岳鵬，劉淑娟

（1 重慶郵電大學(xué)通信學(xué)院 重慶 400065； 2 西南大學(xué)計(jì)算機(jī)學(xué)院 重慶 400715）

0 引言

目前的網(wǎng)絡(luò)業(yè)務(wù)運(yùn)行監(jiān)控還存在一些問(wèn)題，精細(xì)化程度不夠，難以發(fā)現(xiàn)具體網(wǎng)元的運(yùn)行隱患；后分析方式的被動(dòng)監(jiān)控多，主動(dòng)監(jiān)管少。出現(xiàn)上述問(wèn)題的一個(gè)重要原因就是在日常網(wǎng)絡(luò)業(yè)務(wù)運(yùn)行監(jiān)控中，忽略了大量、多種網(wǎng)絡(luò)業(yè)務(wù)信息（例如非緊急/重要投訴信息）和沒(méi)有更可靠的支持主動(dòng)監(jiān)控技術(shù)。

因此，充分利用各種網(wǎng)絡(luò)業(yè)務(wù)運(yùn)行信息，通過(guò)科學(xué)的主動(dòng)監(jiān)控技術(shù)發(fā)現(xiàn)網(wǎng)絡(luò)業(yè)務(wù)運(yùn)行中的潛在問(wèn)題，實(shí)現(xiàn)有效的主動(dòng)監(jiān)控預(yù)警分析，才可以及時(shí)預(yù)警改進(jìn)，并進(jìn)一步推進(jìn)集中監(jiān)控的精細(xì)化，提高網(wǎng)絡(luò)業(yè)務(wù)運(yùn)行的安全性、穩(wěn)定性。

其次，當(dāng)前的網(wǎng)絡(luò)管理是基于各網(wǎng)元管理系統(tǒng)實(shí)現(xiàn)的，在功能上主要實(shí)現(xiàn)了網(wǎng)元管理層和各自網(wǎng)絡(luò)設(shè)備管理層的功能，沒(méi)有面向業(yè)務(wù)的管理功能。因此故障信息都是基于設(shè)備而無(wú)法與投訴等業(yè)務(wù)和客戶相關(guān)聯(lián)。在故障監(jiān)控方面很難做到主動(dòng)監(jiān)控，目前主要還是接受申告的被動(dòng)維護(hù)。

1 BI解決方案結(jié)構(gòu)設(shè)計(jì)

鑒于上訴背景, 利用某運(yùn)營(yíng)商客服投訴系統(tǒng)近年來(lái)長(zhǎng)期積累的某運(yùn)營(yíng)商客戶投訴數(shù)據(jù)，進(jìn)行原始數(shù)據(jù)的分析，建立相應(yīng)的數(shù)據(jù)倉(cāng)庫(kù), 根據(jù)投訴主題建立多維數(shù)據(jù)集，在此基礎(chǔ)上利用OLAP技術(shù)從多角度、多側(cè)面、多層次對(duì)某運(yùn)營(yíng)商CRM投訴數(shù)據(jù)進(jìn)行分析，對(duì)某運(yùn)營(yíng)商客戶投訴進(jìn)行了科學(xué)系統(tǒng)的分析評(píng)估。進(jìn)而做針對(duì)性的改進(jìn)，提高某運(yùn)營(yíng)商對(duì)廣大客戶的服務(wù)質(zhì)量。CRM投訴主題監(jiān)控的BI解決方案整體結(jié)構(gòu)如圖1所示。

圖1 XX運(yùn)營(yíng)商CRM投訴主題監(jiān)控的BI解決方案結(jié)構(gòu)

2 CRM投訴原始數(shù)據(jù)分析

原始數(shù)據(jù)分析結(jié)果的可行性、有效性、透徹度等，將直接關(guān)系最終的多維分析的角度，直接影響某運(yùn)營(yíng)商網(wǎng)絡(luò)服務(wù)質(zhì)量的真實(shí)反映的準(zhǔn)度和深度，對(duì)最后服務(wù)質(zhì)量的改進(jìn)起著決定性的作用。

開始至今，積累了相當(dāng)數(shù)量的客戶投訴數(shù)據(jù)，這些投訴數(shù)據(jù)包含了大量與某運(yùn)營(yíng)商服務(wù)質(zhì)量相關(guān)的有用信息。通過(guò)對(duì)大量客戶投訴數(shù)據(jù)的研究，得到與某運(yùn)營(yíng)商網(wǎng)絡(luò)服務(wù)質(zhì)量相關(guān)的主要觀察數(shù)據(jù)主題：(a)網(wǎng)絡(luò)投訴量；(b)各公司投訴量；(c)業(yè)務(wù)投訴類型統(tǒng)計(jì)； (d)不同用戶類型投訴統(tǒng)計(jì)分析。

3 數(shù)據(jù)倉(cāng)庫(kù)模型設(shè)計(jì)

3.1 設(shè)計(jì)方法

數(shù)據(jù)倉(cāng)庫(kù)(Data Warehouse)是支持管理決策過(guò)程的、面向主題的、集成的、隨時(shí)間變化持久的數(shù)據(jù)集合[1]。其設(shè)計(jì)方法有兩種：自下而上和自上而下。自上而下的設(shè)計(jì)方法強(qiáng)調(diào)應(yīng)用決定數(shù)據(jù)，有什么應(yīng)用就獲取什么數(shù)據(jù)，設(shè)計(jì)維度和多維數(shù)據(jù)集是項(xiàng)目的開始；自下而上的設(shè)計(jì)方法首先要依據(jù)系統(tǒng)文檔與需求分析來(lái)創(chuàng)建數(shù)據(jù)倉(cāng)庫(kù),然后根據(jù)不同的分析主題建立多維數(shù)據(jù)集[2]。

本文采用自下而上的設(shè)計(jì)方法,圍繞CRM投訴數(shù)據(jù)分析為主題來(lái)建立數(shù)據(jù)倉(cāng)庫(kù)。

3.2 數(shù)據(jù)結(jié)構(gòu)

目前最流行的數(shù)據(jù)倉(cāng)庫(kù)多維數(shù)據(jù)結(jié)構(gòu)有3種:星型結(jié)構(gòu)、雪花型結(jié)構(gòu)和混雜型結(jié)構(gòu)[2]。

星型結(jié)構(gòu)是一種典型的數(shù)據(jù)結(jié)構(gòu)，它以事實(shí)表為中心，一組維度表在星型結(jié)構(gòu)的頂尖，事實(shí)表和每個(gè)維度表通過(guò)主鍵連接在一起,組成一個(gè)星型結(jié)構(gòu)。雪花型結(jié)構(gòu)是用一組或多組數(shù)據(jù)表與某些維度表相互鏈接，進(jìn)而有效地描述維度表的復(fù)雜程度和層次。混雜型結(jié)構(gòu)是綜合了星型結(jié)構(gòu)和雪花型結(jié)構(gòu)的優(yōu)點(diǎn)。

本文綜合考慮，介于某運(yùn)營(yíng)商CRM投訴綜合查詢對(duì)效率和準(zhǔn)確度的追求，最終決定采用星型結(jié)構(gòu)。

星型結(jié)構(gòu)是非范式的、以查詢?yōu)橹行牡哪Ｐ?，這種模型的最大優(yōu)點(diǎn)是能夠提供所謂的星連接，即通過(guò)一步連接就可以獲取大部分所需要的信息，并很快得到輸出結(jié)果，這在常規(guī)的事務(wù)處理數(shù)據(jù)庫(kù)結(jié)構(gòu)中是很難做到的。在這種模型中信息分為兩大類：事實(shí)表和維度表。星型結(jié)構(gòu)對(duì)本文主題數(shù)據(jù)查詢十分適合。

數(shù)據(jù)倉(cāng)庫(kù)的模型設(shè)計(jì)是數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)的一個(gè)重要方面。本文以某運(yùn)營(yíng)商客戶投訴分析主題來(lái)組織數(shù)據(jù),以CRM投訴作為事實(shí)表,以用戶品牌，用戶級(jí)別，投訴區(qū)域，故障描述，時(shí)間為維度表。

3.3 事實(shí)表的粒度

數(shù)據(jù)越詳細(xì),粒度就越小,數(shù)據(jù)級(jí)別也就越小;數(shù)據(jù)綜合度越高,粒度也就越大,級(jí)別也就越高。而事實(shí)粒度需求的不同,一方面將直接導(dǎo)致數(shù)據(jù)倉(cāng)庫(kù)模型設(shè)計(jì)的差異,另一方面將直接影響存儲(chǔ)容量與分析效果,因此粒度的設(shè)計(jì)極其重要。

由于本文需求分析中,不僅需要對(duì)細(xì)節(jié)性數(shù)據(jù)進(jìn)行分析,而且需要對(duì)綜合數(shù)據(jù)進(jìn)行分析,因此采用了多重?cái)?shù)據(jù)粒度的設(shè)計(jì)方法。這也是針對(duì)業(yè)務(wù)量大、分析要求比較高的情況采用的最理想的解決方法[2]。

4 數(shù)據(jù)整合

4.1 數(shù)據(jù)源

業(yè)務(wù)數(shù)據(jù)是數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)源，而對(duì)業(yè)務(wù)數(shù)據(jù)的了解是設(shè)計(jì)數(shù)據(jù)倉(cāng)庫(kù)的基礎(chǔ)。只有通過(guò)對(duì)業(yè)務(wù)數(shù)據(jù)的分析，才可以清楚地知道原有數(shù)據(jù)系統(tǒng)中已有什么指標(biāo)，再結(jié)合用戶的需求，才能明確當(dāng)前數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)能提供需求中的哪些指標(biāo)，還缺少哪些指標(biāo)?？傊?，通過(guò)對(duì)歷史數(shù)據(jù)和需求的分析，可以明確用戶正在使用的數(shù)據(jù)現(xiàn)狀、他們?nèi)绾问褂眠@些數(shù)據(jù)以及將來(lái)利用這些數(shù)據(jù)干什么。

本數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)來(lái)源于某運(yùn)營(yíng)商客服服務(wù)系統(tǒng)所統(tǒng)計(jì)積累的客戶投訴的歷史數(shù)據(jù)，涉及到的數(shù)據(jù)主要有投訴工單號(hào)，投訴受理時(shí)間，投訴業(yè)務(wù)類型，投訴故障描述，投訴區(qū)域，投訴用戶品牌，投訴用戶級(jí)別，分公司等。

4.2 數(shù)據(jù)的抽取、轉(zhuǎn)換與裝載（ETL）

設(shè)計(jì)好數(shù)據(jù)倉(cāng)庫(kù)的模型之后，就需要把歷史數(shù)據(jù)裝載到數(shù)據(jù)倉(cāng)庫(kù)去。歷史數(shù)據(jù)中存在大量的錯(cuò)誤的、不一致等問(wèn)題，數(shù)據(jù)質(zhì)量是分析結(jié)果可靠性的基礎(chǔ)，而ETL(數(shù)據(jù)抽取、轉(zhuǎn)換、清洗和加載)是數(shù)據(jù)質(zhì)量的重要保障[3]。ETL包含以下3個(gè)過(guò)程:

(a)抽?。簭亩鄠€(gè)異構(gòu)的不同結(jié)構(gòu)或者不同格式的文件中抽取數(shù)據(jù)到目標(biāo)數(shù)據(jù)庫(kù)臨時(shí)表中。

(b)轉(zhuǎn)換：抽取出的數(shù)據(jù)可能存在異常值或者缺失值等情況，為了保證數(shù)據(jù)的完整性和一致性，需要對(duì)不同的原始數(shù)據(jù)進(jìn)行清洗和加工，并最終轉(zhuǎn)換成目標(biāo)數(shù)據(jù)所要求的格式。

(c)加載：將以上步驟處理后的數(shù)據(jù)裝載到目標(biāo)數(shù)據(jù)倉(cāng)庫(kù)的事實(shí)表，維度表和視圖表中去。

為了確保數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)更加準(zhǔn)確，首先對(duì)某運(yùn)營(yíng)商公司近半年的歷史客戶投訴數(shù)據(jù)進(jìn)行分析，先將數(shù)據(jù)從數(shù)據(jù)源抽取到臨時(shí)數(shù)據(jù)表，并形成一套標(biāo)準(zhǔn)的CRM投訴的業(yè)務(wù)代碼對(duì)應(yīng)表，然后建立CRM投訴業(yè)務(wù)代碼表清洗規(guī)范，最后采用SSIS(Microsoft SQL Server 2008 Integration Services)逐日對(duì)某運(yùn)營(yíng)商提供的客戶投訴原始數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換和清洗,并裝載到目標(biāo)數(shù)據(jù)倉(cāng)庫(kù)中。最終所完成的ETL流程如圖2所示。

圖2 ETL流程圖

ETL在整個(gè)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)中的位置處于數(shù)據(jù)源與目的數(shù)據(jù)倉(cāng)庫(kù)之間，貫穿于整個(gè)解決方案的全過(guò)程，管理數(shù)據(jù)的質(zhì)量，并且對(duì)整個(gè)系統(tǒng)的數(shù)據(jù)進(jìn)行處理與調(diào)度。ETL涉及到大量的業(yè)務(wù)邏輯和異構(gòu)環(huán)境，在一般的數(shù)據(jù)轉(zhuǎn)換項(xiàng)目中ETL部分成為了牽扯精力最多的部分，故而ETL規(guī)則設(shè)計(jì)和實(shí)施約占在整個(gè)項(xiàng)目中工作量的60%～80%，這是從眾多實(shí)踐中得到的普遍共識(shí)[4]。

5 建立OLAP多維數(shù)據(jù)集

在上文中，設(shè)計(jì)好數(shù)據(jù)倉(cāng)庫(kù),并且將業(yè)務(wù)數(shù)據(jù)經(jīng)過(guò)ETL數(shù)據(jù)整合之后,需要進(jìn)一步根據(jù)CRM投訴這一分析主題建立相應(yīng)的多維數(shù)據(jù)集。OLAP多維分析以多維數(shù)據(jù)集為基礎(chǔ)。多維數(shù)據(jù)集是數(shù)據(jù)分析時(shí)用戶的數(shù)據(jù)視圖，是面向分析的數(shù)據(jù)型,可以給分析人員提供多種觀察的視角和面向分析的操作,即將數(shù)據(jù)看作多維的數(shù)據(jù)立方體[5]。利用SSAS(Microsoft SQL Server 2008 Analysis Services)建立多維數(shù)據(jù)集。設(shè)計(jì)出的CRM投訴分析多維數(shù)據(jù)集的數(shù)據(jù)星型模型如圖3所示。

圖3 CRM投訴分析多維數(shù)據(jù)集數(shù)據(jù)模型

圖3模型中,表頭顏色較暗的是維度表，有CRM用戶品牌維度表、CRM用戶級(jí)別維度表、CRM故障描述維度表、CRM投訴區(qū)域維度表、時(shí)間維度表；表頭顏色較亮的是CRM客戶投訴事實(shí)表。多維數(shù)據(jù)集的度量值是CRM投訴量。

多維數(shù)據(jù)集的存儲(chǔ)方式有3種： ROLAP、MOLAP和HOLAP[6]。本文采用MOLAP方式存儲(chǔ) ,它將細(xì)節(jié)數(shù)值和合計(jì)數(shù)值都存放在立方體中,可將多維視圖直接映射到數(shù)據(jù)立方體數(shù)組結(jié)構(gòu)。這種存儲(chǔ)方式的優(yōu)點(diǎn)是可以對(duì)數(shù)據(jù)立方體的數(shù)據(jù)快速索引[7]。通過(guò)對(duì)多維數(shù)據(jù)集的切片、切塊、鉆取等多種操作，可以從多個(gè)角度分析CRM投訴數(shù)據(jù)，來(lái)分析網(wǎng)絡(luò)投訴量、各公司投訴量、業(yè)務(wù)投訴類型統(tǒng)計(jì)、不同用戶類型投訴統(tǒng)計(jì)、同地市VIP用戶投訴統(tǒng)計(jì)等投訴情況。

6 CRM投訴分析前端展現(xiàn)與結(jié)果實(shí)例分析

商業(yè)智能的前端產(chǎn)品負(fù)責(zé)直接面向用戶,將用戶的請(qǐng)求轉(zhuǎn)發(fā)給服務(wù)器層、數(shù)據(jù)層,同時(shí)也向用戶展現(xiàn)所需信息。商業(yè)智能前端產(chǎn)品極光商智（ABIS），以圖形等直觀形式，聯(lián)動(dòng)的調(diào)整和展現(xiàn)分析結(jié)果。

首先，將CRM投訴分析多維數(shù)據(jù)集，添加到ABIS的數(shù)據(jù)源管理器中。利用ABIS的超級(jí)分析器，部署所關(guān)注的CRM投訴分析角度和層面，然后保存為共享報(bào)表，最后以圖形和圖表形式展現(xiàn)分析結(jié)果。

6.1 實(shí)例1：網(wǎng)絡(luò)投訴量分析

網(wǎng)絡(luò)投訴量統(tǒng)計(jì)結(jié)果如圖4，時(shí)間切片選取粒度“月”，圖表中所選為某年某月數(shù)據(jù)，切片還可選擇周為粒度。圖形還可以選擇疊加柱形、曲線、折線等多種圖形形式來(lái)展示。

圖4 網(wǎng)絡(luò)投訴量柱形圖數(shù)據(jù)表

由圖表所展示的統(tǒng)計(jì)信息可看出，該公司的各大片區(qū)的網(wǎng)絡(luò)投訴量中，主城區(qū)的投訴量明顯高出各片區(qū)公司近9～10倍，而各片區(qū)之間投訴量相差不遠(yuǎn)。這種結(jié)果可能由幾種情況導(dǎo)致：(a)主城區(qū)用戶數(shù)量高于各片區(qū)用戶數(shù)量; (b)主城區(qū)用戶密集程度高于各片區(qū)地區(qū)，對(duì)設(shè)備的使用頻率較高，導(dǎo)致設(shè)備出現(xiàn)故障幾率增大；(c)主城區(qū)用戶所用網(wǎng)絡(luò)業(yè)務(wù)較于各片區(qū)種類繁多，類型復(fù)雜，導(dǎo)致軟硬件服務(wù)設(shè)備更容易產(chǎn)生故障；(d)主城區(qū)用戶對(duì)網(wǎng)絡(luò)質(zhì)量要求指數(shù)較高，對(duì)網(wǎng)絡(luò)狀況出現(xiàn)的問(wèn)題較為敏感。以上分析中，(b)、(c)點(diǎn)應(yīng)該是主要因素，運(yùn)營(yíng)商可據(jù)此統(tǒng)計(jì)，對(duì)主城區(qū)的軟硬件設(shè)備做更頻繁的安全檢修。以保障為廣大用戶提供更完善的服務(wù)。

6.2 實(shí)例二： 各公司投訴量分析

如圖5所示，各公司投訴量統(tǒng)計(jì)結(jié)果中，時(shí)間切片選取粒度“周”，圖表中顯示的是某年第某周的數(shù)據(jù)，及切片還可選擇“月”為粒度。度量值除了投訴量，還增加了計(jì)算列：投訴量占比，可醒目的顯示，各片區(qū)公司投訴量的所占比重。圖形還可以選擇疊加柱形、曲線，折線等多種圖形形式來(lái)展示。

圖5 各公司投訴量柱形圖數(shù)據(jù)表

因主城區(qū)公司的投訴量明顯高于各片區(qū)公司，故將主城區(qū)展開到下一層（行政區(qū)層）。有圖可得知，主城區(qū)各行政區(qū)中，南岸區(qū)、九龍坡區(qū)和沙坪壩區(qū)的投訴量居高，這3個(gè)區(qū)均屬老城區(qū)，所以這3個(gè)區(qū)的通信設(shè)備可能使用年限較久，應(yīng)注意安全檢查，設(shè)備維修，必要時(shí)要更換新設(shè)備。

6.3 實(shí)例三業(yè)務(wù)投訴類型統(tǒng)計(jì)分析

如圖6所示，業(yè)務(wù)投訴類型統(tǒng)計(jì)結(jié)果中，時(shí)間切片選取粒度“周”，及切片還可選擇“月”為粒度。圖形還可以選擇疊加柱形，曲線，折線等多種圖形形式來(lái)展示。不同的業(yè)務(wù)類型以不同的色彩標(biāo)志，各業(yè)務(wù)類型還可以往下層鉆取。

圖6 業(yè)務(wù)投訴類型統(tǒng)計(jì)柱形圖數(shù)據(jù)表

圖6將投訴總量最大的話音基本業(yè)務(wù)下鉆到次層，再將次層的網(wǎng)絡(luò)覆蓋類型下鉆至第三層。可透徹詳細(xì)地看到每個(gè)投訴的具體問(wèn)題是什么。由圖可知，話音基本業(yè)務(wù)中的室內(nèi)覆蓋問(wèn)題是投訴的主要問(wèn)題。室內(nèi)是用戶每天所停留時(shí)間最長(zhǎng)的場(chǎng)所，所以，此方面的投訴要格外重視。運(yùn)營(yíng)商可想辦法把用戶密集的地區(qū)的居民住宅的語(yǔ)音信號(hào)覆蓋率進(jìn)一步加大，來(lái)給用戶提供更為優(yōu)質(zhì)的服務(wù)。

7 總結(jié)與展望

本文利用某運(yùn)營(yíng)商客戶服務(wù)中心積累的豐富的客戶投訴信息資源，經(jīng)過(guò)數(shù)據(jù)的ETL預(yù)處理到聯(lián)機(jī)分析的數(shù)據(jù)倉(cāng)庫(kù)中，并建立CRM投訴分析多維數(shù)據(jù)集，最后對(duì)這些數(shù)據(jù)進(jìn)行多維分析并將結(jié)果用工具“極光商智”以圖形、報(bào)表的形式進(jìn)行展現(xiàn)。本文的分析結(jié)果，對(duì)某運(yùn)營(yíng)商客戶服務(wù)質(zhì)量的提升具有一定的指導(dǎo)意義。下一步的工作重點(diǎn)是借助數(shù)據(jù)挖掘技術(shù)，利用已經(jīng)建立好的數(shù)據(jù)倉(cāng)庫(kù)和多維數(shù)據(jù)集，進(jìn)一步揭示出隱含在投訴數(shù)據(jù)中的規(guī)律和信息，從而為投訴問(wèn)題的預(yù)測(cè)分析進(jìn)行科學(xué)導(dǎo)向。

[1]Inmon W H.數(shù)據(jù)倉(cāng)庫(kù)[M].3版.王志海,林友芳 譯.北京:機(jī)械工業(yè)出版社,2003.

[2]朱德利.SQL Server 2005 數(shù)據(jù)挖掘與商業(yè)智能完全解決方案[M].北京:電子工業(yè)出版社,2007:189-191.

[3]Brian K, Erik V.SQL Server 2005 Integration Services 專家教程[M].馮飛 譯.北京:清華大學(xué)出版社,2008:20-29.

[4]Vassiliadis Panos,Simitsis Alkis,Skiadopoulos Spiros.Conceptual Modeling for ETL Processes[M]. Virginia USA.14-21.

[5]Andreas S. Maniatis,Panos Vassiliadis.Advanced Visualization for OLAP//Proceedings of the 6th ACM International Workshop on Data Warehousing and OLAP. New Orleans: Louisiana, 2003: 9-16.

[6]Melome E,et al.SQL Server 2005 Analysis Services 標(biāo)準(zhǔn)指南[M].武桂香 譯.北京:電子工業(yè)出版社出版社,2008:56-61.

[7]柳進(jìn),胡政,唐降龍.OLAP數(shù)據(jù)倉(cāng)庫(kù)在電網(wǎng)調(diào)度決策中的研究與應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì),2005,26(2):296-311.

[8]鐘建強(qiáng).IP核心網(wǎng)的BGP增量規(guī)劃[J].電子測(cè)試,2011(07):54-57.

[9]愈大國(guó).綠色通信網(wǎng)的設(shè)計(jì)分析[J].電子測(cè)試,2010 (12):87-93.