利用数据仓库系统提升企业竞争力

1、13经营分析系统在省公司的优秀应用案例经营分析系统在省公司的优秀应用案例2经营分析系统具体介绍经营分析系统具体介绍5经营分析系统发展展望经营分析系统发展展望4系统建设、应用经验分享系统建设、应用经验分享6总结总结123456IT IT系统概述系统概述公司概述公司概述 1998年成立，财富500强2007年第180位 2007年营业额3569亿，EBITDA是1940亿元人民币2007年用户数达3.69亿户网络管理系统(NMS)ERP/MIS系统业务支撑系统搭建数据平台形成统一数据视图纳入BOSS系统数据源分析功能建设为主专题推广开发了9大OLAP主题应用初步与支撑系统BOSS系统构成业务互动2

2、006200520042003经营分析经营分析1.01.0经营分析经营分析1.51.5通过数据集市完成对“地市信息化”工作的支撑全面支撑数据业务、集团客户、渠道、位置分析等功能引入新的数据源通过营销管理平台的建设，提升市场一线支撑能力完成运营性质转型，凸现系统应用价值2007IVR语音提升数据质量丰富业务功能引入数据集市建立两级数据仓库信息门户经营分析经营分析2.02.02008提升系统业务能力，满足各业务部门发展需求纳入中央基地平台数据建立信息门户，扩展系统使用范围深化数据集市应用，提升专项业务应用能力完善经营分析数据质量管理系统，提升数据管理能力建设数据业务深度运营平台精准化营销NG-BA

3、SS1.0NG-BASS1.0增强元数据及数据质量管理加强数据管理的总控能力，实现集团公司的规范项目如集团客户、渠道、增值业务等内容的建设，同时支撑省内的需求增加新数据源网络信令数据，更好的进行实时营销增加客户分析及运营模块，打造以客户为中心营销及服务2009完成数据仓库建设初步建立应用环境搭建数据集市，向地市分公司延伸基于元数据，建立数据质量管理系统建立一级经营分析系统，形成两级架构建立经营分析门户，促进“全员经分”建立部门数据集市完善营销管理平台，将经营分析数据纳入日常生产环节提出“信息穿越”，解决一线员工信息访问要求纳入信令数据，初步建立企业级数据仓库 代办商销售分析, 抑制了套取企业商

4、业利益 SP群发垃圾彩信分析，有效控制了了欺诈用户行为个性化营销和欠费风险控制不断提升客户服务的满意度为客户满意度调查提供详细分析数据数据汇总能力极大提高，实现财务报表按天汇总，财务监管能力不断增强市场经营分析已经成为各个层级公司进行市场竞争不可或缺的工具手段网络分布分析是公司维护部门开展网络优化的基础数据 提升了我国在数据仓库领域研究和应用的发展水平，积累了国企信息化发展的宝贵经验 带动了移动通信数据仓库产业链的发展，促进相关行业蓬勃发展 与北京大学进行合作, 建立了产、学、研相结合的创新研发体系，建立了人才培训基地，为国内数据仓库领域培养了大量人才，提升了企业的技术创新能力借助分级式数据仓

5、库理论方法，解决了4000TB数据仓库的建设方法问题通过标准化的数据仓库逻辑模型，统一了数据仓库的基本结构基于CWM标准，使用元数据建立了数据质量管理系统通过业务主题分析，大量部署了OLAP技术的使用范围借助营销管理平台等手段，将经营分析成果嵌入日常工作流程提出了地市数据集市，为地市分公司提供了全面的数据应用支撑部分数据挖掘技术取得初步成效13中国移动经营分析系统概述中国移动经营分析系统概述经营分析系统在省公司的优秀应用案例经营分析系统在省公司的优秀应用案例5经营分析系统发展展望经营分析系统发展展望4系统建设、应用经验分享系统建设、应用经验分享6总结总结12345 以嵌入层、功能层、接入层的划

6、分方式，明确了经营分析门户的功能框架，使逻辑架构更加清晰易读 界定门户采用Portlet方式开发建设，在符合业界标准的基础上，提升了经营分析门户的可扩展性 提出经分门户所采用的技术方向和开发标准，有助于指导各省进行经营分析门户建设 明确经营分析门户与业务支撑网4A管理平台之间的关系，以及门户认证、用户、权限管理在4A管理体系下的功能实现内容 从应用场景、使用对象的角度，勾勒了经营分析门户多渠道接入的不同应用方向，为实现“全员经分”奠定基础数据仓库数据集市汇总数据传送角色支撑应用业务功能应用地市数据集市应用地市数据集市应用经营分析门户经营分析门户信息推送模块门户接入浏览器手机邮件客户端 明确在整

7、体系统中的定位 强调通过统一的经分门户进行接入 通过多种接入方式满足不同角色不同水平人员的使用，向“全员经分”目标靠拢 计算资源在数据仓库和集市上的合理使用，负荷分担 明确对营销管理子系统基础功能的调用方法营销活动支撑功能产品资费管理支撑功能营销管理子系统营销管理子系统深度运营平台营销应用地市数据集市营销应用提供支撑外部渠道外部渠道系统系统营销活动执行经分互动营销管理平台营销管理平台市场营销应用营销管理子系统以数据仓库为基础，根据业务流程，通过经分互动模块与外部渠道进行通过经分互动模块与外部渠道进行交互交互，完成营销活动管理和产品资费管理工作营销管理子系统作为基础功能组件基础功能组件，为市场营

8、销应用、地市数据集市和数据业务深度运营应用平台提供营销功能支撑营销管理子系统与外部渠道系统中实现的营销活动执行环节，共同构成了营销管理平台渠道信息管理渠道信息管理与效益分析与效益分析新业务体验新业务体验营销分析营销分析定制终端定制终端销售分析销售分析 电子电子 渠道分析渠道分析省公司决策层省公司决策层地市分公司决策层地市分公司决策层省公司管理层省公司管理层省公司业务管理人员省公司业务管理人员省公司专业分析人员省公司专业分析人员地市分公司专业分析人员地市分公司专业分析人员省公司业务管理人员省公司业务管理人员省公司专业分析人员省公司专业分析人员地市分公司管理人员地市分公司管理人员省公司管理层省公司

9、管理层省公司业务管理人员省公司业务管理人员地市分公司管理人员地市分公司管理人员主题主题分析分析KPI专题专题分析分析报表报表即席即席查询查询省公司专业分析人员省公司专业分析人员地市分公司管理人员地市分公司管理人员地市分公司基层工作人员地市分公司基层工作人员渠道用户ARPU日放号量终端销售量日飞信发展用户数自营厅财务成本分析渠道业务量发展分析营业厅业务负荷分析平均佣金成本分析业务量统计报表渠道发展用户日报表有价卡统计报表号码资源统计报表渠道新业务发展查询合作伙伴业务处理查询冷号统计查询店员积分综合查询任务完成率成功体验用户数模拟体验用户数营业厅情况分析业务体验分析收费业务推广情况统计营销拉动比率

10、终端销售排名渠道销售排名渠道存货监控分析市场投放监控分析渠道销售能力分析窜货事后监控分析目标用户群行为变化分析目标用户群吻合度分析销售拉动力分析客户回访评估统计客户投诉评估统计营销活动映射视图定制终端分类视图价格波动视图客户满意度客户渗透率业务办理量占比10086热线门户网站掌上服务厅自助终端网站定制终端明细查询用户粘度明细查询业务分析用户分析免费业务推广情况统计自营厅效益评估建成了世界最大的分级式数据仓库建成了世界最大的分级式数据仓库完成两级系统的全国部署数据总容量: 4000TB开发了丰富的业务应用开发了丰富的业务应用覆盖市场经营各个领域，实现了255个业务功能模块目前系统OLAP多维分析

11、181个、报表137张、KPI指标79个、数据挖掘34个应用指标口径中定义了1173个指标在线查询时间25秒保障了系统数据质量保障了系统数据质量省级系统数据展现时间约0.5天，总部分析数据展现约1天建立了120条数据稽核规则p创新应用百花齐放。创新应用百花齐放。各省公司在数据业务营销、渠道管理、人员绩效管理、终端分析、客户服务等很多领域展开应用，优秀应用案例层出不穷。汇总的案例总共达到456项。灾区漫游客户定位：汶川地震后，项目组依托经营分析系统提供的客户位置信息，定位受灾的漫游客户，收集紧急救援信息。共完成对29193名外省漫游客户的回访工作IMEI创新应用：跟踪iPhone发展态势，深入分

12、析山寨机，把握手机市场变化趋势p 形成良好的应用氛围。形成良好的应用氛围。截止2008年9月，全国31个省市公司共有2.97万个用户在使用经营分析系统，业务部门员工使用普及率已达到79%。每月访问量约为90.1万人次，月均访问次数已达到30次/人。业务部门员工使用经分普及率不断提升1中国移动经营分析系统概述中国移动经营分析系统概述2经营分析系统具体介绍经营分析系统具体介绍5经营分析系统发展展望经营分析系统发展展望4系统建设、应用经验分享系统建设、应用经验分享6总结总结123通过研究现有套餐产品客户在呼叫通话、业务使用等各方面的行为特征，找到关键影响因子；通过营销管理平台，直接将高概率产品目标客

13、户群推送到营业厅、短信及网站等营销渠道，将产品在合适的时间、以合适的语言推荐给合适的客户，从而赢得营销机会。采用数据挖掘逻辑回归方法，训练得到预测模型，用于预测将会选择该类套餐产品的潜在用户群，并以概率形式量化之；寻找关键因子构建预测模型推送营业前台123 针对所选变量采用逻辑回归方法，训练得到拟合方程式:logit=log(P/(1-P)=aX0+bX1+cX2+其中： p代表成为飞信的概率 X0、X1、X2等代表所选的变量（影响因素） a、b、c等代表计算得到的系数 P即为计算得到的飞信活跃用户的概率实际模型：logit=log(p/(1-p)logit=log(p/(1-p) 2.187

14、8 （p代表成为飞信用户的概率）+0.1427*TRADEMARK （品牌） +0.3098*is_trademark4 （是否动感地带）-0.4207*is_age32 （年龄是否小于32）-1.2125*is_sphere3_1_11 （交往圈是否小于11）-1.3080*is_sphere3_12_15 （交往圈是否在12与15之间） -1.2624*is_sphere3_16_19 （交往圈是否在16与19之间）-1.0657*is_sphere3_20 （交往圈是否大于20）+0.4971*IS_FEIXIN_TERM （是否飞信终端）+0.000134*N_MU_L_DATE_lo

15、gi （最近定购的音乐产品间隔 log倒数）+0.0471*CMWAP_COUNTS_sqrt （CMWAP上网次数 sqrt平方根）-2.0817*N_APPLY_2_COUNTS （近两年月均产品定购次数）-1.6197*N_APPLY_2_COUNTS_cos （近两年月均产品定购次数 cos）+0.7396*N_GPRS_L_DATE7 （近7个月内是否定购过gprs产品）+0.1916*N_GPRS_L_DATE_sin （最近定购的GPRS产品间隔 sin） -0.00005*N_MU_L_C_cui （近两年月均音乐产品定购次数 立方的倒数）+0.5477*N_GPRS_APPL

16、Y_COUNTS114 （近两年月均GPRS产品定购次数）+0.000089*N_PAPER_L_DATE_logi （最近定购的手机报产品间隔 log倒数）+1.0152*N_PAPER_I_A_C_sqrt （近两年月均手机报定购次数 平方根）+2.6438*N_MAIL_APPLY_COUNTS_sqrt （近两年月均手机邮箱定购次数 平方根）+0.3913*N_SMS_A_L_D5 （最近是否定购过短信产品）-0.0558*N_B_A_L_D_curt （最近定购的商务类产品间隔 curt）-0.00002*N_A_L_D_logi （最近定购产品的间隔 log倒数）-0.00003*

17、VPMN_C_D_logi （最近定购vpmn产品的间隔 log倒数）-0.00003*NISMG_A_L_D_sini （最近定购梦网产品的间隔 sin倒数）-0.00015*N_ADD_A_C_cui （近两年月均语音增值产品次数 立方的倒数）+0.0292*SMS_MO_COUNTS_sqrt （近两年月均短信发送次数 平方根）+0.00343*GPRS_VOLUME_curt （近两年月均GPRS流量 curt）-0.00004*N_C_I_A_C_cui （近两年月均彩铃产品定购次数 立方的倒数） 模型确立后，只要数据收集完整，非常容易推广和应用到实际的营销中，由于是以概率为度量，可

18、以对营销数量进行灵活的控制 共规整收集150个变量，采用后向、逐步回归方法，逐步淘汰不相关变量，最终选择稳定的排名前20的变量作为飞信影响因素(模型输入变量)值得关注的现象： ARPU、MOU等常规用户价值度量与飞信用户相关性非常小，RFM变量则体现出其价值前台查询前台导出营销管理平台营销管理平台营销渠道营销渠道营业前台客服系统短信/彩信中心网站客户经理离网专题精细客户预测专题精细客户预测专题经营分析系统经营分析系统/BASS/BASS飞信、手机报、手机证券用户清单等直接推送目标客户删选和控制BOSS业务受理营销活动执行经营分析系统中建立精细客户预测专题，根据需要建立飞信等挖掘模型，定期生成预

19、测清单和分析报表，同时打通与营销管理平台的接口，实现专题与平台的无缝连接，通过营销管理平台直接将用户推送到营销一线成为飞信用成为飞信用户的概率户的概率飞信训练引擎飞信训练引擎营销执行营销执行自然属性类语音消费类短信消费类彩信消费类上网消费类彩铃消费类梦网行为类梦网定购类音乐产品类商务产品类手机报类语音增值类梦网行为类梦网定购类音乐产品类商务产品类手机报类语音增值类基础数据集基础数据集飞信模型飞信模型训练集训练集( (抽样抽样) )实际用户群实际用户群取概率50以上的200万用户短信第一波次群发取概率90以上的10万用户电话营销取概率70以上的100万用户用于营业厅推荐取概率60以上的150万用

20、户用于网上推荐取概率50以上的200万用户短信第二波次群发修正模型修正模型 为了与传统的营销方式效果作比对，通过选择三批不同的用户来营销，以验证模型的效果。目标用户群： 1、普通用户：随机抽取20000名未开通飞信的用户； 2、常规营销用户：近三月月均短信在100条以上、没有短信包月套餐，且定制GPRS5元套餐的非飞信用户20000名（此为以前用于飞信营销的目标用户口径）。 3、模型预测用户1：飞信预测模型预测概率30%-50%的用户随机选取10000名； 4、模型预测用户2：飞信预测模型预测概率50%-100%的用户随机选取10000名样本数量：60000外呼营销时间：2008年8月下旬至9

21、月上旬 上表显示了实际营销情况，可见采用预测模型选择的用户最终活跃比例上表显示了实际营销情况，可见采用预测模型选择的用户最终活跃比例比常规营销手段提升比常规营销手段提升96.6%，说明比常规手段发展的用户具备更强的业务，说明比常规手段发展的用户具备更强的业务粘着度，表明了该预测模型对于提高营销效率的重要意义。粘着度，表明了该预测模型对于提高营销效率的重要意义。目标用户目标用户总调查量总调查量接通电话接通电话成功成功成功率成功率活跃用户活跃用户活跃率活跃率失败失败不感兴趣没不感兴趣没朋友用朋友用不感兴趣喜不感兴趣喜欢欢QQQQ不能上网没有不能上网没有电脑电脑其他原因其他原因合计合计普通用户普通用

22、户2000020000897489741216121613.55%13.55%1061068.72%8.72%988988429429315031503191319177587758常规营销用常规营销用户户2000020000904790472426242626.82%26.82%30830812.70%12.70%92392311061106197419742618261866216621模型预测用模型预测用户户1 11000010000468746871059105921.58%21.58%21821820.59%20.59%81181146346311701170118411843628

23、3628模型预测用模型预测用户户2 21000010000497949791450145029.12%29.12%36236224.97%24.97%7477478548548748741054105435293529彩铃交叉销售模型彩铃交叉销售模型（分类预测模型，与彩信增量原理类似） 在模型选取的296296个个数据项中，共有6868项项最终成为彩铃使用倾向性的打分依据，最关键的数据项列举如下：三个月平均声讯台业务使用次数三个月平均声讯台业务使用次数 、三个月平均音信户动业务使用次数、三个月、三个月平均音信户动业务使用次数、三个月平均语音普通业务使用次数平均语音普通业务使用次数 、三个月平均

24、梦网彩信业务使用次数、三个月平均、三个月平均梦网彩信业务使用次数、三个月平均网内主叫通话关联号码开通彩铃数、三个月平均日间网内被叫普通通话次数网内主叫通话关联号码开通彩铃数、三个月平均日间网内被叫普通通话次数 利用彩铃交叉销售模型结果，对彩铃高倾向性的客户实施营销推广利用彩铃交叉销售模型结果，对彩铃高倾向性的客户实施营销推广联系客户数销售数成功销售率目标客户76%随机客户组158720312.79%大规模推广之前，进行营销效果检验：大规模推广之前，进行营销效果检验：成功销售率达到之前的2.95倍倍 在确保营销效率后，从在确保营销效率后，从2 2月起实施大规模彩铃交叉销

25、售月起实施大规模彩铃交叉销售 ， 2 2月月7 7月用户数发展情况如下：月用户数发展情况如下：500400200客户数（万客户数（万)26728132637441303月月04月月05月月06月月07月月02月月300423100意义：意义：1 1、随着近几年移动通信行业的高速发展，市场竞争也越来越激烈。面对竞争，需要从多个方面来、随着近几年移动通信行业的高速发展，市场竞争也越来越激烈。面对竞争，需要从多个方面来提高企业的核心竞争力，其中很重要的一个方面就是提高科学决策的能力；提高企业的核心竞争力，其中很重要的一个方面就是提高科学决策的能力；2 2、客户分群（、客户分群（Customer Se

26、gmentationCustomer Segmentation）是市场研究人员的重要分析工具，它通过帮助企业从）是市场研究人员的重要分析工具，它通过帮助企业从客户的角度去划分市场结构，从而丰富企业的市场营销手段并提升企业对客户产品使用行为的理客户的角度去划分市场结构，从而丰富企业的市场营销手段并提升企业对客户产品使用行为的理解；解；3 3、通过数据挖掘技术实现客户分群，有助于移动通信企业了解不同庞大的客户群体的消费行为和、通过数据挖掘技术实现客户分群，有助于移动通信企业了解不同庞大的客户群体的消费行为和真实需求，针对不同客户群体制定针对性的营销方案，从而在市场竞争环境中更加有效地保育和真实需求

27、，针对不同客户群体制定针对性的营销方案，从而在市场竞争环境中更加有效地保育和发展客户；发展客户；目标：目标：1 1、识别用户，了解重要用户特征；、识别用户，了解重要用户特征； 2 2、为新业务或新产品寻找可能的目标市场；、为新业务或新产品寻找可能的目标市场；3 3、优化现有产品和服务的设计；、优化现有产品和服务的设计；4 4、寻找新产品或服务的机会；、寻找新产品或服务的机会；5 5、树立更好的品牌或公司形象；、树立更好的品牌或公司形象；群类别群类别序序号号群名称群名称集团集团可能可能性性数据数据业务业务用量用量价值价值漫游漫游长途长途用量用量1 简单语音型高低6 业务联系型高12 青春校园型高高4 低频主叫型低2 被动接听型低3 高端稳定型高9 高端增长型高11 高端消退型高5 年轻白领型高14 时尚消费型高高7 低端国内商旅型比重高8 省内商旅型高10 高端商旅型高高13 国际人士型高高