您好,欢迎访问三七文档
当前位置:首页 > 商业/管理/HR > 信息化管理 > 神州数码移动决策支持系统BI交流文件(经营分析)
中国移动经营分析系统总体方案建议书神州数码(中国)有限公司目录移动公司需要经营分析系统神州数码经营分析系统解决方案大客户分析系统案例示意移动公司的现状业务系统已经积累了大量的数据以客户服务为中心的理念已经形成,但尚未建设以分析/挖掘为主的经营分析系统企业的价值链扩展到客户、供应商、合作伙伴、竞争对手等诸多因素当前面临的问题深层理解、挖掘客户需求的力度–消费习惯是什么?–如何留住准备离网的客户?–如何科学地划分客户群?大量的历史数据如何转变为知识–如何提供预测、预警功能–如何提供个性化的营销策略数据处理手段单一–如何满足灵活多变的报表需求–如何减轻数据汇总对生产系统造成的压力–没有面向业务人员和管理层的设计工具目录移动公司需要经营分析系统神州数码经营分析系统解决方案大客户分析系统案例示意数据仓库拓展业务:•收入结构分析•资源利用分析•服务质量分析理解客户:•客户流失分析•客户行为分析•客户信用度分析竞争分析:•市场占有率分析•竞争对手分析•合作伙伴分析营销分析:•促销效果分析•营销渠道分析•代理商评价分析谁是最好的客户?如何应对竞争?哪些促销更有效?投入产出比如何?1.1经营分析系统的目标1.2经营分析系统两级结构N1.3系统网络结构示意图1.4系统逻辑层次图数据抽取、转换、清洗、加载业务支撑系统MIS系统OA系统网管系统人工录入数据仓库数据集市1数据集市1数据集市N即席查询报表OLAP数据挖掘、预测数据展现层数据存储层数据获取层元数据1.5神州数码解决方案多维展现数据源计费系统ExcelTXT外部数据数据抽取客服系统数据仓库多维数据库营帐系统数据挖掘报表/查询1.6主要产品及功能介绍多维分析数据抽取数据仓库数据源网管系统BOSS系统报表、查询数据挖掘多维数据库数据仓库存储–Oracle–IBMDB2数据仓库管理–OracleWarehouseBuilder–IBMWarehouseManager多维数据存储–OracleExpress–IBMEssbase数据挖掘–SASEnterpriseMiner–IBMIntelligentMining展现工具–Cognos–Brio–BusinessObjects1.7软硬件环境要求数据仓库\数据挖掘\展现工具软件–支持主流的UNIX服务器与操作系统–客户端可运行在Windows2000/9X平台,展现工具支持WEB方式1.8经营分析系统的主题客户分析–新增/流失客户分析–行为/属性分析–高额/风险分析大客户分析–消费习惯–流失特征–潜在的大客户营销管理分析–营销机会确立:市场环境、客户需求、业务拓展–营销计划制定:部门、人员、方式–促销效果:部门、人员、方式–营销渠道:1860、代理、网上营业厅1.8经营分析系统的主题市场竞争分析–竞争分析:竞争对手的业务、客户及客户呼叫–市场占有率分析–合作伙伴分析–银行、SP、证券公司的代收比率分析业务分析–业务量–业务资源–流量/流向–热点小区1.8经营分析系统的主题收益分析–收入结构–时间、地域、年龄、性别、消费层次、客户类型、客户职业–月租费、通信费、代收费、卡费、其它业务–交/欠费分析服务质量分析–服务质量、服务时限分析–咨询、查询焦点分析–投诉焦点分析–满意度、忠诚度分析1.9主要分析方法多维分析:从多个不同的角度组合去分析数据。趋势分析:从时间序列分析随时间的变化趋势。意外分析:从大量历史数据中找出太高、太低、变化幅度过大等异常情况数据。并可进一步进行相关影响原因的数据挖掘。排名分析:从大量数据中找出按某种分类方法的TopN或BottomN数据,这些数据代表了需要特别关注的程度。1.9主要分析方法比较分析:从相同的角度去对不同数据集合(这里主要指子集与父集及整体、集合与其补集)进行对比,找出差异所在,并可进一步深入挖掘差异原因。原因和影响分析:对于已产生的某个特定结果,从大量数据中挖掘出影响因素,并且分析不同因素或组合的重要程度。What-If分析:与原因和影响分析不同,whatif分析是观察在人为指定改变条件时,结果的变化情况,以便预测为了达到目标,最佳条件组合是什么。自顶向下自下向上整合方案企业数据仓库多维数据整理数据源•结构好•实现难度大上下总体规划设计企业数据仓库数据集市多维数据整理数据源上下数据集市数据集市数据集市数据仓库整合•成本低•结构性差•成本低•结构好•集成效率高2数据仓库建模技术3数据存储技术两种数据存储技术:ROLAP、MOLAPROLAPMOLAP针对事务型系统和查询优化针对查询/报表优化多个应用领域使用有限制的使用查询语句很复杂简单、快速的查询语句增加/改变数据结构很容易数据不是动态的,数据的改变有限制对数据库的查询使用SQL语句对数据库的查询使用OLAP引擎数据可以交互式的增加和汇总刷新和汇总数据时CUBE必须重建4.1抽取方法抽取策略–根据每个主题的需求与数据情况,采用差异抽取或完全抽取的方法–建立相应的控制手段,对每次抽取的时间、状态、抽取标识进行记录,以便下次抽取或对不成功的抽取进行重置或回滚–采用中间缓冲方式,存放于ODS数据源支持–支持主流的关系型数据库与桌面数据库–可直接从文件抽取:txt,excel–由远程FTP文件获取4.2抽取的时机与调度抽取时机–抽取的时间段尽量避开业务系统的高峰期–抽取的时候不进行大量转换工作,尽量避免对大表、宽表的操作–抽取的频率要与具体需求结合–如果要以文件的方式抽取,最好采用统一的文件格式,如txt文件、Excel文件调度策略–时间间隔:只一次、每分钟、每小时…每月、每年–频率:每周周几、每月几号…–按开始日期和时间–按结束日期和时间5数据转换与加载数据转换策略–数据量不大或对速度要求不严格---采用在抽取过程中转换,可以减轻工作量并减低中间存储量–大数据量或速度要求严格---抽取到ODS后再转换–尽量避免在进入数据仓库后再处理数据加载–方式上可以采用覆盖或追加–数据加载的目标为数据仓库–有控制机制,包括加载时间、加载状态、加载标识–事实表和维表采用不同的加载方式–数据的加载和立方体的处理连动6.1多维分析企业级的多维分析服务器–报表呈现方式多样,并且支持多种展现方式:浏览器方式、客户端方式、Excel方式–通过鼠标拖拉,可实现任意的切片、旋转、钻取,用户界面友好–可以对数据进行计算、排序等–灵活的用户权限及安全管理:定制用户类的管理模式,将同等级别和访问数据范围相同的用户归于一类6.2报表/查询企业级、交互式的数据库报表/查询生成工具–具有良好的企业级安全管理机制::按用户特征将用户分成不同的安全级别,不同级别的用户对应不同的信息访问权限–通过定义Catalog(信息目录)将数据库的数据结构按业务用户的需求和数据访问规则来展现–报表之间能够互相钻取与查询–报表数据显示形式多种多样。可用表格,也可用图形,如直方图、饼图、曲线图、棒图等。且表、图可以同屏显示7灵活多样的展现方式8数据挖掘傻瓜兼专家型的挖掘工具–图形化界面,可视化操作–丰富的挖掘算法支持:回归、聚类、决策数、时间序列、神经网络等–提供数据挖掘结果评价工具:提供通用的数据挖掘评价的架构,可以比较不同的模型效果;预报各种不同类型分析工具的结果–对数理统计经验不太多的使用者,能够按照固定的模式成功的进行数据挖掘;对于有经验的分析专家,提供精细的调整分析处理过程9两级经营分析系统比较移动集团分析系统省公司分析系统数据源1.集团级BOSS系统2.各省公司经营分析系统3.全国范围的外部数据源1.本省BOSS细节数据2.本省外部数据源抽取策略1.数据抽取频率低2.数据通过广域网传递1.数据抽取频率高2.数据通过局域网传递存储粒度1.数据存储粒度大2.大客户群划分为全国范围3.地域维最小粒度为省1.数据存储粒度小2.大客户群划分为全省范围3.地域维最小粒度为省内地区分析角度1.服务质量分析针对省公司2.业务分析是省间异地受理分析3.无代理商分析/热点小区分析1.服务质量分析针对各营业厅/员2.业务分析主要是省内受理分析3.有代理商分析/热点小区分析目录移动公司需要经营分析系统神州数码经营分析系统解决方案大客户分析系统案例示意大客户流失分析1、主题划分2、数据集整理3、分析模型简介4、分析过程5、分析结果1主题划分1.1流失大客户原因分析–分析流失的大客户一般具有分析特征1.2潜在流失大客户预测–符合流失大客户特征的群体有多大规模?–每个大客户流失的概率有多大?1.3挽留措施评价–用什么措施能够组织大客户流失的局面?–计划推出的措施的投入-产出比如何?1.4代理商评价–代理商在发展大客户方面的业绩如何?2数据集整理2.1数据属性选择–选择哪些属性来分析大客户?2.2数据属性分布–对于选择的属性,它们的数据分布如何?2.3数据抽取–抽取的策略2.4数据转换–数据量纲的统一化处理2.1数据属性选择通话属性客服属性数据集属性全集营帐属性客户基本属性(人文属性)客户id年龄性别职业入网时长基本业务增值业务种数代理商id月平均通话时长月平均长途时长月平均通话频率月平均长途频率漫游次数投诉次数月平均消费2.1数据属性选择数据属性选择方法–灰色聚类确定评价任务选择评价指标分析评价指标指标合理性分析指标重要性分析不合理一般很合理一般不重要很重要给出任务的评价结论2.1数据属性选择高类区间中类区间低类区间)1,(),(),0(nmdminjij*11minjijd1122.1数据属性选择ijijijijijhighdddddf~,1~,~~,0)~(ijijijijijijijijmiddleddddddddf~,0~,~~,1~,~~,0)~(_ijijijijijlowdddddf~,0~,~~,1)~(图2图3图42.1数据属性选择年龄一般月平均长途频率重要性别重要漫游次数不重要职业一般投诉次数不重要入网时长重要月平均通话频率重要基本业务不重要月平均长途时长重要增值业务种数一般月平均通话时长重要代理商id一般月平均消费重要2.2数据属性分布–重要属性分布:性别、通话频率,通话时长、长途频率、月平均消费2.3数据抽取避免孤立点样本属性均值线属性偏差孤立点异样点2.4数据转换量纲统一类型统一度量统一规则统一3.1分析模型简介神经网络模型123456输入输出隐含层误差控制模型调整速度模型质量3.2分析模型简介关联规则)()()()()()(supBBA)ifwhat(BA),(supAPBAPABPconfidenceBAPportfBAconfidenceportBA置信度支持度,这里流失,不流失是一个结论集合是一个条件集合,而3.3分析模型简介决策树大客户群体条件1客户群体1客户群体2条件2条件3…………4分析过程流失大客户特征分析潜在流失大客户群体预测潜在流失大客户群体挽留措施评价代理商评价4.1大客户流失分析的环境软件–数据仓库服务器:IBMDB2–多维数据库:IBMEssbase–数据挖掘工具:SASEnterpriseminer数据–某省移动公司8个月BOSS系统数据4.2数据挖掘设计过程5.1分析结果什么样的大客户是潜在预流失大客户?支持度(%)可信度(%)强关联规则2.1353.61在网月单位==流失2.4557.383在网月单位&1h==流失2.3650.152在网月单位&1t==流失1.8558.116在网月单位&1t==流失1.4752.822在网月单位&1h==流失1.3363.76在网月单位&1h==流失1.1353.741t&11在网月单位==流失150.362在网月单位&2h==流失0.8758.651h&11在网月单位==流失2.4357.243在网月单位&1t&1h==流失5.2分析结果潜在
本文标题:神州数码移动决策支持系统BI交流文件(经营分析)
链接地址:https://www.777doc.com/doc-3722901 .html