电信企业经营分析系统应用中的问题和对策(2)

3.3联机分析处理和数据挖掘的区别

联机分析处理与数据挖掘本质的区别：OLAP更多地依靠分析人员输入的问题和假设，受分析人员业务水平因素影响很大。在进行数据分析时，分析人员对业务发展情况建立一系列假设，然后利用联机分析处理技术验证假设的正确性。而数据挖掘技术能帮助企业以更全面的视角洞察客户，依靠强大的挖掘工具自动化地挖掘数据，发现隐藏在数据背后的商业机会。

4.经营分析系统的主要功能

经营分析系统的主要功能有四个，即关键指标监控(KPI)、统计报表、综合分析和数据挖掘。

4.1关键指标监控

关键指标监控是对电信企业业务指标实时的监控和预警功能。KPI借助表格和图形方式直观的展现使得管理者能以宏观的角度及时了解现有用户数量、业务收入以及和同期发展的比较，也能以微观的角度了解具体某个地区、某类业务用户的具体情况。管理者根据业务发展不同时期的情况，可以通过选择或输入的方式对关键指标的门限值进行相应设置，达到对业务发展实时监控的目的。

4.2统计报表功能

统计报表功能指在制订的统计周期之内，按市场部门的要求生成统计结果数据，进行汇总或分析处理，形成规定格式的报表图形，并向相关部门提供有关的业务预测与经营分析资料。报表生成具有很高的灵活性，支持按指定时间段自动汇总、统计各级报表数据自动生成汇总报表，支持选择各种统计元素。同时，提供报表模板，可以灵活选择特定的模版，也可自定义所需要的模版。

4.3综合分析

综合分析是基于OLAP的多维分析技术。综合分析内容包括客户分析、收益分析、业务量分析、新业务综合分析一些综合性较强的分析等。分析维度包括时间、地区、申请类型、用户性质、用户状态、通话类型、受理方式等。综合分析根据某个分析主题，选择与主题相关的维度，进行多维度分析。综合分析提供灵活多样的展现方式，常用的展现方式有：固定（预定义）报表、图表、即席查询、多维动态分析等。

4.4高级数据挖掘功能

高级数据挖掘时利用数据挖掘方法和技术，从大量的数据中寻找数据之间的关系模式。高级数据挖掘内容包括客户价值分析、业务预测、消费层次变动分析、客户流失分析、客户细分等。与前面分析不同，数据挖掘分析不是一个单步骤的分析，而是一个迭代、螺旋式上升的流程。流程包括数据准备、数据建模、模型评价和解释三个阶段。当最后阶段的模型评价解释不能达到要求时，就重新回到第二阶段数据建模阶段，甚至有时必须回到第一阶段数据准备。比如客户流失分析，数据准备阶段，获取与主题有关的所有数据，如客户状态变动、消费变动、市场竞争强度、投诉申告强大等数据和信息，然后预处理消除噪声，导出与主题关系更强的变量。接着是数据建模阶段，采用决策树、神经网络学习等方法，分析客户流失的主要特征，建立客户的流失模型，预测发现流失概率较大的客户。第三阶段是数据评价和解释阶段，对模型评分和解释，如果达到要求，就保存模型并应用所得结果于市场行动。这类分析涉及的变量数目多，变量的关系复杂，需导出主题相关的变量，数据分布缺少较强的规律性，因此分析的综合性、难度和深度比前三种分析大的多，对分析人员要求很高。如果没有对数据挖掘算法和业务的深入理解，分析的效果往往很难得到保证。

５．系统应用中出现的问题

5.1经营分析系统退化为报表系统。

在经营分析系统没有投入使用之前，市场部门往往通过向计费中心人员提出某种数据需求获取数据，利用EXCEL工具作一些简单的描述性统计分析。系统投入使用后，市场部门人员还是习惯于报表形式的分析模式，对经营分析系统承担的任务认识不够清晰。由于客户主题分析和数据挖掘方面的知识较新，市场部门对这方面的认识还处于初步的学习和了解阶段，相应的分析和从数据挖掘图表获取信息的能力还较为欠缺。具有强大分析和预测功能的经营分析系统退化为一个报表系统。