電信網(wǎng)運(yùn)營(yíng)數(shù)據(jù)挖掘方法探討

1、電信網(wǎng)運(yùn)營(yíng)數(shù)據(jù)挖掘方法探討    【摘要】文章首先闡述全業(yè)務(wù)運(yùn)營(yíng)對(duì)運(yùn)營(yíng)商的傳統(tǒng)運(yùn)營(yíng)數(shù)據(jù)分析方法提出挑戰(zhàn)，然后具體分析網(wǎng)絡(luò)運(yùn)營(yíng)數(shù)據(jù)挖掘的工作流程，并進(jìn)一步提出其在尋找目標(biāo)用戶、新業(yè)務(wù)增長(zhǎng)點(diǎn)等方面的應(yīng)用思路。實(shí)踐證明，該方法可在較短時(shí)間內(nèi)向市場(chǎng)、客服等部門提供有效信息，有力支持和推動(dòng)業(yè)務(wù)發(fā)展，對(duì)電信運(yùn)營(yíng)管理有較高的參考價(jià)值。【關(guān)鍵詞】電信網(wǎng)運(yùn)營(yíng)管理數(shù)據(jù)挖掘用戶行為業(yè)務(wù)增長(zhǎng)點(diǎn)話務(wù)模型全業(yè)務(wù)運(yùn)營(yíng)時(shí)代，三大運(yùn)營(yíng)商不斷提升網(wǎng)絡(luò)質(zhì)量，力圖充分發(fā)揮全業(yè)務(wù)網(wǎng)絡(luò)優(yōu)勢(shì)，針對(duì)不同用戶群提供范圍更廣、內(nèi)容更豐富的業(yè)務(wù)，以提高用戶滿意度、增加用戶黏性，并進(jìn)一步增加收益。本文重點(diǎn)研究

2、了如何運(yùn)用數(shù)據(jù)挖掘的思路和方法，掌握不同網(wǎng)絡(luò)的運(yùn)行特點(diǎn)以及不同用戶群的業(yè)務(wù)使用特點(diǎn)等信息，來支撐網(wǎng)絡(luò)的維護(hù)管理、目標(biāo)客戶的發(fā)掘以及新的業(yè)務(wù)增長(zhǎng)點(diǎn)的發(fā)現(xiàn)等，從而提升運(yùn)營(yíng)效率和效果。1全業(yè)務(wù)集中運(yùn)營(yíng)對(duì)信息的需求目前，三大運(yùn)營(yíng)商均已在一定程度上實(shí)現(xiàn)全業(yè)務(wù)的集中運(yùn)營(yíng)，如何利用新的網(wǎng)絡(luò)架構(gòu)和運(yùn)營(yíng)模式，及時(shí)掌握各項(xiàng)業(yè)務(wù)的使用情況，挖掘新的業(yè)務(wù)增長(zhǎng)點(diǎn)，快速鎖定目標(biāo)客戶，搶占市場(chǎng)先機(jī)，無疑是運(yùn)營(yíng)商迫切需要解決的問題。在這種情況下，傳統(tǒng)基于網(wǎng)絡(luò)網(wǎng)元的粗粒度運(yùn)營(yíng)數(shù)據(jù)分析，如單純的話務(wù)量、通話時(shí)長(zhǎng)、掉話率等的分析，無法滿足要求。必須有新的分析方法為網(wǎng)絡(luò)運(yùn)營(yíng)提供更加豐富的信息支持，如哪些業(yè)務(wù)是熱點(diǎn)業(yè)務(wù)、哪些業(yè)務(wù)是僵尸

3、業(yè)務(wù)，哪些用戶是高流量用戶、哪些用戶是休眠用戶、不同業(yè)務(wù)的忙時(shí)時(shí)段分別是什么、不同類型區(qū)域的話務(wù)模型有何差異、同種類型用戶的使用情況有什么不同等。要解決上述問題，需要我們采用新的網(wǎng)絡(luò)運(yùn)行數(shù)據(jù)分析挖掘方法。在正常情況下，雖然網(wǎng)絡(luò)設(shè)備多種多樣，各個(gè)設(shè)備廠家的設(shè)計(jì)和實(shí)現(xiàn)方式也有所不同，但都有最基本的業(yè)務(wù)使用記錄數(shù)據(jù)，用戶每使用一次業(yè)務(wù)，就會(huì)在相應(yīng)網(wǎng)絡(luò)設(shè)備上留存有相關(guān)的記錄。網(wǎng)絡(luò)運(yùn)營(yíng)維護(hù)部門掌握著大量的網(wǎng)絡(luò)運(yùn)行數(shù)據(jù)，包括用戶的通話時(shí)長(zhǎng)、通話質(zhì)量、接入地點(diǎn)、接入方式、使用的業(yè)務(wù)、使用的質(zhì)量等，只是不同的設(shè)備，記錄的范圍和詳細(xì)程度略有差別。因此，只要確定了數(shù)據(jù)挖掘的目標(biāo)，就可以從海量的網(wǎng)絡(luò)運(yùn)行數(shù)據(jù)中挖掘相

4、應(yīng)內(nèi)容，然后通過分析轉(zhuǎn)換為有用的信息。2網(wǎng)絡(luò)運(yùn)營(yíng)數(shù)據(jù)挖掘的方法數(shù)據(jù)挖掘(Data Mining)就是“從存放在數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)或其他信息庫(kù)的大量數(shù)據(jù)中獲取有效、新穎、潛在有用的、最終可理解的模式的過程”。數(shù)據(jù)挖掘在很多行業(yè)中都有應(yīng)用，筆者從工作總結(jié)出電信網(wǎng)絡(luò)運(yùn)營(yíng)數(shù)據(jù)挖掘的過程，即從網(wǎng)絡(luò)運(yùn)營(yíng)數(shù)據(jù)中獲取有用信息的閉環(huán)的工作過程。具體步驟如下：(1)確定數(shù)據(jù)挖掘的目標(biāo)，即挖掘數(shù)據(jù)想要達(dá)到什么目的。(2)收集可用的數(shù)據(jù)源及相關(guān)資源，納入數(shù)據(jù)倉(cāng)庫(kù)，并根據(jù)需要進(jìn)行數(shù)據(jù)清洗。為適應(yīng)后期的數(shù)據(jù)挖掘需求，必須事先建立全專業(yè)跨系統(tǒng)的集中的數(shù)據(jù)存儲(chǔ)倉(cāng)庫(kù)，并不斷添加清洗后的數(shù)據(jù)。以加大WiFi業(yè)務(wù)發(fā)展力度可能帶來的影

5、響的分析為例，其涉及到的原始數(shù)據(jù)就包括分別從不同支撐系統(tǒng)獲取的用戶資料、WiFi網(wǎng)絡(luò)設(shè)備資料及業(yè)務(wù)使用量資料、用戶WiFi業(yè)務(wù)使用詳單等。這些資料中，很多信息(如用戶資料中的用戶姓名、住址等，用戶WiFi業(yè)務(wù)使用詳單中的通話參數(shù)等)對(duì)下一步的數(shù)據(jù)分析來說，屬于保密信息或無用信息，因此，需要在數(shù)據(jù)入庫(kù)前進(jìn)行數(shù)據(jù)清洗，以提高數(shù)據(jù)查詢速度，降低數(shù)據(jù)復(fù)雜度，節(jié)省存儲(chǔ)空間。(3)確定數(shù)據(jù)挖掘的模型和算法。這一環(huán)節(jié)是數(shù)據(jù)挖掘工作的核心，針對(duì)不同的數(shù)據(jù)挖掘目標(biāo)和數(shù)據(jù)特性，可以采用不同的挖掘算法建立模型，常用的挖掘分析有相關(guān)分析、回歸分析、時(shí)間序列分析、分類分析、聚類分析等。不同的分析有不同的算法模型，如決策

6、樹、神經(jīng)元網(wǎng)絡(luò)和回歸等。在實(shí)際應(yīng)用中，經(jīng)常是根據(jù)數(shù)據(jù)挖掘的目標(biāo)以及數(shù)據(jù)的特征，綜合使用上述多種建模方法。(4)抽取數(shù)據(jù)對(duì)所采用的模型和算法進(jìn)行檢驗(yàn)。如果存在問題，繼續(xù)步驟(2)(4)，直至獲得預(yù)期結(jié)果。(5)使用校驗(yàn)后的模型和算法對(duì)運(yùn)營(yíng)數(shù)據(jù)進(jìn)行挖掘分析，并將分析結(jié)果發(fā)布展示給決策者。(6)根據(jù)決策者對(duì)數(shù)據(jù)挖掘結(jié)果的使用反饋，繼續(xù)調(diào)整和優(yōu)化數(shù)據(jù)挖掘分析方法。網(wǎng)絡(luò)運(yùn)營(yíng)數(shù)據(jù)挖掘工作過程詳見圖1。3幾個(gè)有效的數(shù)據(jù)挖掘應(yīng)用思路按照上述方法，在電信網(wǎng)絡(luò)中，可以通過對(duì)不同類別用戶的使用模型和使用量信息、不同網(wǎng)絡(luò)和不同業(yè)務(wù)的使用模型和使用量信息等進(jìn)行細(xì)分，通過數(shù)據(jù)挖掘獲取有效信息。常用的應(yīng)用思路如下：3.1通

7、過數(shù)據(jù)挖掘獲取目標(biāo)用戶從用戶賬單或單從用戶業(yè)務(wù)清單進(jìn)行分析，對(duì)目標(biāo)客戶進(jìn)行尋找、識(shí)別與分類的傳統(tǒng)做法，已逐漸顯出局限性，而將多個(gè)維度的信息結(jié)合起來，效果要好得多。運(yùn)營(yíng)商可通過支撐系統(tǒng)收集靜態(tài)數(shù)據(jù)(如網(wǎng)絡(luò)架構(gòu)及位置信息、用戶的屬性信息等)和動(dòng)態(tài)數(shù)據(jù)(如用戶使用話音、數(shù)據(jù)、漫游、增值等業(yè)務(wù)的話單或清單等)，然后綜合運(yùn)用各種方法進(jìn)行數(shù)據(jù)挖掘，獲取相應(yīng)的目標(biāo)客戶。譬如，可通過話單篩選出只使用2G上網(wǎng)的用戶并進(jìn)行流量分檔，同時(shí)結(jié)合其使用地點(diǎn)的信息，進(jìn)一步篩選出移動(dòng)性強(qiáng)、流量較高的用戶，這類用戶就是市場(chǎng)部門3G業(yè)務(wù)營(yíng)銷的目標(biāo)用戶。又如對(duì)于某類用戶行為特征明顯的地區(qū)，可在網(wǎng)絡(luò)資源配置上給予不同的考慮。舉例，

8、可以通過網(wǎng)元粒度的數(shù)據(jù)分析，篩選出3G網(wǎng)絡(luò)中高流量、高負(fù)荷的基站，結(jié)合用戶上網(wǎng)清單，進(jìn)一步找到通過該基站接入且使用業(yè)務(wù)量較高的用戶，對(duì)其進(jìn)行WiFi業(yè)務(wù)的宣傳和營(yíng)銷，并根據(jù)其使用行為的變化，調(diào)整3G基站和WiFi熱點(diǎn)的資源配置，在改善用戶業(yè)務(wù)體驗(yàn)感受的同時(shí)，實(shí)現(xiàn)對(duì)資源的合理有效利用。3.2通過數(shù)據(jù)挖掘?qū)ふ倚碌臉I(yè)務(wù)增長(zhǎng)點(diǎn)在全業(yè)務(wù)運(yùn)營(yíng)背景下，除了傳統(tǒng)語音、數(shù)據(jù)接入等簡(jiǎn)單業(yè)務(wù)競(jìng)爭(zhēng)，增值業(yè)務(wù)的競(jìng)爭(zhēng)日趨激烈，各種新應(yīng)用層出不窮，誰贏得應(yīng)用的競(jìng)爭(zhēng)，誰就贏得未來。在此種情況下，對(duì)新業(yè)務(wù)、應(yīng)用增長(zhǎng)點(diǎn)的尋找和判斷，尤顯重要，通過運(yùn)營(yíng)數(shù)據(jù)的挖掘分析和獲取信息就成為一種必然。如將用戶信息、應(yīng)用類別、接入方式、用戶使

9、用情況等信息進(jìn)行關(guān)聯(lián)，對(duì)用戶進(jìn)行分類，并分析出熱門應(yīng)用，然后對(duì)用戶群進(jìn)行有針對(duì)性的宣傳和推送，對(duì)白領(lǐng)推薦理財(cái)、休閑、新聞、微博等應(yīng)用，對(duì)在校生推薦求職、游戲、交友等應(yīng)用，對(duì)月消費(fèi)能力較強(qiáng)客戶推薦交通視頻、家居監(jiān)控等應(yīng)用，諸如此類。再通過后續(xù)對(duì)用戶使用行為的持續(xù)跟蹤、分析，比較與預(yù)期設(shè)計(jì)的差距，尋找影響用戶行為的因素，在網(wǎng)絡(luò)、資源支撐能力上進(jìn)行評(píng)估，不斷進(jìn)行動(dòng)態(tài)調(diào)整，就可實(shí)現(xiàn)運(yùn)營(yíng)商與用戶的良性互動(dòng)，形成新的業(yè)務(wù)增長(zhǎng)點(diǎn)。3.3通過數(shù)據(jù)挖掘多角度全面掌握話務(wù)模型我們通常提到的某個(gè)網(wǎng)絡(luò)的話務(wù)模型，并不僅僅是一個(gè)簡(jiǎn)單的話務(wù)隨時(shí)間變化的曲線圖，對(duì)于覆蓋范圍較大的復(fù)雜網(wǎng)絡(luò)，往往還需細(xì)化成多個(gè)維度進(jìn)行分析。常

10、見的分析維度包括：(1)網(wǎng)元或地區(qū)維度。由于網(wǎng)元覆蓋范圍不同，如覆蓋辦公區(qū)、校園區(qū)、住宅區(qū)、商業(yè)區(qū)的網(wǎng)元，話務(wù)各有特點(diǎn)，相應(yīng)的話務(wù)模型也必然不同。(2)時(shí)間維度。時(shí)間維度又分為分鐘維度(通常網(wǎng)絡(luò)設(shè)備的數(shù)據(jù)采集粒度為15分鐘及以上，特殊情況也會(huì)使用更小的時(shí)間粒度，此處不討論)、小時(shí)維度、日維度、周維度、旬維度、月維度、季度維度、年維度等，不同情況需要用不同維度的話務(wù)模型進(jìn)行分析。另外，節(jié)假日或者一些特殊事件發(fā)生日，由于其特殊性，一般要單獨(dú)建立相應(yīng)的話務(wù)模型。圖2是某地移動(dòng)網(wǎng)平時(shí)及節(jié)假日24小時(shí)話務(wù)模型，節(jié)假日話務(wù)明顯增長(zhǎng)，且話務(wù)高峰后移。(3)用戶群維度。通過數(shù)據(jù)挖掘，把具有類似特征的用戶進(jìn)行分

11、群，進(jìn)而建立針對(duì)各類用戶群的話務(wù)模型。除此之外，還有很多分析維度，如流量流向維度(如長(zhǎng)途、本地或漫游通話等，或者到電信、移動(dòng)、聯(lián)通等不同運(yùn)營(yíng)商)、終端維度(如以常用的終端進(jìn)行分類)及接入方式維度(如使用2G接入方式還是3G接入方式)等?？梢愿鶕?jù)需求，在實(shí)際話務(wù)模型的建立過程綜合考慮從各種維度將搜集到的信息關(guān)聯(lián)起來，進(jìn)行數(shù)據(jù)挖掘。例如，對(duì)不同業(yè)務(wù)或不同用戶群，分區(qū)域建立日、周、月等時(shí)間維度的業(yè)務(wù)模型。圖3是某兩個(gè)業(yè)務(wù)的分地區(qū)日維度業(yè)務(wù)量模型，其中X業(yè)務(wù)屬于固定使用模式的業(yè)務(wù)，每日業(yè)務(wù)量恒定，但不同區(qū)域業(yè)務(wù)量存在差異；Y業(yè)務(wù)屬于分散業(yè)務(wù)模式，工作日業(yè)務(wù)量變化不大，周末業(yè)務(wù)高峰業(yè)務(wù)量翻倍，同樣存在發(fā)

12、達(dá)地區(qū)業(yè)務(wù)量較大的情況。通過數(shù)據(jù)挖掘，從多個(gè)角度全面掌握話務(wù)模型，就能確保在網(wǎng)絡(luò)安全穩(wěn)定運(yùn)行的前提下，更有效地利用網(wǎng)絡(luò)資源。3.4通過數(shù)據(jù)挖掘發(fā)現(xiàn)網(wǎng)絡(luò)隱患或質(zhì)量提升點(diǎn)通過數(shù)據(jù)挖掘可以及時(shí)發(fā)現(xiàn)網(wǎng)絡(luò)存在的問題。譬如在進(jìn)行網(wǎng)絡(luò)質(zhì)量分析的時(shí)候，發(fā)現(xiàn)接通率指標(biāo)達(dá)到99.9，盡管這已經(jīng)是較高水平，但網(wǎng)絡(luò)維護(hù)者不應(yīng)在此止步，而應(yīng)著眼于未能接通的0.1，通過提取通話清單，找出失敗話單，結(jié)合用戶屬性、接入方式、使用特征等方面的數(shù)據(jù)，對(duì)失敗原因進(jìn)行分類挖掘和分析，從而定位出造成0.1的主要原因，進(jìn)一步提升網(wǎng)絡(luò)質(zhì)量。4小結(jié)和建議綜上，數(shù)據(jù)挖掘的思路和方法可以幫助運(yùn)營(yíng)分析人員拓寬思路，快速準(zhǔn)確地搜尋到有用信息，在海量

13、數(shù)據(jù)中挖掘?qū)毑?，有效進(jìn)行深度運(yùn)營(yíng)支撐。筆者所在單位自2009年開始嘗試使用數(shù)據(jù)挖掘方法開展網(wǎng)絡(luò)故障分析、資源利用率分析、網(wǎng)絡(luò)性能分析及用戶行為分析，并應(yīng)用到國(guó)際港澳臺(tái)定向話務(wù)分析、WAP用戶熱點(diǎn)網(wǎng)站和熱點(diǎn)應(yīng)用分析、高端手機(jī)用戶行為分析、CDMA+Wi-Fi移動(dòng)互聯(lián)網(wǎng)分流分析等不同課題中，均能在較短時(shí)間內(nèi)向市場(chǎng)、客服等部門提供有效信息，有力的支持和推動(dòng)業(yè)務(wù)發(fā)展。當(dāng)然，數(shù)據(jù)庫(kù)結(jié)構(gòu)、數(shù)據(jù)內(nèi)容以及分析目的不同，所使用的數(shù)據(jù)挖掘模型和算法也會(huì)有很大不同，但是只要掌握這種通過挖掘來獲取有效信息的思路和方法，并在實(shí)踐中不斷積累和完善，就可以根據(jù)需要設(shè)計(jì)出科學(xué)有效的模型和算法，為工作服務(wù)。更進(jìn)一步而言，數(shù)據(jù)挖掘的效果，還依賴于數(shù)據(jù)倉(cāng)庫(kù)的不斷完善和基于數(shù)據(jù)倉(cāng)庫(kù)的上層支撐系統(tǒng)功能的建設(shè)，這些如能與企業(yè)發(fā)展要求、企業(yè)內(nèi)部流程設(shè)置等因素結(jié)合起來，將在企業(yè)運(yùn)營(yíng)中起到事半功倍的效果。