、投诉处理工作中往往采用“头痛医头、脚痛更脚”的方式，仅解决问题数据所在的系统，忽略了对其他相关系统数据同步的操作,造成了差异数据量的不断增长。3.数据稽核操作繁琐，缺乏有效技术手段FI常系统维护工作模式很难保障数据的准确性及完整性，系统维护人员更加侧重对功能上的维护，对数据一致性的维护工作则缺乏重视，没有周期性地开展数据清查工作。同时传统的