前言：本站為你精心整理了OLAP技術應用于電信經營管理范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要數據倉庫技術已經在電信企業生產經營管理中得到廣泛的應用，該技術對電信企業每天產生的大量的業務支撐數據及外部數據進行整合，對不同類型的數據源采用不同的抽取加載策略。本文運用olap技術對這些加載到數據倉庫中的數據進行分析利用，建立OLAP多維分析模型，找出最本質的東西和內在聯系的規律性，指導企業進行經營決策管理，提高企業經濟效益，提升企業的市場競爭力。

關鍵詞經營管理OLAP分析模型維事實

1引言

隨著我國加入WTO步伐的加快，客觀上要求國內的電信運營企業在經營管理上向國外先進的電信運營企業學習，以迎接電信運營業的國際化競爭。同時隨著國家改革的進一步深化，國內電信業的市場環境已逐漸趨于合理，競爭日益加劇。這些因素已對國內電信運營企業的服務內容、服務方式、經營管理以及服務意識等方面，提出了嚴峻的挑戰。企業要想在競爭中取勝，獲得更大的收益，至關重要的是，必須利用計算機和網絡技術、數據倉庫技術，深層次地挖掘、分析當前和歷史的生產業務數據，以及相關環境的相關數據，自動快速獲取其中有用的決策信息，為企業提供快速、準確和方便的決策支持。

通過對電信企業的數據倉庫中大量數據構建多個面向主題的數據集市，建立OLAP多維分析模型，運用多維操作并以多種圖示及表格進行多角度多層次的分析來展示數據，揭示數據之間的趨勢相關性，指導企業經營管理。

2OLAP技術及多維數據分析

OLTP已不能滿足終端用戶對數據庫查詢分析的需要，SQL對大型數據庫進行的簡單查詢也不能滿足終端用戶分析的要求。OLAP是針對特定問題的聯機數據訪問和分析。通過對信息的多種可能的觀察形式進行快速、穩定一致和交互性的存取，允許管理決策人員對數據進行深入觀察。

OLAP具有以下特點：快速性：用戶對OLAP的快速反應能力有很高的要求。系統應能在很短時間內對用戶的大部分分析要求做出反應。

可分析性：OLAP系統應能處理與應用有關的任何邏輯分析和統計分析，以用戶理想的方式給出報告。多維性：是OLAP的關鍵屬性。系統必須提供對數據的多維視圖和分析,包括對層次維和多重層次維的完全支持。

信息性：不論數據量有多大，也不管數據存儲在何處，OLAP系統應能及時獲得信息，并且管理大容量信息。

OLAP按照存儲方式分類為：ROLAP，MOLAP，HOLAP；按照處理地點分類為：ServerOLAP,ClientOLAP。

OLAP體系結構主要有數據庫服務器、OLAP服務器、前端工具等架構組成。

多維分析是指對以多維形式組織起來的數據采取切片、切塊、旋轉、上探下鉆等各種分析動作,剖析數據,使最終用戶能從多個角度、多側面觀察數據庫中的數據,從而深入地了解包含在數據中的信息、內涵。超立方結構(Hypercube)：超立方結構指用三維或更多的維數來描述一個對象,每個維彼此垂直。數據的測量值發生在維的交叉點上,數據空間的各個部分都有相同的維屬性；多立方結構(Multicube)：即將超立方結構變為子立方結構。面向某一特定應用對維進行分割,它具有很強的靈活性,提高了數據(特別是稀疏數據)的分析效率。

OLAP多維分析的實現由四大部分組成：多維分析主題數據庫、多維分析模型設計、多維分析立方體生成、報表圖表制作展現。

多維分析動作：切片（slice）和切塊(dice)：在多維數據結構中,按二維進行切片,按三維進行切塊,可得到所需要的數據；鉆取(Drill)：鉆取包含向下鉆取(Drill-down)和向上鉆取(Drill-up)/上卷(Roll-up)操作，鉆取的深度與維所劃分的層次相對應；旋轉(Rotate)/轉軸(Pivot)：通過旋轉可以得到不同視角數據。

3電信經營管理邏輯部署模型

從各業務系統、非業務系統中將相關業務數據進行抽取、清洗、加工、整理、加載到數據倉庫中，在數據倉庫中形成基礎的分析數據的存儲，然后根據業務及管理等實際的需要在數據倉庫上建立適合各種應用的數據集市。數據倉庫、數據集市中蘊含的信息可以通過報表、OLAP分析、即席查詢等形式向綜合營銷系統使用人員展現。系統體系結構分為三層，即數據獲取層（數據準備區）、數據存儲層（數據倉庫及數據集市）和數據展現層（報表、分析等），如圖1所示：

圖1.數據經營管理邏輯部署模型

4電信經營管理OLAP多維數據分析模型設計

在多維分析模型建設中存在多種模型：星型模型、雪花模型、星座模型及雪暴模型。星型模型的構架非常簡單，只有兩個基本的表類型：維和事實，維表的主關鍵字是事實表的外鍵，而且維只與事實相關聯，構成關系數據庫中的多維分析空間。通過星型模型，使用者可以更好地理解訪問途徑，易于使用者使用分析工具進行多維分析。雖然星型模式存在一些數據冗余，不符合數據庫設計的范式，但由于它在進行分析操作時數據關聯少，因此性能比較高。另外多維數據模型所提供的操作與關系數據庫是不同的，因此并不存在關系數據庫中不符合某個范式造成的插入異常和刪除異常的問題；雪花模型針對每個維度的每個層次都有一個維度表，每個維度表都有一個主鍵，并如果有下一層次，則包含下一層次維度表的外鍵。雪花模型沒有冗余，符合數據庫邏輯模型設計理論中的第三范式，但由于特定主題相關的物理實體數量比較多，會對性能有一些影響。雪花模型主要用于處理多對多關系的結構、非分析性數據和層次結構。星座模型是星型模型的直接擴充，通過共享維將多個星型模式連接在一起構成。再將星座模型擴展為具有多個事實表和維表的結構，構成為雪暴模型。在電信企業經營分析多維數據模型設計中，我們主要采用星型模型進行建模，提高查詢效率以及降低建立CUBE所需時間。

電信企業經營分析系統數據倉庫劃分的主題主要有：客戶主題、帳務主題、帳戶主題、收入支出主題、服務及使用主題、計劃主題、資產及設備主題等。

對每個主題域建一個數據集市，采用星形結構。建立的主要分析模型有：財務收入分析，分析維度有：時間，區域，帳目類型，產品等，分析指標有：財務收入，用戶數等；業務收入分析，分析維度有：時間，區域，帳目類型，產品等，分析指標有：業務收入，用戶數等；收入結構分析，分析維度有：時間，部門，帳目類型，產品等，分析指標有：財務收入等；業務支出分析，分析維度有：時間，帳目類型，產品，部門等，分析指標有：業務支出等；客戶情況分析，維度信息是：時間、地域、年齡組、客戶性別、消費層次、客戶類型、客戶職業、信用等級、呼叫時長層次、呼叫次數層次、在網時間等級、業務品牌、業務種類。指標值是按維度適當匯總的：客戶總數、活動客戶數、欠費客戶數、零次客戶數、新增客戶數、流失客戶數等；業務發展分析，維度信息是：時間、地域、客戶性別、客戶年齡組、客戶類型、客戶職業、消費層次、業務品牌、業務種類、通話時段、呼叫類型。與維度相關的指標：通信時長、通信次數、通信量、MOU、新業務使用量等；收益情況分析，模型的維度信息是：日期、地域、客戶性別、消費層次、客戶類型、客戶職業、信用等級、業務類別、費用類別。與維度相關的指標：收入總量、收入增量、ARPU、欠費金額等。以及設備使用情況分析；固定資產利用情況分析；經濟效益與核算分析等；基于篇幅關系，圖2僅給出收入分析模型圖。

5OLAP分析模型安全權限設置

由于分析模型面向的用戶不同，安全操作權限就成為重要的環節。

用Cognos套件來建模展現，將Cognos所帶的動態連接庫加載到應用軟件中，進行相關編程，具體分為兩級：首先，將應用系統中的安全權限信息加載到分析模型，進行用戶級操作設置；其次，對相應分析模型的客戶經理維建立視圖，屏蔽不屬于其管轄的客戶，進行維級權限設置。圖3是客戶管理模型權限設置平臺。

圖3客戶管理模型權限設置平臺

6OLAP分析模型展現實例

用COGNOSBI產品工具，OLAP分析模型展現采用兩種方式進行，第一，用Cognos套件中的Powerplay平臺展現；其次，將模型信息在WEB上，通過瀏覽器來分析展現。下面以收入分析為例的展現圖：如圖4所示。

7總結

在企業中構建數據倉庫要整合異構數據源，運用OLAP技術設計及生成多維分析立方體，通過上鉆、下鉆、切片、分塊、旋轉等手段進行生產經營活動分析導航，發現驗證數據的規律性，指導管理者決策。關鍵技術是OLAP多維分析模型的建立，要全面完整地反映企業的信息，才能提供可靠的結論。

圖4.收入分析PowerPlay展現

參考文獻

[1](美)MichaelCorey等著.Oracle8i數據倉庫.機械工業出版社2001

[2]王珊等.數據倉庫技術與聯機分析處理.科學出版社,1998

[3]林杰斌,劉明德,陳湘.數據挖掘與OLAP理論與實務.清華大學出版社,2003

[4]段云峰.數據倉庫及其在電信領域中的應用.電子工業出版社,2003

[5]徐潔磐.數據倉庫與決策支持系統.科學出版社,2005

[6]王麗珍等.數據倉庫與數據挖掘原理及應用.科學出版社,2005