BOSS解決方案分為業(yè)務(wù)支持系統(tǒng)和操作支持系統(tǒng)。主要組成包括網(wǎng)絡(luò)管理、系統(tǒng)管理、賬單、信息載體內(nèi)部聯(lián)系的解決、計(jì)費(fèi)以及客戶服務(wù)。隨著運(yùn)營(yíng)網(wǎng)絡(luò)系統(tǒng)、綜合業(yè)務(wù)系統(tǒng)、計(jì)費(fèi)系統(tǒng)和辦公自動(dòng)化系統(tǒng)等相繼投入使用，運(yùn)營(yíng)商積累了大量的歷史數(shù)據(jù)。
但在很多情況下，這些海量數(shù)據(jù)在原有的作業(yè)系統(tǒng)中無法得到提煉，使之升華為有用的信息。原因主要有兩方面：一是聯(lián)機(jī)作業(yè)系統(tǒng)因?yàn)樾枰Ａ糇銐虻脑敿?xì)數(shù)據(jù)以備查詢而變得笨重不堪，系統(tǒng)資源的投資跟不上業(yè)務(wù)擴(kuò)展的需要；二是管理者和決策者只能根據(jù)固定的、定時(shí)的報(bào)表系統(tǒng)獲得有限的業(yè)務(wù)信息，無法適應(yīng)當(dāng)今電信領(lǐng)域激烈的市場(chǎng)競(jìng)爭(zhēng)。
而數(shù)據(jù)挖掘，就是從海量的數(shù)據(jù)中，抽取出潛在的、有價(jià)值的知識(shí)（模型或規(guī)則）的過程。也就是根據(jù)預(yù)定義的商業(yè)目標(biāo)，對(duì)大量的企業(yè)數(shù)據(jù)進(jìn)行探索和分析，揭示其中隱含的商業(yè)規(guī)律，并進(jìn)一步將其模型化的先進(jìn)有效技術(shù)過程。
現(xiàn)階段數(shù)據(jù)挖掘側(cè)重市場(chǎng)分析
數(shù)據(jù)挖掘技術(shù)在電信BOSS領(lǐng)域的應(yīng)用大致分為幾個(gè)方面，主要有：一是基于呼叫詳細(xì)記錄的呼叫/計(jì)費(fèi)分析；二是基于產(chǎn)品和銷售的營(yíng)銷/效益分析；三是基于網(wǎng)管業(yè)務(wù)管理和事務(wù)管理層的運(yùn)行/維護(hù)分析。前兩種與電信運(yùn)營(yíng)企業(yè)的業(yè)務(wù)運(yùn)營(yíng)和市場(chǎng)競(jìng)爭(zhēng)密切相關(guān)，是目前主要運(yùn)營(yíng)商發(fā)展的重點(diǎn)。而針對(duì)網(wǎng)管和運(yùn)行維護(hù)的分析對(duì)于提高設(shè)備的運(yùn)行質(zhì)量和服務(wù)質(zhì)量起到非常關(guān)鍵的作用，是運(yùn)營(yíng)商內(nèi)部下一步實(shí)施的重點(diǎn)。我們主要著重于前兩個(gè)方面進(jìn)行分析研究。
客戶發(fā)展分析管理
客戶管理應(yīng)用的目的是根據(jù)客戶的屬性（包括自然屬性和行為屬性），從不同角度深層次分析客戶，從而達(dá)到了解客戶的目的。針對(duì)不同的客戶采取不同的促銷活動(dòng)以及提供更好和更有針對(duì)性的服務(wù)，分析的主要指標(biāo)包括客戶總量分析、新增客戶分析、客戶流失分析、客戶行為分析、客戶信用度分析、客戶風(fēng)險(xiǎn)分析等等。以此增加新的客戶、提高客戶的忠誠度、降低客戶流失率、提高客戶消費(fèi)額度等。
業(yè)務(wù)收入分析
包括業(yè)務(wù)總量分析、業(yè)務(wù)增長(zhǎng)和流失分析、收入總量及變化分析、繳費(fèi)及欠費(fèi)分析等。業(yè)務(wù)量的綜合分析，是按照不同的地域、客戶特征、消費(fèi)層次、呼叫類型、漫游類型等角度對(duì)客戶的業(yè)務(wù)量及其增量、新業(yè)務(wù)的使用量進(jìn)行分析，以了解不同業(yè)務(wù)量的客戶構(gòu)成、業(yè)務(wù)量的變化與發(fā)展趨勢(shì)。通過分析客戶的繳費(fèi)情況，能夠清楚了解不同客戶繳費(fèi)的及時(shí)率、欠費(fèi)情況等，所喜歡的繳費(fèi)渠道等，從而推出有針對(duì)性的繳費(fèi)政策，提高繳費(fèi)及時(shí)率，減少話費(fèi)流失。
營(yíng)銷管理分析
營(yíng)銷管理業(yè)務(wù)范圍包括了解客戶、電信市場(chǎng)、客戶對(duì)產(chǎn)品的需求，以及提供如何建立并推銷產(chǎn)品或服務(wù)給目標(biāo)客戶群等。通過對(duì)服務(wù)質(zhì)量的分析，能夠了解目前客戶最關(guān)心的問題，通過將客戶流失和服務(wù)質(zhì)量結(jié)合起來分析，能夠清楚客戶為什么會(huì)流失以及什么因素會(huì)導(dǎo)致客戶流失，從而有針對(duì)性地提高服務(wù)質(zhì)量，采取相應(yīng)措施，以減少客戶流失量。
BOSS系統(tǒng)數(shù)據(jù)挖掘?qū)嵗?/STRONG>
本文主要針對(duì)電信的BOSS解決方案進(jìn)行研究，實(shí)際應(yīng)用中的數(shù)據(jù)倉庫是Oracle，現(xiàn)針對(duì)Oracle數(shù)據(jù)庫進(jìn)行闡述：
1．選擇數(shù)據(jù)源
存放于運(yùn)營(yíng)商操作型數(shù)據(jù)庫OLTP中（通常存放在RDBMS中）的各種業(yè)務(wù)數(shù)據(jù)和辦公自動(dòng)化（OA）系統(tǒng)包含的各類文檔數(shù)據(jù)以及各類法律法規(guī)、市場(chǎng)信息、競(jìng)爭(zhēng)對(duì)手的信息以及各類外部統(tǒng)計(jì)數(shù)據(jù)。如：客戶檔案信息，話費(fèi)清單，優(yōu)惠規(guī)則，其他運(yùn)營(yíng)商的經(jīng)營(yíng)報(bào)告等。
2．建立數(shù)據(jù)倉庫或數(shù)據(jù)集市
按照分析主題進(jìn)行重新組織，建立主題事物表（包含用于分析的測(cè)量值和連接維表的主鍵），包含有關(guān)維表（含維屬性值和與事實(shí)表連接的代理鍵）的星型結(jié)構(gòu)或多維數(shù)據(jù)庫，最終確定數(shù)據(jù)倉庫的物理存儲(chǔ)結(jié)構(gòu)，同時(shí)組織存儲(chǔ)數(shù)據(jù)倉庫元數(shù)據(jù)，以支持用戶多角度、多層次的分析，發(fā)現(xiàn)數(shù)據(jù)趨勢(shì)。其具體實(shí)現(xiàn)可以分為：ROLAP、MOLAP和HOLAP。ROLAP基本數(shù)據(jù)和聚合數(shù)據(jù)均存放在RDBMS之中；MOLAP基本數(shù)據(jù)和聚合數(shù)據(jù)均存放于多維數(shù)據(jù)庫中；而HOLAP是ROLAP與MOLAP的綜合，基本數(shù)據(jù)存放于RDBMS之中，聚合數(shù)據(jù)存放于多維數(shù)據(jù)庫中，這是一個(gè)系統(tǒng)工程，是一個(gè)不斷建立、發(fā)展、完善的過程，需要較長(zhǎng)的時(shí)間。
3．利用數(shù)據(jù)倉庫技術(shù)進(jìn)行第一級(jí)數(shù)據(jù)挖掘
分類即區(qū)分?jǐn)?shù)據(jù)類別。首先從數(shù)據(jù)中選出已經(jīng)分好類的訓(xùn)練集，在該訓(xùn)練集上運(yùn)用數(shù)據(jù)挖掘分類的技術(shù)，建立分類模型，對(duì)未分類的數(shù)據(jù)進(jìn)行分類。而估值與分類類似，不同之處在于，分類描述的是離散型變量的輸出，而估值處理的是連續(xù)值的輸出，同時(shí)分類的類別是確定數(shù)目的，估值的量是不確定的。由于電信業(yè)務(wù)原因，沒有估值，僅進(jìn)行分類，可以從中產(chǎn)生數(shù)據(jù)分布圖（散布圖）。對(duì)于關(guān)系模型，利用DISCOVERER進(jìn)行分類，鉆取，數(shù)據(jù)過濾，分層次數(shù)據(jù)選取，建立相應(yīng)的報(bào)表格式，為二級(jí)挖掘提供數(shù)據(jù)；對(duì)于多維數(shù)組模型表示的結(jié)構(gòu)，發(fā)揮EXPRESS工具的便于針對(duì)矩陣運(yùn)算的優(yōu)勢(shì)進(jìn)行操作。
4．在數(shù)據(jù)倉庫基礎(chǔ)上，利用相關(guān)的統(tǒng)計(jì)分析理論建立數(shù)學(xué)模型，進(jìn)行第二級(jí)數(shù)據(jù)挖掘 。
第一，預(yù)測(cè)，即是對(duì)未來未知變量的預(yù)測(cè)，這種預(yù)測(cè)是需要時(shí)間來驗(yàn)證的，即必須經(jīng)過一定時(shí)間后，才知道預(yù)言準(zhǔn)確性是多少。主要利用時(shí)間序列分析，線性分析，回歸分析，多元統(tǒng)計(jì)分析，灰色預(yù)測(cè)等方法進(jìn)行。例如：業(yè)務(wù)收入預(yù)測(cè)，客戶風(fēng)險(xiǎn)預(yù)測(cè)，業(yè)務(wù)實(shí)施情況預(yù)測(cè)等。
第二，關(guān)聯(lián)規(guī)則和聚類，通過分析數(shù)據(jù)或記錄間的關(guān)聯(lián)程度，決定哪些事情將一起發(fā)生。將記錄分組，把相似的記錄在一個(gè)聚集（反映數(shù)據(jù)之間的關(guān)系）里。聚集和分類的區(qū)別是聚類不依賴于預(yù)先定義好的類，不需要訓(xùn)練集。如相關(guān)業(yè)務(wù)密切程度分析等。
5．給出分析結(jié)論
利用決策樹，神經(jīng)元網(wǎng)絡(luò)，灰色決策等方法進(jìn)行決策分析。
6．代入實(shí)際數(shù)據(jù)，進(jìn)行一致性驗(yàn)證
不斷校驗(yàn)誤差，修正模型，提高精確度，進(jìn)行效果監(jiān)控，優(yōu)化分析結(jié)果，同時(shí)修改相應(yīng)的決策行為。比如：一段時(shí)間某兩項(xiàng)業(yè)務(wù)關(guān)聯(lián)度高，然后出現(xiàn)異常，關(guān)聯(lián)度降低，那么在轉(zhuǎn)折點(diǎn)的分析將出現(xiàn)較大偏差，因此要進(jìn)行連續(xù)的檢驗(yàn)，以保證及時(shí)發(fā)現(xiàn)問題，修訂策略。
