数据仓库在移动通信企业经营分析系统中的应用

2 数据处理方案的选择

对于移动通信企业而言，数据仓库的实施是对移动经营分析管理的一次提升，因此要谨慎地选择适合需要的数据仓库数据处理与分析产品。目前主流数据仓库的数据处理专业工具有：CA，NCR，IBM，Informix(IBM)，Oracle和SAS。

经过采样测试和对用户的调查，SAS效率较其他工具高，ETL的效果较好，适合经营分析领域的数据处理。在国际学术界有条不成文的规定：凡是SAS统计分析的结果，可以不说明算法。通过对SAS 8.0的使用，发现SAS的人机对话界面很友好，既可以通过编程进行数据的处理，也可以通过在对话框选择命令来间接得到数据处理代码。但SAS数据处理的劣势是它的数据仓库是一种比较落后的数据集模式。

由于SAS数据处理的效率性能和相关功能及对经营分析的针对性都优于其他专业工具。最终决定选择SAS作为数据处理的工具，为弥补SAS数据库技术的落后，数据仓库的存储还是采用最流行的Oracle。

3 数据分析方案的选择

市场上流行的主要有Cognos，Business Objects，Brio等数据仓库前端分析工具。对于移动通信企业经营分析系统，除了要有基本的旋转、切片、钻取功能等OLAP功能以外，关键是有功能强大完整的Web端。Brio可以支持Web／Intranet环境，并且报表生成速度快，支持多种数据导出格式，如excel，pdf，txt，html，csv等。其离线分析方式也保证了经营分析系统的性能不会受到用户的增加而减弱。Brio在这些方面比较合适企业经营分析系统的要求，所以我们选择Brio作为移动通信企业经营分析系统的数据分析工具。

4 经营分析系统中数据处理的实现

一般来说，在企业构建分析型系统之前，都会已经存在若干的业务系统。来自这些系统的数据代表了企业目前的业务状况。这些数据一般是高粒度的，即达到非常细节的程度(例如移动通信行业里面的详细通话记录等)。来自移动业务系统的实时数据是企业数据仓库的最重要的数据来源，但是，在这些数据进入数据仓库之前，必须经过抽取、转换、加载等多个工序的处理。

典型的数据抽取接口包括数据库接口和文件接口，对于不同的数据平台、不同源数据形式、不同性能要求和业务量的源数据以及不同数据量的源数据，采取不同的数据抽取接口。数据转换是指从业务系统中抽取的源数据根据数据仓库系统模型的要求，进行数据的转换、清洗、合并、拆分、汇总等处理，保证来自不同系统、不同格式的数据的一致性和完整性。数据加载就是将从数据源系统中抽取转换后的数据加载到数据仓库系统中。数据加载策略要考虑加载周期以及数据追加策略方面的问题。

对于数据的抽取与转换过程中发现的错误数据，在加载到数据仓库的同时，打上错误数据的标签，并结逻辑上集中存放。

目前，移动通信行业已经建立起自己的BOSS(Business Operation Support System)系统，对自身的计费系统和客户服务系统等专业业务系统数据进行了整合。这就是经营分析主要的数据源。

经营分析数据处理的意义在于通过处理，一方面提高数据的质量；另一方面，使数据从适应业务系统(OLTP)的数据模式转换为适应分析系统的数据模式。

5 经营分析系统中数据分析的实现

数据分析技术是建立在一定的数据基础上的，进行分析的方法通常包括：OLAP分析、数据挖掘、统计分析、联机挖掘(OLAM)等。需要说明的是，数据分析技术不一定要建立在数据仓库基础上，但有了数据仓库，数据分析的效率和能力将大大提高。

移动通信企业经营分析系统分析部分的逻辑结构主要分三部分：服务器，其中包括网络应用服务器与查询服务器两个模块；以Client／Server方式的客户端；以Web方式的客户端。

网络应用服务器可以让客户在网上查询、集中管理客户、报表的安全性和可适应得报表。查询服务器按照预定时间自动进行查询处理并通过E-mail、网络、打印机和Web分发报表。

移动通信企业经营分析系统的主界面显示的是近一季度全公司各种业务的业绩水平。具体的分析主题可以通过主界面进行一些功能模块选择，主要分为长话流向分析，时段分析，消费水平分析3个功能模块。

通过对各种角度的需求分析，总结分析内容的一般细化方法。主题的划分实际上与分析内容的范围直接相关，主题划分清楚后，下一步就是细化分析以及根据分析内容的性质确定它在数据仓库中的位置。通常维元素对应分析角度，而度量对应分析关心的具体指标，在数据仓库中体现在话费数额，通话张数，通话时长等方面。一个指标究竟是作为维元素、度量还是维属性，取决于具体的业务需求，但从实际操作中可以总结出如下的概念性经验：作为维元素或维属性的通常是离散型的数据，只允许有限的取值；作为度量的是连续型数据，取值无限。如果一定要用连续型数据作为维元素，则必须对其按取值进行分段，以分段值作为实际的维元素，就像为了取消费水平为维元素，就对客户群的消费水平进行分段。判断分析指标是作为维元素还是维属性时，则需综合考虑这个指标占用的存储空间与相关查询的使用频度。需要强调的是，在细化分析内容的过程中，务必解决指标的歧义问题。在不同报表中以及在业务访谈中同一名称的指标，是不是在同样条件限定下，通过同样方法提取或计算得到的，它们之间的相互关系是什么，这些问题都必须从熟悉业务的分析人员那里得到准确、清晰的答案，否则将影响到模型设计、数据提取、数据展现等多个方面。

6 结语

本文分析和探讨了在移动通信企业中建立基于数据仓库的经营分析系统的若干问题，并进行了相关的设计。但讨论尚不全面，需要在工作中继续研究。

移动通信企业日益增多的信息数据无疑是一个巨大的聚宝盆，通过对数据的不断分析研究，挖掘出更深层次的内容找出更多有价值的规律，需要企业各层面的人员共同协作、长期参与，而这给移动通信企业带来的效益也将是源源不断的。

作者：陈 宁，刘 岚

(1．广州城市职业学院 广东广州 510405；2．广州城市职业学院 网络与教育技术中心 广东 广州 510405)

来源：现代电子技术