1、電信企業數據倉庫的設計和應用漆晨曦編者按: 競爭的加劇使得營銷能力成為決定電信企業競爭力的最重要因素，也使得數據倉庫作為營銷決策分析支撐的手段日益盛行，如何設計數據倉庫、數據倉庫上可以展開哪些應用、如何展開等成為電信企業迫切需要解決的問題。本期的這一組文章將圍繞數據倉庫在電信企業的應用展開深入的闡述，同時也是對上述問題的解答。數據倉庫技術在電信企業的盛行是電信行業競爭的必然結果。競爭使得企業的營銷能力成為決定企業競爭力的最重要因素，而營銷能力則建立在對客戶的購買行為、消費行為、服務要求、營銷參與等方面信息的收集、整合、存儲的數據基礎和分析基礎上。為了收集和整合客戶購買、消費、服務、營銷等方面的

2、海量數據，數據倉庫必然地進入電信企業的采購單，比如某電信企業有千萬級的電信客戶，每個客戶每月幾百次的本地電話和上百分鐘的長途電話，上TB級的數據使得原來的數據存儲、分析方法和處理能力力不從心，“倉庫”的概念隨之被引進數據存儲過程中。簡單地說，數據倉庫就是為了保證數據查詢和分析的效率，按照主題將所有的數據分門別類進行存儲，需要的時候，再按主題提取數據并進行了進一步的分析處理。構建電信企業數據倉庫目前，電信企業數據倉庫的應用一般集中在經營分析和營銷決策支撐兩方面。一方面數據倉庫從營業、計費賬務、渠道、客服中心等生產、管理系統獲取市場經營的所有相關信息，經過整合、清洗等環節，按主題存儲，形成企業內部

3、有關市場經營的統一數據平臺，通過查詢、報表、多維分析等方式提供給數據分析用戶和營銷決策人員; 而另一方面，數據倉庫根據客戶交互系統的需求，經過分析或挖掘，將客戶異常消費、流失客戶預警、營銷活動目標客戶等信息反饋到各客戶接觸系統，供營銷經理、營業員、客服人員對相應客戶提供針對性營銷和服務(數據倉庫與電信企業其他生產管理系統之間的關系見圖1)。1數據倉庫的建設目標數據倉庫的建設目標之一，是采集企業內部生產管理系統所有市場經營相關的數據源，包括客戶背景資料、產品或套餐購買行為、消費資料、客服交互行為、繳費行為等方面的信息，對其進行規范和整合，然后按業務、客戶、競爭、營銷活動及數據挖掘等主題，將數據按

4、數據集市的形式存放，并提供多維報表和挖掘工具，為分析人員提供統一的數據平臺和分析平臺，解決此前分析人員所面對的數據分散、口徑不統一、分析工作缺乏延續性等問題。數據倉庫另一個建設目的是提供營銷決策支撐，即在客戶級數據查詢或挖掘的基礎上，將符合某種條件或具備某種特征的客戶（用戶）清單下發到各營銷渠道，為客戶經理執行針對性營銷策略提供決策依據。2數據倉庫的用戶在電信企業中，數據倉庫的用戶主要是電信企業市場經營管理和執行人員，包括公司領導、市場主管、分析人員和營銷人員四個方面，各用戶使用的主要功能有所區別（如圖2所示），比如公司領導主要以定制報表的方式為主; 市場主管則不僅要使用定制報表，還要大量使用

5、多維分析; 分析人員除了定制報表、多維分析之外，會更多地利用系統提供的數據平臺進行具體的專題分析甚至數據挖掘; 而營銷人員則使用分析系統向營銷渠道提供的客戶（用戶）監測信息。3數據倉庫的功能和數據源從一個全省范圍的電信企業市場經營管理職能來看，省公司層面的職能主要是以產品管理和營銷決策管理職能為主，地市分公司則以客戶營銷的執行職能為主，因此，作為電信企業經營分析和營銷決策支撐的數據倉庫，它的功能是以產品、客戶分析為主線，配合競爭、營銷活動兩條分析輔線，最終形成企業的市場經營概況（系統的業務功能見圖3）。在數據源方面，數據倉庫需采集企業內部有關市場經營活動的客戶資料、各類業務計費資料、客戶服務資

6、料及其他競爭信息，在有效整合的基礎上，分主題實現對經營分析、客戶營銷決策支撐。因此，需采集的數據源應包括客戶資料、計費賬務信息、客戶服務信息、網間結算信息及其他信息，如網管、資源管理、統計、計財等報表，以及外部社會經營環境、競爭對手信息。4數據倉庫的需求設計電信企業數據倉庫項目的成功與否，很大程度依賴于它的需求設計。數據倉庫是應用導向的系統，它立足于商業應用，而非單純的技術。所以應該強調的是，數據倉庫不應該簡單地從軟硬件設備和分析工具出發，而應該在科學、有效設計其功能的基礎上，根據企業現有條件配置軟硬件設備和分析工具甚至數據挖掘工具，以開發各類應用。數據倉庫的需求設計應立足于企業的數據分析需求

7、，圍繞市場經營管理、營銷決策和執行的數據分析支撐工作來展開。需求設計主要完成三方面工作: 一是分析主題的設計; 二是分析維度和維度值的確定; 三是分析指標的確定。（1）分析主題的設計電信企業建立數據倉庫，目的主要是為企業的市場經營管理和營銷決策提供數據分析支持，因此，系統的分析主題設計應圍繞電信企業的市場經營、營銷活動的構成對象和任務來進行。參考邁克爾·波特的五大競爭力量，我們可以認為影響電信企業市場經營能力（或競爭能力）的幾大因素是企業經營的業務或產品、企業向市場提供這些業務或產品的方式（營銷活動）、企業目前所擁有的客戶、現有競爭對手，因此，產品、客戶、競爭對手和營銷活動即是我們數

8、據倉庫所要立足的分析對象，缺一不可。確定了分析對象之后，還需根據企業經營管理或營銷組織的實際需要將對象進一步細分，比如電信企業將客戶分為大客戶、商業客戶、公眾客戶和流動客戶來管理，這就需要將客戶分析的主題落到每個客戶群上，而且業務或產品的分析也一樣需要進一步細分到各專業。細化了分析對象后就進入分析主題內容設計階段。這個階段根據已細化的分析對象來設計數據分析的內容，即總結和歸納企業市場經營分析人員和營銷分析人員現在的數據分析工作，以更有效率地組織分析數據。根據經驗，各類分析對象的分析主題可以設計如下: 業務或產品的分析主題包括: 各類業務或產品發展狀況分析、發展變化趨勢分析、影響因素分析以及發展

9、預測等內容; 客戶分析主題包括: 客戶價值分析、客戶流失分析、客戶忠誠度分析、客戶信用度分析等內容; 競爭分析基于網間的話務信息來設計，包括: 競爭對手用戶發展情況、本企業用戶使用競爭對手產品情況和競爭對手用戶使用本企業產品情況等內容。 營銷活動分析則根據營銷活動的三大目的獲取客戶、提高ARPU、客戶保持以及營銷活動的三個環節營銷策劃、營銷執行和營銷評估來設計相應分析內容，一般包括: 營銷機會判斷、預期效果評估、營銷效果評估、營銷方案調整等內容。（2）維度設計數據倉庫中各主題的維度是為多維分析和定制報表而設計的，同時也要將報表數據分析過程中所經常要用到的分組組別考慮進來。設計維度時要強調有用性

10、和效率的均衡，既要涵蓋今后數據分析常用的角度，同時也要考慮到多加一個維度或維度值就意味著倉庫里數據量的成千上萬倍增長，所以必須考慮效率問題。另外，在設計每個維度的維度值時，要強調獨立性和系統性。對于某個分析對象來說，每個維度的所有維度值之間是獨立的，不能有交叉。根據經驗，數據倉庫的維度可以分為以下六大類: 時間維度和空間維度; 業務維度: 包括業務種類、流向、撥打方式、通達方式、速率等維度; 客戶維度: 包括渠道屬性、統計屬性、入網時間、客戶狀態、城鄉屬性、服務等級、行業屬性、計費類別等維度; 用戶終端維度: 接入方式、終端類型等維度; 營銷活動維度: 參加活動種類、參加活動時間等維度; 運營

11、商維度: 運營商種類等維度。（3）指標設計電信企業數據分析指標可分為兩大類。一類是基本指標，包括用戶數、通話量（或通信量）、費用（比如: 月租費、通話費、通信費、包月費等）等三個絕對指標; 另一類是衍生指標，包括平均指標、相對指標、比例指標、結構指標、比較指標。常見的電信企業數據分析衍生指標有:MOU、ARPU、單次時長、主機普及率、滲透率、市場份額、同比率、環比率、計劃完成進度等等。在設計電信企業數據倉庫某個分析主題的指標階段，指標的選擇要視前端的應用方式而定。定制報表某種程度上直接反映經營管理的結果，且涉及的維度較少、變幻的靈活性不大，因此在選擇定制報表的指標時，可以在涵蓋必要的基本指標基

12、礎上包括更多的衍生指標，而多維分析和專題分析是經營分析的一個分析環節，且涉及維度相對定制報表更多且變換靈活，在選擇設計多維分析和專題分析的指標時，應更多地考慮到系統效率問題。另外，將基本指標轉換成衍生指標對于前端分析工具來說是一件易如反掌的事情，所以建議多維分析和專題分析涵蓋所有的基本指標，而衍生指標最好不納入開發內容。數據倉庫在電信企業中的應用1常規經營分析常規經營分析，顧名思義，就是按一定周期（旬、半月或月）在格式相對固定的分析模板（根據市場經營工作的需要，通常半年或一年更新一次模板）基礎上進行的經營分析。常規分析的模式類似于每月固定格式的統計報表，但要超越統計報表。常規分析工作的目的是通

13、過固定模式的分析跟蹤市場經營發展動態，發現變化發展的趨勢，判斷其是否合理，從而發現問題并尋求引起問題的因素，最終提出解決問題的措施。電信企業的常規經營分析包括各類業務（本地、長話、數據、增值業務等）的分析、各類客戶（大客戶、商業客戶、公眾客戶和流動客戶）的分析以及競爭的分析。常規分析對于分析人員就某項專業分析經驗的積累、敏銳眼光的培養有一定意義。數據倉庫通過各個主題下的定制報表和OLAP多維報表查詢支撐常規經營分析，反過來，企業的常規分析常常是作為定制報表和OLAP多維報表查詢的需求在數據倉庫中固化并得到實現。2專題分析專題分析是根據市場經營過程中出現的熱點問題以及常規分析發現的異常情況而確定

14、需要進一步深入進行的分析。電信企業比較常見的專題分析是各種營銷活動效果分析。因為每次營銷活動目的不一樣，內容不一樣，定位的目標客戶以及參加活動的客戶都不一樣，所以每次分析的內容及模式都有所不同。專題分析沒有固定的模板，因此每執行一次專題分析需要向數據倉庫提交一次數據需求，包括多維度的數據表需求，或者客戶使用各種業務或產品的歷史消費記錄需求，而數據倉庫則是通過臨時創建的多維報表以及符合條件的客戶的歷史消費記錄來支撐專題分析工作的進行。3營銷監測數據倉庫對電信企業的營銷監測支撐工作包括: 話務異常（變動）監測、零話務監測、話務流失監測、黑公話監測、住宅商用監測以及各類營銷活動用戶跟蹤監測等等。通過

15、在數據庫中設置一定條件，比如將符合長話過網話務超過50%、網內外去話話務均為零、報告期較基期話務下降50%以上等條件的電信用戶號碼清單提交相應的營銷渠道進行流失挽留、激發話務等針對性營銷，從而實現對營銷監測工作的數據支撐。4數據挖掘目前，在電信企業，數據挖掘已經作為一個時髦的概念被追捧并廣泛演繹，但是一直到2004年，真正的數據挖掘才得到實質性的應用。數據挖掘是按企業既定營銷戰略或營銷策略目標，通過對數據倉庫中大量業務數據進行抽取、轉換、分析和其他模型化處理，揭示隱藏的、未知的或驗證已知的規律性，從中提取支撐營銷決策關鍵性數據的技術。數據倉庫何時上數據挖掘？這有賴于兩方面的條件，一是數據完整性和數據質量的日趨完善; 二是一定專業水平和積累的分析隊伍的建立。根據中華電信數據倉庫和廣東電信經營分析系統中數據挖掘的經驗，一般是數據倉庫建立兩年后，以上兩個條件基本成熟，數據挖掘工作的開展才更有效。從某種意義講，數據倉庫對數據挖掘來說僅僅是一個數據源的作用。為了更有效地在數據倉庫的基礎上開展數據挖掘工作，首