电信运营商大数据业务运营流程深度剖析

1、电信运营商大数据业务运营流程深度剖析1 引言2015 年，在“互联网 +”战略及创新氛围的带动下，三大运营商均已完成大？稻萦T贸【按幽诓坑T米？向外部变现的破局。2016 年以后，运营商的大数据业务正逐渐走向规模化和商业化。 在大数据业务的规模化商业化运营过程中， 运营商面临怎样的挑 战，又该如何应对，成为值得探讨的问题。本文将针对运营商的大数据业务运营全流程， 从数据资产管 理和大数据端到端业务流程两条管理制度流程， 详细剖析运营商 开展大数据业务所面临的困难， 并针对这些困难提供出优化提升 的管理建议，以期为后续大数据业务运营管理提供参考。2 大数据业务管理现状及相关理论介绍2.1 大数据

2、业务管理现状 运营商在开展大数据业务过程中通常会涉及两条流程支线： 数据资产管理流程和大数据端到端业务管理流程。如图 1 所示，在大数据端到端业务管理流程方面， 大部分运 营商已形成了前端部门收集汇总大数据需求， 后端部门与外部支 撑厂商进行大数据应用功能的具体开发实现的端到端业务管理 流程。如图 2 所示，在数据资产管理流程方面， 大部分运营商仍延 续传统的采集存储规则， 并未形成针对大数据应用的系统性的数 据资产管理流程及制度。 完整的数据资产管理是包括针对数据的 计划、规范定义、采集存储、提取使用、盘点维护、数据清除环 节在内的全生命周期管理， 而目前大部分运营商的数据管理仅包 含采集存

3、储、提取使用、数据清除环节，且现存管理制度不适应 大数据业务特征，制度有效性受限。2.2 BPMMM和数据质量管理评估维度（1）业务流程管理成熟度模型 业务流程管理成熟度模型（ BPMM，MBusiness Process Management Maturity Model ）是用来评价并提高企业业务流程 管理水平的模型，包括外部结构和内部结构。 如图3所示，BPMMM 的外部结构划分为初始级、可复用级、已定义级、可管理级和优 化级五个层级。BPMMI的内部结构则主要用于判断组织所处的成熟度水平， 并分析未来改进方向。内部结构分为成熟度级别、管理领域、关 键指标和典型行为。 内部结构将外部结构

4、的每一级别细化为战略 与组织文化、业务流程管理活动、客户关系管理、人力资源及组 织管理、知识管理和 IT 管理六大管理领域，模型进一步将每一 个管理领域划分为多个关键指标， 用于阐述在该领域所关注的业 务流程管理重点， 最后将利用各关键指标的典型行为， 区分出这 些关键指标在不同的成熟度级别中的不同表现， 从而判断这些关 键指标所处的成熟度级别。2）数据质量管理评估维度在数据质量管理评估维度中， 针对数据的改善和管理， 主要 包括数据分析、数据评估、数据清洗、数据监控、错误预警等内 容；针对组织的改善和管理， 主要包括确立组织数据质量改进目 标、评估组织流程、制定组织流程改善计划、制定组织监督

5、审核 机制、实施改进、评估改善效果等多个环节。任何改善都是建立 在评估的基础上， 知道问题在哪才能实施改进。 通常数据质量评 估和管理评估需通过以下六个维度衡量：1）完整性：完整性用于度量哪些数据丢失了或者哪些数据 不可用。2）规范性：规范性用于度量哪些数据未按统一格式存储。3）一致性：一致性用于度量哪些数据的值在信息含义上是 冲突的。4）准确性：准确性用于度量哪些数据和信息是不正确的或 者数据是超期的。5）唯一性：唯一性用于度量哪些数据是重复数据或者数据 的哪些属性是重复的。6）关联性：关联性用于度量哪些关联的数据缺失或者未建 立索引。3 大数据业务面临的困境（1）运营商大数据业务运营管理流

6、程成熟度分析 运营商普遍已形成可复用的业务运营管理流程， 部分在大数据业务领域较为领先的运营商已经建立了独立的部门甚至子公 司对大数据业务进行管理和协调， 也有少数运营商建立了大数据 业务开展的流程管理规范。 但目前各运营商的大数据业务管理规 范还较为粗放，未能全面切实地指导大数据业务的开展。并且， 仍有大部分的运营商未确定大数据业务开展的组织形式。因此， 根据业务流程管理成熟度模型， 运营商的大数据业务管理流程目 前正处于从可复用级成熟度水平向己定义级成熟度水平过渡的 阶段，管理流程水平仍有很大的优化提升空间。（2）端到端业务管理流程问题分析 运营商大数据端到端业务流程的问题主要集中在需求沟

7、通 确认、数据建模及提数环节。在需求沟通确认环节， 由于前端业务人员与后端技术人员对 数据资源的理解视角及沟通方式存在差异， 导致跨部门沟通效率 低下，进而导致需求沟通环节冗长、反复。在数据建模及提数环节， 由于数据资产定义及分级分类规范 的缺失以及数据质量管控制度的缺失， 导致提取数据无法满足建 模需求，需调整数据模型并补充提取数据。除此以外，运营商当前大数据业务需求满足流程缺乏系统的 有效支撑， 大量工作需人工手动完成， 严重影响大数据业务响应 速度。（3）资产管理流程问题分析 数据资产管理流程的问题主要集中在规范定义、 采集存储及提取使用环节在规范定义方面， 运营商普遍还未形成公司级的数

8、据资产定 义及分级分类规范， 直接导致数据开放策略、 数据采集存储策略、 数据质量管理策略无从制定， 影响数据资产长期积累及大数据业 务的拓展。在采集存储方面， 绝大多数运营商仍延续传统数据采集存储 策略，未依据大数据业务需求制定数据采集存储策略， 导致数据 采集及存储质量无法满足大数据应用需求， 某些大数据需求数据 甚至未能采集和存储。 在提取使用方面，运营商普遍未 建立完整的数据质量管控制度。 从数据质量管理评估的六大维度 来看，运营商数据， 尤其是传统业务对其质量要求较低的网络域 数据，存在数据采集、录入、存储随意导致数据存在不完整、不 准确等多重问题， 无法满足大数据应用的需求。 例如

9、在位置信息 方面，小区经纬度信息存在大量的经纬度填反、数据缺失现象， 基站名称存在拼音、？底直嗦搿(19)址？等多种形式并存导致数据可 用性差等情况。4 应对策略建议 本文对运营商大数据业务运营管理流程存在的问题进行原 因追溯、 分析发现， 上述问题产生的原因可以归结为公司级数据 资产定义及分级分类标准规范缺失、 数据质量管控机制缺失及系 统缺乏有效支撑三类。 接下来， 本文将从这三个方面给出优化改 进的思路：(1)建立公司级数据资产定义及分级分类标准规范针对需求沟通过程中业务人员与技术人员之间以及不同系 统管理人员之间存在沟通协调壁垒的问题， 运营商应建立公司级 数据资产定义及分级分类标准规

10、范， 划定关键数据资产范围、 对 数据进行统一的分级分类并制定统一的数据操作规范。 公司范围 内关键数据的规范和统一， 将减少业务分析人员针对数据的研究 时间，帮助分析人员更有效的决策，并能够弥合业务人员和 IT 人员之间的分歧，提升跨专业沟通效率。（2）搭建数据质量管理机制 针对运营商在数据质量方面的问题以及由此引发的数据建 模及提数流程反复问题，各运营商应按照计划、执行、检查、行 动的步骤，制定适合于本公司的循环迭代式数据质量管理机制， 逐步实现数据质量的阶梯式上升。 具体来讲， 各运营商需要在计 划阶段根据大数据业务的特征和需求制定数据质量标准， 基于该 标准开展数据ETL工作流程，在实

11、施过程中持续监控和度量数据 质量水平， 发现问题时执行数据质量即时解决方案并将问题进行 记录备案。（3）建立可视化、自主化、模块化的数据流管理体系 最后，针对运营商系统支撑能力弱、支撑效率低的问题，运 营商应建立可视化、自主化、模块化的数据流管理体系，通过对 产品形成过程的可视化监督强化对大数据产品最终质量的管控， 同时通过自主化、 模块化的管理模式提升大数据业务的快速响应 能力。1）可视化：业务建模所需的数据从需求端到数据源的数据 流及数据血缘关系直观可见。2）自主化：在清晰定义的数据关系的基础上，实现数据的 自动调度及更新。3）模块化：专业化模块分工提升工作效率，同时在各模块 之间设置沟通协调人员，确保模块之间信息沟通及时顺畅。5 反思与结论随着大数据行业竞争程度