电信网运营数据挖掘方法探讨

1、电信网运营数据挖掘方法探讨    【摘要】文章首先阐述全业务运营对运营商的传统运营数据分析方法提出挑战，然后具体分析网络运营数据挖掘的工作流程，并进一步提出其在寻找目标用户、新业务增长点等方面的应用思路。实践证明，该方法可在较短时间内向市场、客服等部门提供有效信息，有力支持和推动业务发展，对电信运营管理有较高的参考价值。【关键词】电信网运营管理数据挖掘用户行为业务增长点话务模型全业务运营时代，三大运营商不断提升网络质量，力图充分发挥全业务网络优势，针对不同用户群提供范围更广、内容更丰富的业务，以提高用户满意度、增加用户黏性，并进一步增加收益。本文重点研究

2、了如何运用数据挖掘的思路和方法，掌握不同网络的运行特点以及不同用户群的业务使用特点等信息，来支撑网络的维护管理、目标客户的发掘以及新的业务增长点的发现等，从而提升运营效率和效果。1全业务集中运营对信息的需求目前，三大运营商均已在一定程度上实现全业务的集中运营，如何利用新的网络架构和运营模式，及时掌握各项业务的使用情况，挖掘新的业务增长点，快速锁定目标客户，抢占市场先机，无疑是运营商迫切需要解决的问题。在这种情况下，传统基于网络网元的粗粒度运营数据分析，如单纯的话务量、通话时长、掉话率等的分析，无法满足要求。必须有新的分析方法为网络运营提供更加丰富的信息支持，如哪些业务是热点业务、哪些业务是僵尸

3、业务，哪些用户是高流量用户、哪些用户是休眠用户、不同业务的忙时时段分别是什么、不同类型区域的话务模型有何差异、同种类型用户的使用情况有什么不同等。要解决上述问题，需要我们采用新的网络运行数据分析挖掘方法。在正常情况下，虽然网络设备多种多样，各个设备厂家的设计和实现方式也有所不同，但都有最基本的业务使用记录数据，用户每使用一次业务，就会在相应网络设备上留存有相关的记录。网络运营维护部门掌握着大量的网络运行数据，包括用户的通话时长、通话质量、接入地点、接入方式、使用的业务、使用的质量等，只是不同的设备，记录的范围和详细程度略有差别。因此，只要确定了数据挖掘的目标，就可以从海量的网络运行数据中挖掘相

4、应内容，然后通过分析转换为有用的信息。2网络运营数据挖掘的方法数据挖掘(Data Mining)就是“从存放在数据库、数据仓库或其他信息库的大量数据中获取有效、新颖、潜在有用的、最终可理解的模式的过程”。数据挖掘在很多行业中都有应用，笔者从工作总结出电信网络运营数据挖掘的过程，即从网络运营数据中获取有用信息的闭环的工作过程。具体步骤如下：(1)确定数据挖掘的目标，即挖掘数据想要达到什么目的。(2)收集可用的数据源及相关资源，纳入数据仓库，并根据需要进行数据清洗。为适应后期的数据挖掘需求，必须事先建立全专业跨系统的集中的数据存储仓库，并不断添加清洗后的数据。以加大WiFi业务发展力度可能带来的影

5、响的分析为例，其涉及到的原始数据就包括分别从不同支撑系统获取的用户资料、WiFi网络设备资料及业务使用量资料、用户WiFi业务使用详单等。这些资料中，很多信息(如用户资料中的用户姓名、住址等，用户WiFi业务使用详单中的通话参数等)对下一步的数据分析来说，属于保密信息或无用信息，因此，需要在数据入库前进行数据清洗，以提高数据查询速度，降低数据复杂度，节省存储空间。(3)确定数据挖掘的模型和算法。这一环节是数据挖掘工作的核心，针对不同的数据挖掘目标和数据特性，可以采用不同的挖掘算法建立模型，常用的挖掘分析有相关分析、回归分析、时间序列分析、分类分析、聚类分析等。不同的分析有不同的算法模型，如决策

6、树、神经元网络和回归等。在实际应用中，经常是根据数据挖掘的目标以及数据的特征，综合使用上述多种建模方法。(4)抽取数据对所采用的模型和算法进行检验。如果存在问题，继续步骤(2)(4)，直至获得预期结果。(5)使用校验后的模型和算法对运营数据进行挖掘分析，并将分析结果发布展示给决策者。(6)根据决策者对数据挖掘结果的使用反馈，继续调整和优化数据挖掘分析方法。网络运营数据挖掘工作过程详见图1。3几个有效的数据挖掘应用思路按照上述方法，在电信网络中，可以通过对不同类别用户的使用模型和使用量信息、不同网络和不同业务的使用模型和使用量信息等进行细分，通过数据挖掘获取有效信息。常用的应用思路如下：3.1通

7、过数据挖掘获取目标用户从用户账单或单从用户业务清单进行分析，对目标客户进行寻找、识别与分类的传统做法，已逐渐显出局限性，而将多个维度的信息结合起来，效果要好得多。运营商可通过支撑系统收集静态数据(如网络架构及位置信息、用户的属性信息等)和动态数据(如用户使用话音、数据、漫游、增值等业务的话单或清单等)，然后综合运用各种方法进行数据挖掘，获取相应的目标客户。譬如，可通过话单筛选出只使用2G上网的用户并进行流量分档，同时结合其使用地点的信息，进一步筛选出移动性强、流量较高的用户，这类用户就是市场部门3G业务营销的目标用户。又如对于某类用户行为特征明显的地区，可在网络资源配置上给予不同的考虑。举例，

8、可以通过网元粒度的数据分析，筛选出3G网络中高流量、高负荷的基站，结合用户上网清单，进一步找到通过该基站接入且使用业务量较高的用户，对其进行WiFi业务的宣传和营销，并根据其使用行为的变化，调整3G基站和WiFi热点的资源配置，在改善用户业务体验感受的同时，实现对资源的合理有效利用。3.2通过数据挖掘寻找新的业务增长点在全业务运营背景下，除了传统语音、数据接入等简单业务竞争，增值业务的竞争日趋激烈，各种新应用层出不穷，谁赢得应用的竞争，谁就赢得未来。在此种情况下，对新业务、应用增长点的寻找和判断，尤显重要，通过运营数据的挖掘分析和获取信息就成为一种必然。如将用户信息、应用类别、接入方式、用户使

9、用情况等信息进行关联，对用户进行分类，并分析出热门应用，然后对用户群进行有针对性的宣传和推送，对白领推荐理财、休闲、新闻、微博等应用，对在校生推荐求职、游戏、交友等应用，对月消费能力较强客户推荐交通视频、家居监控等应用，诸如此类。再通过后续对用户使用行为的持续跟踪、分析，比较与预期设计的差距，寻找影响用户行为的因素，在网络、资源支撑能力上进行评估，不断进行动态调整，就可实现运营商与用户的良性互动，形成新的业务增长点。3.3通过数据挖掘多角度全面掌握话务模型我们通常提到的某个网络的话务模型，并不仅仅是一个简单的话务随时间变化的曲线图，对于覆盖范围较大的复杂网络，往往还需细化成多个维度进行分析。常

10、见的分析维度包括：(1)网元或地区维度。由于网元覆盖范围不同，如覆盖办公区、校园区、住宅区、商业区的网元，话务各有特点，相应的话务模型也必然不同。(2)时间维度。时间维度又分为分钟维度(通常网络设备的数据采集粒度为15分钟及以上，特殊情况也会使用更小的时间粒度，此处不讨论)、小时维度、日维度、周维度、旬维度、月维度、季度维度、年维度等，不同情况需要用不同维度的话务模型进行分析。另外，节假日或者一些特殊事件发生日，由于其特殊性，一般要单独建立相应的话务模型。图2是某地移动网平时及节假日24小时话务模型，节假日话务明显增长，且话务高峰后移。(3)用户群维度。通过数据挖掘，把具有类似特征的用户进行分

11、群，进而建立针对各类用户群的话务模型。除此之外，还有很多分析维度，如流量流向维度(如长途、本地或漫游通话等，或者到电信、移动、联通等不同运营商)、终端维度(如以常用的终端进行分类)及接入方式维度(如使用2G接入方式还是3G接入方式)等。可以根据需求，在实际话务模型的建立过程综合考虑从各种维度将搜集到的信息关联起来，进行数据挖掘。例如，对不同业务或不同用户群，分区域建立日、周、月等时间维度的业务模型。图3是某两个业务的分地区日维度业务量模型，其中X业务属于固定使用模式的业务，每日业务量恒定，但不同区域业务量存在差异；Y业务属于分散业务模式，工作日业务量变化不大，周末业务高峰业务量翻倍，同样存在发

12、达地区业务量较大的情况。通过数据挖掘，从多个角度全面掌握话务模型，就能确保在网络安全稳定运行的前提下，更有效地利用网络资源。3.4通过数据挖掘发现网络隐患或质量提升点通过数据挖掘可以及时发现网络存在的问题。譬如在进行网络质量分析的时候，发现接通率指标达到99.9，尽管这已经是较高水平，但网络维护者不应在此止步，而应着眼于未能接通的0.1，通过提取通话清单，找出失败话单，结合用户属性、接入方式、使用特征等方面的数据，对失败原因进行分类挖掘和分析，从而定位出造成0.1的主要原因，进一步提升网络质量。4小结和建议综上，数据挖掘的思路和方法可以帮助运营分析人员拓宽思路，快速准确地搜寻到有用信息，在海量

13、数据中挖掘宝藏，有效进行深度运营支撑。笔者所在单位自2009年开始尝试使用数据挖掘方法开展网络故障分析、资源利用率分析、网络性能分析及用户行为分析，并应用到国际港澳台定向话务分析、WAP用户热点网站和热点应用分析、高端手机用户行为分析、CDMA+Wi-Fi移动互联网分流分析等不同课题中，均能在较短时间内向市场、客服等部门提供有效信息，有力的支持和推动业务发展。当然，数据库结构、数据内容以及分析目的不同，所使用的数据挖掘模型和算法也会有很大不同，但是只要掌握这种通过挖掘来获取有效信息的思路和方法，并在实践中不断积累和完善，就可以根据需要设计出科学有效的模型和算法，为工作服务。更进一步而言，数据挖掘的效果，还依赖于数据仓库的不断完善和基于数据仓库的上层支撑系统功能的建设，这些如能与企业发展要求、企业内部流程设置等因素结合起来，将在企业运营中起到事半功倍的效果。