XX电信业商业智能解决方案
IBM电信业商业智能解决方案IBM公司软件部林南晖 Tel:010-65391188 ext 3909 Email: linnhcn.ibm.com议程 数据分析与决策支持系统面临的挑战 IBM 商业智能解决方案简介 IBM 方案优势电信企业的需要 帐务统计 收益分析 网络、基站运维分析 绩效考核 客户关系管理 风险预测 市场竞争分析 .帐务统计、分析?日、月统计报表 ?月结算报表 ?营业收入统计、分析 ?资费来源统计、分析 ?业务量统计、分析 ?.收益情况分析? 收入总量分析及预测 ? 收入增量分析及预测 ? ARPU分析及预测 ? 收入结构分析及预测 ? 大客户收入情况分析及预测 ? 客户交费情况分析及预测 ? 客户欠费情况及其结构分析及预测 ? 新增客户交/欠费情况分析及预测 ? 欠费回收情况分析 ? 高额/欺诈分析 ? 销账分析 市场竞争分析?市场占有率分析及预测 ?市场需求分析及预测 ?竞争对手发展情况分析及预测 ?各竞争对手的市场营销分析 ?供应商市场行为特征分析 ?合作商市场行为特性分析 业务发展分析?业务量发展分析及预测 ?业务增量分析及预测 ?MOU分析及预测 ?新业务使用量分析及预测 ?业务资源使用特征分析及预测 ?大客户使用业务量的特征分析及预测 ?大客户使用业务的特征分析及预测 ?流量和流向特征分析及预测客户分析? 客户总量分析及预测 ? 新增客户分析及预测 ? 客户净增量分析及预测 ? 客户流失量分析及预测 ? 客户转网量分析及预测 ? 大客户发展分析及预测 ? 客户消费能力分析及预测 ? 客户消费习惯/爱好分析及预测客户信用度分析 ? 外来用户分析 ? 模拟用户分析 ? 储值卡用户分析 ? 潜在用户分析 ? 零次用户分析 ? 一户多卡用户分析客户关系管理及市场策略?发现优秀客户 ?发现易流失客户群 ?调整产品定价 ?发现客户行为模式 ?开发新产品 ?交叉销售 ?.网络、基站分析?基站配置与话务量分布情况分析 ?分析各时段各基站/交换机的负载情况 ?网络收益分析 ?网络容量分析 ?网络安全分析 ?热点小区分析 ?路由分析等服务质量分析?客户服务质量分析 ?客户服务时限分析 ?客户咨询 ?查询焦点分析 ?客户投诉焦点分析 ?大客户服务质量分析 ?客户满意度分析 ?客户忠诚度分析 营销管理分析?市场价格分析 ?营销渠道作用分析 ?代销代办酬金分析 ?营销人员素质分析 ?营销宣传市场效果分析 ?促销行为市场效果分析综合决策分析?决策取向模拟分析 ?决策行为市场操作模拟分析 ?决策行为市场效果模拟分析绩效考核?分公司绩效考核 ?营业部绩效考核 ?营业员绩效考核 ?.当前状态计费系统网管系统财务系统营业系统 结算报表CRM局长信息系统挑战：信息孤岛财务系统市场促销数据客户数据营业数据呼叫中心数据建立数据仓库、实施商业智能生产系统数据仓库OLAP智能挖掘如何实施商业智能分析的复杂度和价值统计多维数据挖掘优化阶段 1 阶段 2 阶段 3 阶段 4 阶段 5分析的阶段数据集市 数据仓库发现验证IBM BI 解决方案产品业务系统1业务系统2业务系统3业务系统n数据仓库管理器/数据库 Warehouse Manager/DB2 UDBDB2 OLAP Server报表工具 QMFDB2 OLAP Server AnalyzerIntellige nt Miner for Data其它应用IBM BI体系结构DB2 UDBDB2 UDBDB2 Warehouse Manager数据仓库管理器Meta DataDB2 OLAP ServerDB2/Warehouse Control CenterOLAP Server App ManagerOLAP Server Analysis Server客户端工具支持WEB决策支持工具和应用程序DB2 FamilyORACLEInformixSybaseSQL ServerIMS & VSAMFilesData JoinerDB2 Intelligent Miner for Data数据智能挖掘 服务器什么是数据仓库数据仓库是指从业务数据中创建信息数据 库，并针对决策和分析进行优化。 数据仓库中的信息是面向主题的、集成化 的、稳定的、随时间变化的数据集合，用 以支持管理决策的过程。 数据来自多个数据源，并整合到一个数据 库中。 在数据整合的过程中数据要经过聚合、摘 要和清洗。不同的数据用于不同的目的?面向主题?集成?比较稳定?包含历史数据?支持管理决策?面向应用?有限集成?经常更新?仅有当前值?支持日常业务运作业务数据信息数据业务数据和信息数据根本不同！“Trust“ Accounts“Checking“ Accounts“Loan“ Accounts“Loan“ Accounts年月日Account History建立数据仓库的过程商业主题业务信息业务数据管理转换工具商业视图元数据?成员 ?映射 ?商业视图Templates外部数据DB2 Data Warehouse体系结构?Log Server ?Kernel ?Dispatcher ?SchedulerClientsWarehouse ServerWarehouse AgentsDatabasesRelational SourceDB2 TargetDataMessageMessageNon-Rel SourceEnd UsersDataDataDataDataNT/2000, OS/2, AIX, Sun, OS/390, AS/400?DDD ?Log ?Editions ?ConfigurationControl DatabaseDB2MetadataMetadataType title?Type text Flat FilesData Warehouse CenterMessageNT/2000 NT/2000 AgentNT/2000, AIX, SunIncluded with DB2 UDB数据仓库代理(Agent)技术数据仓库控制服务器 (Warehouse Control Server)?时间表启动?从控制数据库中获取商业视 图定义?启动代理(通过代理后台进程 )?循环 : - 接受和记录结果- 更新客户端显示数据仓库代理(Agent)?响应VW管理器?循环 : - 接受命令- 执行命令- 报告状态DB2 UDB高度并行的海量数据库?Cluster?多个大缓冲区 ?支持64位内存寻址内存管理单处理器对称多处理 (SMP)Massively Parallel Processor (MPP)?增强的SMP并行支持?MPP并行支持?并行事务CPUSQL CPUSQL CPUSQL CPUSQL?并行查询SQLCPU CPU CPU CPUSQL QueryQuery OptimizerBest Query PlanThreaded CodeCompile -TimeRun - TimeAgent Agent AgentPrefetchers?Single query involves?1 coordinating agent ?n sub agents ?m prefetchers (shared) ?All executing in parallel on available processors ?Combination of.?Data parallelism ?Each agent works on subset of data ?Data dynamically assigned so user not required to partition data ?Functional parallelism (“pipelining“) ?Each agent works on different query function, e.g. scan, sort ?Also enables?Parallel Index Create ?Parallel Backup and Restore ?Allows multiple processes to read or write data to/from the database ?Parallel LOAD ?Exploitation of multiple processors during load, particularly for parsing/converting/formatting data节点内部并行?Parallel Edition - style (shared- nothing) ?Data parallelism through hash partitioning?Partitions can be. ?Physical on MPP or cluster ?Logical on SMPRun - TimeAgentPrefetchersAgentPrefetchersAgentPrefetchersnode 0node 1node nSQL QueryQuery OptimizerBest Query PlanThreaded CodeCompile -Time节点间并行(数据库分区间并行).Single Database ViewParallel OptimizerUser QueryNode (CPU)Node (CPU)Node (CPU)Node (CPU)?Shared-nothing software architecture supports?Independent physical nodes ?Separate CPU, memory, and disk ?Including SMP nodesOR?Multiple logical database partitions on single large SMP Server ?Interpartition communication is cross memory, not cross network ?Data is partitioned across nodes automatically by hashing?Everything operates in parallel?Select ?Insert ?Update ?Delete?Backup/restore ?Load ?Create index ?Reorg充分利用分区数据库的能力Social Insurance NumberNameLocation123-456-789JoeBostonTorontoPartition Key value Hashed to: “8“Vector Position0123456789101112.Node1231231231231.DB2DB2DB2?Partition Map?Determines 'home' for row ?Can be adjusted for data skew using the REDISTRIBUTE utilityHash分区和分区映射表?Blends best of MPP and SMP style of parallelism?Ideal for SMP clusters?Most flexible hardware support?Leading Edge Query Optimizer!Run - Timenode 0Agent Agent Age
