截至2015年年底，我国三大运营商的移动用户数达到13.1亿户，4G /3G用户累计达到8.09亿户，再次创下新高。三大运营商去年净利近1400亿，日均3.8亿，让网友哗然不已。从三大运营商的年度财报来看，在具体业务方面，三大运营商的数据流量业务带来的收入均已超过语音业务，成为拉动收入增长的主要动力。此外，移动互联网时代的背景之下，大量新型应用不断涌现，这又促使电信运营商从以语音收入为主的业务模式转变进入语音和流量双经营的业务模式，甚至有将语音通话费用降免的趋势。
纵观中国电信市场，产生的数据量之大，基本在TB，PB级别，这数以万计的数据如何处置，如何从中挖取可靠信息成为重点也是难点。另一方面，有限的市场及客户资源导致了愈演愈烈的市场竞争，原来的价格战、行业垄断优势、促销策略等已无法适应新形势需要。各运营商已经认识到经营中心向服务转变的发展趋势，只是客户资源以数据形式保存，如何保住现有客户，挖掘新的资源，将数据转变成实实在在的客户量和营收，说白了这数据背后的“推手角色”该由谁来上演?
Gartner Group提出，商业智能描述的是一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。利用商业智能系统深度挖掘大数据“金矿”，识别和感知用户行为，分析用户需求方向，创新商业模式和业务模式，通过为用户提供个性化、差异化的客户体验实现单位流量价值的最大化，可以形成新的具有核心竞争力的经济模式。商业智能分析能帮助电信运营商改善用户体验、优化网络质量、做好市场决策、推动业务创新，给电信运营商带来更精准的商业洞察力，提升其在价值链上的位置。
以往在部署商业智能FineBI的过程中我们发现，基于企业级数据仓库的商业智能系统在面对业务部的需求，管理及分析客户业务数据上，无论是用于企业管理还是用于精准营销，其重点主要为两个方面:
1、数据驱动：所有的分析、决策，甚至执行流程的各个细微环节都应尽量落到数据层面，包括简单的数据统计，BI数据挖掘技术的预测性结果，典型的就是各种用户数据标签或内容标签。
2、用户导向：客户资源的保留和开发是重中之重，从用户的角度出发思考问题，包括用户需求的洞察，如何基于用户需求及场景的变化去开展外部的营销推广工作，内部的运营管理工作。
落实到具体的系统部署，配以企业人员的全方位贯彻执行，BI解决的问题是直观高效的：
一、整合信息孤岛
通过BI数据仓库集中业务、计费、账务、网管、监控等应用系统数据，将原本独立的系统功能通过数据关联，按照既定的接口通过ETL调度定期更新及数据清洗完善数据仓库中的数据，通过一个整合多系统的数据源以供决策者调取，全局分析，松地进行即时商业智能分析，彻底摆脱数据孤岛的烦恼。
二、优化决策方案
电信业的客户群体庞大，产生的数据实时又海量，如何对数据进行快速处理及直观展示，并且挖掘出数据深层的价值是竞争中必须考虑的问题。采用列式存储，分布式部署的BI，在数据秒级响应的基础下，通过建立管理驾驶舱Dashboard，查看各种业务分析，竞争分析，营销监控，收益分析等。通过表格，图表，数据之间的钻取联发现影响业务的主要因素，从而及时做出正确地业务调整，人员变动的决策。
三、提升服务，减少客户流失
BI系统可以通过分析用户和业务资料，展现用户消费需求及习惯以便定制；通过用户信用度分析，通话行为分析，欠费行为分析，诈欺行为分析等提前为电信企业预警，防止欠费和欺诈等行为；通过网络性能分析、未接通呼叫分析、用户投诉分析等等来及时处理线路故障，基站覆盖少的问题，保证服务质量。
四、精准营销，降低成本
利用商业智能系统可以进行套餐服务分析、成本分析、促销分析等等，提前对各类市场营销活动的成本和收益进行评估，从而调整营销方案。
对于移动端服务，客户上网内容和客户端应用可以转化为数据模型的输入变量，借助BI的数据模型完成数据分析工作。从上网日志中提取转换后的变量包括:上网内容一级分类(阅读、游戏、音乐等)、上网内容二级分类(以阅读为例:社科科普、名著传记、科幻小说等)、上网搜索关键词等。数据模型可利用客户的这些上网行为特征，分析出营销挽留活动的目标客户，为客户提供定制化的服务，优化产品、流量套餐和定价机制，实现个性化营销和服务，提升客户体验与感知，做到精准营销。
五、优化内部人力资源管理
所谓攘外必先安内，商业智能应用于外部信息管理的同时也能协助电信企业通过制作人力成本划小分析，人员绩效考核分析，人力成本投入及回报分析来更好地管理员工，让员工产生更高的绩效。
网友评论