电信运营商大数据业务运营流程深度剖析

电信运营商大数据业务运营流程深度剖析【摘要】为了对电信运营商大数据业务运营流程进行剖析，首先针对运营商在对外开展大数据业务的过程中所面临的管理困境进行了总结和分析，并从数据资产管理流程及大数据端到端业务流程两方面提出相应的改进建议，以期为电信运营商大数据业务整体推进提供有益的参考。【关键词】大数据业务数据资产管理流程端到端业务流程1引言2015年，在“互联网+”战略及创新氛围的带动下，三大运营商均已完成大?稻萦τ贸【按幽诓坑τ米?向外部变现的破局。2016年以后，运营商的大数据业务正逐渐走向规模化和商业化。在大数据业务的规模化商业化运营过程中，运营商面临怎样的挑战，又该如何应对，成为值得探讨的问题。本文将针对运营商的大数据业务运营全流程，从数据资产管理和大数据端到端业务流程两条管理制度流程，详细剖析运营商开展大数据业务所面临的困难，并针对这些困难提供出优化提升的管理建议，以期为后续大数据业务运营管理提供参考。2大数据业务管理现状及相关理论介绍2.1大数据业务管理现状运营商在开展大数据业务过程中通常会涉及两条流程支线：数据资产管理流程和大数据端到端业务管理流程。如图1所示，在大数据端到端业务管理流程方面，大部分运营商已形成了前端部门收集汇总大数据需求，后端部门与外部支撑厂商进行大数据应用功能的具体开发实现的端到端业务管理流程。如图2所示，在数据资产管理流程方面，大部分运营商仍延续传统的采集存储规则，并未形成针对大数据应用的系统性的数据资产管理流程及制度。完整的数据资产管理是包括针对数据的计划、规范定义、采集存储、提取使用、盘点维护、数据清除环节在内的全生命周期管理，而目前大部分运营商的数据管理仅包含采集存储、提取使用、数据清除环节，且现存管理制度不适应大数据业务特征，制度有效性受限。2.2BPMMM和数据质量管理评估维度（1）业务流程管理成熟度模型业务流程管理成熟度模型（BPMMM，BusinessProcessManagementMaturityModel）是用来评价并提高企业业务流程管理水平的模型，包括外部结构和内部结构。如图3所示，BPMMM的外部结构划分为初始级、可复用级、已定义级、可管理级和优化级五个层级。BPMMM的内部结构则主要用于判断组织所处的成熟度水平，并分析未来改进方向。内部结构分为成熟度级别、管理领域、关键指标和典型行为。内部结构将外部结构的每一级别细化为战略与组织文化、业务流程管理活动、客户关系管理、人力资源及组织管理、知识管理和IT管理六大管理领域，模型进一步将每一个管理领域划分为多个关键指标，用于阐述在该领域所关注的业务流程管理重点，最后将利用各关键指标的典型行为，区分出这些关键指标在不同的成熟度级别中的不同表现，从而判断这些关键指标所处的成熟度级别。（2）数据质量管理评估维度在数据质量管理评估维度中，针对数据的改善和管理，主要包括数据分析、数据评估、数据清洗、数据监控、错误预警等内容；针对组织的改善和管理，主要包括确立组织数据质量改进目标、评估组织流程、制定组织流程改善计划、制定组织监督审核机制、实施改进、评估改善效果等多个环节。任何改善都是建立在评估的基础上，知道问题在哪才能实施改进。通常数据质量评估和管理评估需通过以下六个维度衡量：1）完整性：完整性用于度量哪些数据丢失了或者哪些数据不可用。2）规范性：规范性用于度量哪些数据未按统一格式存储。3）一致性：一致性用于度量哪些数据的值在信息含义上是冲突的。4）准确性：准确性用于度量哪些数据和信息是不正确的或者数据是超期的。5）唯一性：唯一性用于度量哪些数据是重复数据或者数据的哪些属性是重复的。6）关联性：关联性用于度量哪些关联的数据缺失或者未建立索引。3大数据业务面临的困境（1）运营商大数据业务运营管理流程成熟度分析运营商普遍已形成可复用的业务运营管理流程，部分在大数据业务领域较为领先的运营商已经建立了独立的部门甚至子公司对大数据业务进行管理和协调，也有少数运营商建立了大数据业务开展的流程管理规范。但目前各运营商的大数据业务管理规范还较为粗放，未能全面切实地指导大数据业务的开展。并且，仍有大部分的运营商未确定大数据业务开展的组织形式。因此，根据业务流程管理成熟度模型，运营商的大数据业务管理流程目前正处于从可复用级成熟度水平向己定义级成熟度水平过渡的阶段，管理流程水平仍有很大的优化提升空间。（2）端到端业务管理流程问题分析运营商大数据端到端业务流程的问题主要集中在需求沟通确认、数据建模及提数环节。在需求沟通确认环节，由于前端业务人员与后端技术人员对数据资源的理解视角及沟通方式存在差异，导致跨部门沟通效率低下，进而导致需求沟通环节冗长、反复。在数据建模及提数环节，由于数据资产定义及分级分类规范的缺失以及数据质量管控制度的缺失，导致提取数据无法满足建模需求，需调整数据模型并补充提取数据。除此以外，运营商当前大数据业务需求满足流程缺乏系统的有效支撑，大量工作需人工手动完成，严重影响大数据业务响应速度。（3）资产管理流程问题分析数据资产管理流程的问题主要集中在规范定义、采集存储及提取使用环节。在规范定义方面，运营商普遍还未形成公司级的数据资产定义及分级分类规范，直接导致数据开放策略、数据采集存储策略、数据质量管理策略无从制定，影响数据资产长期积累及大数据业务的拓展。在采集存储方面，绝大多数运营商仍延续传统数据采集存储策略，未依据大数据业务需求制定数据采集存储策略，导致数据采集及存储质量无法满足大数据应用需求，某些大数据需求数据甚至未能采集和存储。在提取使用方面，运营商普遍未建立完整的数据质量管控制度。从数据质量管理评估的六大维度来看，运营商数据，尤其是传统业务对其质量要求较低的网络域数据，存在数据采集、录入、存储随意导致数据存在不完整、不准确等多重问题，无法满足大数据应用的需求。例如在位置信息方面，小区经纬度信息存在大量的经纬度填反、数据缺失现象，基站名称存在拼音、?底直嗦搿⒆址?等多种形式并存导致数据可用性差等情况。4应对策略建议本文对运营商大数据业务运营管理流程存在的问题进行原因追溯、分析发现，上述问题产生的原因可以归结为公司级数据资产定义及分级分类标准规范缺失、数据质量管控机制缺失及系统缺乏有效支撑三类。接下来，本文将从这三个方面给出优化改进的思路：（1）建立公司级数据资产定义及分级分类标准规范针对需求沟通过程中业务人员与技术人员之间以及不同系统管理人员之间存在沟通协调壁垒的问题，运营商应建立公司级数据资产定义及分级分类标准规范，划定关键数据资产范围、对数据进行统一的分级分类并制定统一的数据操作规范。公司范围内关键数据的规范和统一，将减少业务分析人员针对数据的研究时间，帮助分析人员更有效的决策，并能够弥合业务人员和IT人员之间的分歧，提升跨专业沟通效率。（2）搭建数据质量管理机制针对运营商在数据质量方面的问题以及由此引发的数据建模及提数流程反复问题，各运营商应按照计划、执行、检查、行动的步骤，制定适合于本公司的循环迭代式数据质量管理机制，逐步实现数据质量的阶梯式上升。具体来讲，各运营商需要在计划阶段根据大数据业务的特征和需求制定数据质量标准，基于该标准开展数据ETL工作流程，在实施过程中持续监控和度量数据质量水平，发现问题时执行数据质量即时解决方案并将问题进行记录备案。（3）建立可视化、自主化、模块化的数据流管理体系最后，针对运营商系统支撑能力弱、支撑效率低的问题，运营商应建立可视化、自主化、模块化的数据流管理体系，通过对产品形成过程的可视化监督强化对大数据产品最终质量的管控，同时通过自主化、模块化的管理模式提升大数据业务的快速响应能力。1）可视化：业务建模所需的数据从需求端到数据源的数据流及数据血缘关系直观可见。2）自主化：在清晰定义的数据关系的基础上，实现数据的自动调度及更新。3）模块化：专业化模块分工提升工作效率，同时在各模块之间设置沟通协调人员，确保模块之间信息沟通及时顺畅。5反思与结论随着大数据行业竞争程度的逐渐升级，大数据业务成功开展的决定性因素已经慢慢由数据资源优势转向了应用及运营能力优势上。运营商拥有体量巨大、维度丰富的数据金矿，但如何开采这座金矿、将金矿变成抓得住的价值是所有电信运营商值得深思的问题。本文从数据资产管理和大数据端到端业务流程两条管理制度流程，分析了运营商开展大数据业务所面临的困难，并提出优化提升的管理建议。参考文献：[1]曹鲁.大数据业务在电信运营中的应用分析[J].中国新通信，2016（16）：115-116.[2]孙丽弘，赵韩子.关于移动数据业务精益运营体系建设的研究[J].现代电信科技，2016（1）：29-32.[3]金天骄.运营商大数据业务规划思路研究[J].互联网天地，2015（2）：58-62.[4]邵珠峰.移动数据业务运营支撑系统（MDSOSS）解决方案[J].信息系统工程，2013（7）：38.[5]刘洁，王哲.基于大数据的电信运营商业务精确运营平台的构建[J].电信科学，2013（3）：22-26.[6]郭培勇.数据业务深度运营平台的分析与设计[D].北京：北京邮电大学，2011.[7]连洁.基于XPORT的多路数据转发单元的设计[J].无线电工程，2014，44（8）：41-44.[8]郭小宁.数据业务深度运营管理平台的建设[D].长春：吉林大学，2008.[9]杨毅.一种基于网格优化的空间数据访问与存储研究[J].无线电通信技术，2014，40（6）：43-46.[10]陶杰，范琨.我国移动数据业务运营模式的研究[J].山西电子技术，2007（3）：79-81.