电信企业数据分析系统的现状及未来发展探索

山西焦煤科技2 0 0 7 第9 期 进行法治控制，排斥绝对权力，做到权责相符。但很 多企业都存在着这样一些漏洞。如：职权界定不严 格，边界不够清晰，存在着模糊区域；权力过于集中； 权力制衡不够；权责不对等。其次是监控制约手段方 面的原因。人事风险的产生既有制度层面的原因，也 有操作层面的问题。有好的制度而无有效的措施和 手段，制度同样不能落到实处，不能发挥应有的作用。 4 防范人事风险的对策 1 ) 正确认识人事风险，增强防范意识。人事风 险必须通过内力和外力共同来抑制和防范。内力是 指当事人本身具有的自治、自律的约束力，它受个人 的世界观和价值观影响。改造人的主观世界，增强自 我约束能力，必须提高人的道德和自身修养。 2 ) 加强企业文化建设，营造防范风险的氛同。 利用文化的同化力和人的从众心理，通过营造遵守法 纪、减实守信、公廉为荣，私贪为耻的文化氛围，筑一 道无形的心理防线。山西汾西矿业集团公司利用多 种形式，组织多项活动提高党员干部的政治素质。充 分利用大案要案和典型案件，进行深入剖析，总结教 训；组织该集团公司中管人的、管钱的、管物的中层干 部赴山西省警示教育基地“眄省女子监狱”警示教 育活动。为了扩大影响还召开了专题会议，会上要求 广大党员干部，加强政治、法律知讽的学习，知荣明 耻，树立正确的世界观、人生观、价值观和权力观。 3 ) 完善法人治理结构。防范人事风险必须构筑 起道德、法制两道防线，还必须从制度和机制上解决 认识风险的问题。首先，要完善企、I k 的内部结构和管 理机制。其次，要严格界定权力边界，防止在任何岗 位、任何人身上出现有权无责或有责无权的现象，既 要杜绝绝对权力，又要清除权力真空。权力界定重点 是经营决策权、资产配置权、资产处置权、利益分配 权、人事任免权。界定内容包括权限、权力关系、权力 运行规则、相应的责任及业务。通过权力界定使企业 内部各种利益集团、各个层次之间形成一种相互监 督、制约和激励的关系。 4 ) 强化企业内部的监督制度建设。重点解决两 个问题：一是避免监督者和被监督者形成利益共同 体；二是使监督者彻底摆脱对被监督者的依附，能够 万方数据 山西焦煤科技2 0 0 7 第9 期 2 数据分析系统的应用 分析系统可获取企业各类业务数据，并在中央数 据仓库以关系数据库模型进行有机组织，最终向企业 提供内容卞富、形式多样的分析应用。其中主要包括 企业K P I 指标展示、O L A P 多维分析、定制报表、专题 分析等多项应用。数据分析系统面向营销支撑的探 索 数据挖掘应用以以下客户流失预测案例进行说 明。目前的国内电信市场竞争非常激烈。以五百万 客户数为例：每月o 5 的客户流失率相当于每年要 补足三十万流失的客户，电信企业的“客户流失预测 分析专题”是利用数据挖掘技术，实现与客户的及时 沟通，避免客户流失带来的营收损失。 在项目实施遵循数据挖掘方法论的5 个阶段 ( 即：定义业务问题范围、选择和抽样、探索型收据分 析、建模和实施) ，采用的挖掘工具是w a r e h o u s eM i n - ”，其最大特点是“数据库内”( i n d b s ) 挖掘，性能 高，同时有效避免了数据不一致的问题。 1 ) 定义业务问题范围，客户流失可分为主动流 失( 主动束销号) 和被动流失( 被局方拆机) ，将目标 锁定在预销和预拆的客户群。 2 ) 数据准备。数据准备阶段包括数据清洗和预 处理、物理数据模型( P D M ) 、数据的抽取转换和加载 ( E T L ) 以及选择抽样。通过理解从客户入网到流失 蘩个生命周期内的业务流程和相关要素，从数据仓库 中抽取了流失基础客户群、客户基本资料、客户缴费 资料馐：户投诉资料、客户账单、客户通话资料等信 息，在此基础上，进行离散化形成标志字段，这样，就 可以用决策树算法来进行预测分析。 该企业目前满足限制条件的客户数为Y 万，从 中随机抽样出Y 3 万作为训练集，Y 3 万作为验证 集，Y 3 万作为测试集。 3 ) 探索型数据分析( 数据探索) 。在数据分析 过程中，常用可视化的工具或统计分析等方法来展示 及探索( E x p l o ”) 各个变量对客户流失的影响，包括 H i 8 l o g m m 、F r e q u e n c y 、值分析、相关分析等，然后将区 分强度的变量作为客户流失的特征引入到模型中。 4 ) 建模。通过探索型数据分析，把所有数据准 备好之后，采用决策树算法来预测客户的流失倾向。 决策树方法可以建构出合乎逻辑且易解读的决策规 则( D e c i s i o nm l e s ) 。D e c i s i o nn 将已有的数据转化 成有效的资源及知识，并以逻辑性的树状图解释，供 进一步的策略分析或决策。 应用数据挖掘工具建立客户流失预测模型，训练 样本数为Y 3 万，模型精度为9 6 2 。 5 ) 模型发布。客户流失预测分析模型中，决策 树的输出结果会产生多个客户的流失群组。 模型发布后，其精度会随实际情况的变化而逐渐 退化，因此，需要定期进行模型评估，当精度显著下降 时，应重新调整训练模型，以保持模型的有效性。 6 ) 模型评估。流失客户预测模型评估的内容包 括模型的准确率和L l 兀。当月的目标客户人数为 1 7 0 余万人，其中流失人数为9 万余人，流失率为 5 2 9 。 a ) 命中率 图2 模型的命中率图 “6 2 “。”1 器。”“” 图3 模型的U F l 图 x 轴：按流失倾向评分从大到小排序后的客户占 目