| « | October 2025 | » | | 日 | 一 | 二 | 三 | 四 | 五 | 六 | | | | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | | |
|
公告 |
|
数据仓库&数据挖掘
对某一件事需要坚持方能真正完成这件事
薛 峰
2009.02.03 |
| Blog信息 |
|
blog名称:数据仓库与数据挖掘
日志总数:85
评论数量:14
留言数量:0
访问次数:724408
建立时间:2005年3月17日 |
| |
|
 [数据仓库]DB2 CLP 命令的快速参考
原创空间
薛 峰 发表于 2005/6/23 9:41:25 |
以下是最常用的 DB2 CLP 命令的快速参考。虽然不是一份完整的参考，但这篇文档对于任何刚接触 DB2 的用户来说，可以证明是案边有价值的参考材料。反馈意见可以发送至 ypaul@ca.ibm.com。
方括号中的参数是可选参数，尖括号中的内容表示变量。例如，CONNECT 的语法是：
connect to <dbname>
[ [user <userid>] using <pwd>]
这意味着，通过 CONNECT 命令以 user1 身份使用密码 mypass 与数据库 sample 连接可以有下列形式：
Connect to sample
Connect to sample user user1
Connect to sample user user1 using mypass
根据命令的作用域来组织所有命令。对于任何 CLP 命令，您都可以输入加上前缀问 |
|
|
[数据仓库]数据仓库学习研究
文章收藏, 网上资源
薛 峰 发表于 2005/6/23 8:44:37 |
|
数据仓库学习研究
信息处理技术的发展，使得各类数据、信息急剧增长，给数据的传输、存储都带来了许多新的问题。人们希望能够看到所有数据和信息的综合情况，而这些数据与事务处理有许多不能被原有数据结构描述，不能被现有应用系统综合使用。针对这一问题，人们设想专门为业务的统计分析建立一个数据中心，它的数据来自联机的事务处理系统、异构的外部数据源、脱机的历史业务数据等，这个数据中心就叫数据仓库。数据仓库技术的应运而生，成为信息技术领域非常热门的话题之一。
数据仓库技术的提出，建立了一种体系化的数据存储环境，将分析决策所需要的大量数据从传统的操作环境中分离出来，使分散、不一致的操作数据转换成集成、统一的信息。
1.数据仓库概念
数据仓库是一个面向主题的、集成的、与时间相关、稳定的数据集合，以便支持管理决策。
“面向主题”的数据仓库要求进行数据库设计,而一些数据库设计者忽略了这一重要环节,根本没有进行正规的数据库设计。他们简单地把原有数据库或者并非专为数据仓库设计的现有决策支持系统(DSS)中的数据复制到数据仓库中。这样建立的不是良构的、可独立维护的主题数据库。在数据仓库设计过程中，数据以所代表的业务内容划分，而不是以应用划分。
“数据集成性”意味着数据仓库中的数据采用统一的格式和编码方式。在命名协议、关键字、关系、编码和翻译中的一致性问题必须通过精心的设计取得。
“与时间相关”意味着数据仓库中的数据大都与时间相关。因此，数据仓库中的数据组织方式要便于按时间段计算和提取数据。
“稳定的”是指数据仓库中的数据不进行实时更新。通常数据是以每夜、每周或每月为周期进行升级,这一升级的过程不是简单的拷贝,而是要经过复杂的提取、概括、聚集和过滤等操作过程。数据一旦进入数据仓库,就不允许随便更新。
2.数据仓库的内涵
从数据仓库的基本概念及产生背景看来，数据仓库具有以下内涵：
(1)数据仓库应支持多种数据源,不仅仅是数据库,还应有各种数据文件、文本文件、应用程序等。
(2)数据仓库中存放的应该不仅是供分析使用的数据,还应有在一定激发条件下能主动起作用的处理规则、算法、甚至是过程。
(3)传统的物理数据仓库方法并非唯一的选择,应根据需求的具体情况,建立虚拟数据仓库的解决方案。
(4)数据仓库中的数据并不完全是原始数据的简单归并和搬家,而应该是增值和统一。因此“汇总并统一”是数据仓库的必须内涵描述。
3.数据仓库的基本组成
数据仓库DW( Data Warehouse) 既是一种结构和方法，又是一种技术。各种信息从不同信息源提取出来，然后将其转换成公共的数据模型并和仓库中已有的数据集成，当用户向仓库查询时，需要的信息已准备就绪，数据冲突、表达不一致等问题已经得到解决，这样，决策查询更容易、更有效。作为一种满足数据仓库管理要求的特殊的数据库系统，DW具体包含以下五个基本功能部分：
数据定义：主要完成数据仓库的结构和环境的定义，包括：定义数据仓库中数据库的模式、数据仓库的数据源和从数据源提取数据的一组规则或模型。
数据提取：数据提取部分负责从数据源提取数据，并对获得的源数据（source data）进行必要的加工处理，使其成为数据仓库可以管理的数据格式和语义规范。
数据管理：数据管理由一组系统服务工具组成，负责数据的分配和维护，支持数据应用。数据分配完成获取数据的存储分布及分发到多台数据库服务器，维护服务完成数据的转储和恢复、安全性定义和检测等。另外，用户直接输入系统的数据也由该部分完成。
数据应用：数据仓库的数据应用除了一般的直接检索性使用外，还应当能够完成比较常用的数据表示和分析，如图表表示、统计分析、结构分析等。对于涉及到众多数据的综合性较强的分析，可以借助专业数据分析工具。在客户机/服务器体系结构下，这部分功能可以放在客户端来完成，以便充分利用客户机上丰富的数据分析软件。这部分主要包括了报表生成、OLAP、数据挖掘、决策支持工具应用等方面，其中OLAP和数据挖掘是近年来研究的重点和热点。
4.数据仓库体系结构
数据仓库是储存、管理信息数据的一种组织形式,其物理实质仍是计算机存储数据的系统,只是由于使用目的不同,其存储的数据在量和质以及前端分析工具上与传统信息系统有所不同。数据仓库按照功能分为以下几部分。
1、元（Meta）数据。元数据是数据仓库的核心，是关于数据的数据，是关于数据和信息资源的描述信息。它通过对数据的内容，质量，条件和其他特征进行描述和说明，帮助人们有效地定位、评论、比较、获取和使用相关数据。
2、源数据。指分布在不同的应用系统中，存储在不同的平台和不同的数据库中的大量的数据信息，是数据仓库的物质基础。
3、数据变换工具。为了优化数据仓库的分析性能，源数据必须经过变换以最适宜的方式进入数据仓库。变换主要包括提炼、转换。数据提炼主要指数据的抽取，并对抽取数据删去不需要的运行信息，检查数据的完整性和相容性等；数据转换指统一数据编码和数据结构、给数据加上时间标志、根据需要对数据集进行各种运算以及语义转换等。数据变换工具为数据库和数据仓库之间架起了一座桥梁，使源数据得到了增值和统一，最大限度地满足了数据仓库高层次决策分析的需要。
4、数据仓库。源数据经过变换进入数据仓库。数据仓库以多维方式来组织数据和显示数据。属性维和时间维是数据仓库反映现实世界动态变化的基础，他们的数据组织方式是整个数据仓库技术的关键。
5、数据分析工具。数据仓库系统的目标是提供决策支持，它不仅需要一般的统计分析工具，更需要功能强大的分析和挖掘工具，是数据仓库系统的重要组成部分。分析工具主要实现对数据仓库中的数据进行分析和综合。挖掘工具负责从大量的数据中发现数据的关系，找到可能忽略的信息，预测趋势和行为。
源数据
数据装载
数据转换
数据抽取
数据仓库spatial data warehouse
可视化工具
多维分析工具
数据挖掘工具
多维数据
源数据
源数据
客户端分析工具层
数据仓库层
数据变换工具层
数据仓库体系结构
总结
数据仓库并非是一个仅仅存储数据的简单信息库，它是一个以大型数据管理信息系统为基础，附加在这个数据库系统之上，存储了从企业所有业务数据库中获取的综合数据，并能利用这些综合数据为用户提供经过处理后的有用信息的应用系统。如果说传统数据库系统的重点与要求是快速、准确、安全、可靠地将数据存进数据库中的话，那么数据仓库的重点与要求就是能够准确、安全、可靠地从数据库中取出数据，经过加工转换成有规律信息之后，再供管理人员进行分析使用。
思考
建立一个数据仓库需要经过以下几个处理过程：①数据仓库设计；②数据处理；③数据展现。
Ø 数据仓库设计
数据仓库在设计之初应明确其主题，主题是一个在较高层次将数据归类的标准，每一个主题对应一个宏观的分析领域，针对具体决策需求可细化为多个主题表，具体来说就是确定决策涉及的范围和所要解决的问题。但是主题的确定必须建立在现有联机事务处理（OLTP）系统基础上，否则按此主题设计的数据仓库存储结构将成为一个空壳，缺少可存储的数据。但一味注重OLTP数据信息，也将导致迷失数据提取方向，偏离主题。为此，在模型设计过程中，需要在OLTP数据和主题之间找到一个“平衡点”，根据主题的需要完整地收集数据，这样构建的数据仓库才能满足决策和分析的需要。
Ø 数据处理
由于业务系统的开发一般有一个较长的时间跨度，这就造成同一种数据在业务系统中可能会有多种完全不同的存储格式，甚至还有许多数据仓库分析中所要求的数据在业务系统中并不直接存在，而是需要根据某些公式对各部分数据进行计算才能得到。因此，确定如何抽取或查询源数据并非易事，因为源数据往往存储在多个地方，可能是一个RDMS、一个文本文件、一个Excel 文件、一个DBF 文件或其他类型文件。
在数据处理过程中，从设计的角度讲最好忽视一些连接问题，把主要精力集中在源数据如何映射目标数据上，因为，结构统一、信息完备的数据平台是决策分析的根本保证。这里提醒一点，在数据抽取分析时需要对业务深刻理解，不能简单的了解。比如我想取一个数据，在源系统中多个表都有，而你选择了一个。在当时不会有什么问题，但随着后续工作的开展和分析就会出现意想不到的结果。所以从哪一个表取不是随便的。
数据库
导出数据文本
DW服务器指定目录
导入模块
数据库
数据库
导出数据文本
导出数据文本
系统专用数据库同时，行业集约化、精细化管理的不断推进，建立统一的数据平台成为了今后信息分析的迫切要求。为便于数据信息的统一转换，减少原型系统对源数据库系统的依赖，在对异构数据源进行转换过程中往往采用文本导出、导入机制，其数据转换模式结构图如下
文件处理模式优点：
①避免了数据仓库系统对源数据库系统的过分依赖；
①数据提供方能以简单的形式将数据提供给数据仓库系统，以便进行决策分析；
②屏蔽了源数据格式差异；
③能够以统一的方式处理获得的源数据，从而提高了数据预处理效率；
④以导出的文本文件作为数据源，避免了直接对源数据库的操作，保障了源数据库系统的安全及效率。
Doc1.doc
信息中心
夏勇
2005年5月28日 |
|
|
[电信行业]亚信商业智能产品套件--OpenBI Product Series
网上资源, 读书笔记
薛 峰 发表于 2005/6/23 8:39:43 |
亚信商业智能产品套件--OpenBI Product Series
面对庞杂的信息，谁能帮您搭建数据仓库
更深入地挖掘有效资源，支持决策?
我们致力于您的商业智能系统建设，帮助您从大量的业务数据中快速提取有价值的信息、发掘隐藏在其中的一些深层次的内在规律，把握业务发展的趋势，对业务发展进行分析、预测并制定相应的市场策略，对市场机会做出及时灵活的反应，并且为您的商业智能系统提供精良产品和优质咨询服务。
产品概述
随着市场竞争的加剧和信息社会需求的发展，电信运营商的经营理念正逐步从以网络建设、扩展市场覆盖面为中心转变到以客户为中心，以业务经营为重点。
经过多年业务系统建设，电信运营商往往积累了大量的业务数据，如何从中快速提取(检索、查询)信息、发掘隐藏在业务数据中的一些深层次的内在规律，把握业务发展的趋势，对业务发展进行分析、预测以及制定相应的市场策略，对市场机会做出及时灵活的反应，将成为企业在信息时代市场竞争中立于不败之地的关键所在。
亚信公司长期服务于信息自动化关键业务领域，致力于电信运营商业务支撑系统的建设。特别是在商业智能系统方面，已形成了一条基于各电信运营商数据仓库逻辑模型开发的产品线－OpenBI，为电信运营商构造自身的商业智能系统提供精良的产品和优质的咨询服务。
架构及功能
OpenBI产品线共包括两大类产品：
数据仓库
数据挖掘
亚信数据仓库
基于各电信运营商不同数据仓库逻辑模型搭建的相应基础平台，通过加载主题分析、专题分析产品及定制开发，形成一个从元数据管理、ETL、数据仓库、主题/专题分析、到前端多种方式展现分析结果的电信级数据仓库和经营分析系统。
数据仓库模型：基于亚信领先的数据仓库逻辑模型和业界知名的数据仓库 (ORALCE、IBM、NCR、SYBASE、MICROSOFT等)厂商的产品构建企业或运营商的数据中心;
数据ETL：提供多段任务并行，提高处理速度;
数据集市：面向部门、地市的数据集合;
KPI展示：关键指标的展示，支持手机浏览;
主题分析产品：采用多维分析、比较分析、排名分析、意外分析、趋势分 析等多种分析
方法;
专题分析产品：采用非数据挖掘算法进行热点、难点问题分析;
定制开发：完成报表、即席查询等用户定制的功能;
元数据管理：支持动态管理，提供冲突检测、血缘分析等功能;
数据接口：支持XML、TXT、EXEL等多种标准格式的接口;
业务交互：基于APIs、J2EE、EAI技术及自动工作流机制实现数据的共享和业务交互，形成分析型CRM与操作型CRM的闭环管理;
综合管理：系统/安全管理、日志分析和基于LDAP的用户管理等功能;
访问门户：访问的唯一入口，并提供Single sign-on和个性化服务。
亚信数据挖掘
亚信数据挖掘即专家分析产品，是利用Associations (关联分析)、Sequential patterns (序列分析)、Clustering (聚类分析)、Classification (分类分析)、Prediction (预测)、Similar Time Sequences (时间序列分析)等数据挖掘算法进行更为深入的分析和预测，通过寻找数据背后的规律为运营管理提供科学、准确、具有前瞻性的决策支持依据。
客户细分模型
客户综合价值评估模型
客户信用度评估模型
客户流失预测模型
客户呼叫指纹平台
技术特点
支持超过TB级的海量数据的数据仓库，提供高性能、高可用性、高可扩展性的电信级经营分析及决策支持应用；
支持B/A/S 体系结构、零客户端，支持移动办公，满足决策支持的随机性和及时性；
灵活的体系设计，支持与各种主流数据库平台、多维分析引擎、数据挖掘引擎和前端展示工具的无缝集成，便于扩展；
提供完善而丰富的业务分析模型，提供二次开发的接口，更好地实现更具个性化的决策支持应用；
专家产品采用松耦合的设计，每个产品可以独立的应用，也可以通过产品间定义的接口组合应用，实现更为复杂、更为全面和深入的挖掘分析；
快速构造企业商业智能信息门户，为各类用户提供丰富多彩的、个性化的决策支持信息服务(如信息广播、告警预警、虚拟雇员等等)；
标准化的工程实施流程，提供本地化的培训和技术支持。
支持电信级的数据仓库及分析应用平台
TB级的电信级数据仓库应用平台, 数据仓库模型分层设计;
大容量, 高性能，高处理能力;
亚信是唯一通过三千万用户压力测试的电信计费软件供应商(日本高端系统评测中心, 2001)，具备丰富的VLDB应用设计经验。
完善的业务分析功能
不是一个简单的报表系统；
积极参加行业内相关系统规范的制定，对业务需求了解较深；
全面的、多行业的分析主题，涉及客户发展，业务发展，收益分析，大客户分析，竞争分析，市场营销分析，服务质量分析等。
完整的解决方案系统的前瞻性
完善的业务分析模型，采用数据挖掘技术建立模型；
在完整的分析型CRM解决方案"亚信 OmniCRM solution (分析型)"中, 包括营销活动管理 (Campaign Management)、客户流失分析及管理，UpSell/CrossSell等应用功能，适应电信行业市场竞争的需要；
与业务支撑系统的互动，分析结果反馈给业务运营系统，形成闭环管理(Close-Loop)。
完善的系统实施经验及售后支持服务
项目管理及大型数据仓库项目实施经验；
与多种业务支撑系统的数据接口经验；
完善的售后体系及快速的服务响应。
利益点
借助OpenBI产品帮助用户
深入且多角度地了解其客户；
深入且多角度地了解业务状况；
深入且多角度地了解销售渠道。
辅助用户追求
用比竞争者更低的成本争取到新客户，扩大市场份额；
以更好的服务留住有利润的客户(大客户)，提高收入和资源利用率；
逐步放弃无利润和信用差的客户，降低营运风险和成本。
为用户的商业利益提供支持
了解现有及潜在的客户，从现有客户中获取更高的利润；
将注意力集中在最有价值的客户群上，同时吸引新客户；
提高服务质量，客户满意度及稳定率；
增加新产品与服务项目的投资回报率；
提高收入及设备利用率，提高效率，降低平均成本。
|
|
|
[电信行业]ODS在电信行业的应用
文章收藏, 网上资源
薛 峰 发表于 2005/6/22 18:49:16 |
|
ODS在电信行业的应用
一、ODS的定义
ODS 是一个集成了来自不同操作数据库数据的环境。其目的是为终端用户提供一致的企业数据集成视图。它可以使用户轻松应对跨多个商业功能的操作挑战。
与数据仓库和数据集市受约束的更新途径相比，它的关键差异在于应用程序的更新频率和直接的更新途径。
二、ODS特点：
² 前端应用（如活动管理、客户服务、呼叫中心）可直接更新ODS，或用户直接通过应用软件界面（例如新型Web应用软件）也可直接更新ODS。
² ODS可以是数据仓库的数据源。可用批量处理来迁移到数据仓库。
² ODS可补充或扩展操作系统，而并非替代他们。
² 尽管大部分数据源可用于迁移ODS和数据仓库，但由于数据需求的临时差异，因而两种数据采集流都有可能存在。例如，数据仓库可能要求保存一份库存月快照，而ODS可能要求库存状况详尽到分钟。
三、ODS的优点：
² ODS 提供了经过改善的关键操作数据库的存取。
² 通过 ODS，组织机构可以获得他们财政预算和客户交易的完整视图，有利于更好地了解客户和做出统观全局的商业决策。
² ODS可在实时或近实时的基础上提供查询产品及服务使用数据的能力。
² 与传统系统相比，ODS能以更高的性能生成操作报告。
² 它是在不同应用软件系统中集中共享参考数据的理想场所。一种方式是应用软件直接访问ODS中的数据。另一种方式则可从ODS中将数据变化复制到现有系统的数据库中。
² ODS可帮助集成现有新型系统。
² 由于部分集成数据已驻留在ODS中，因而ODS可缩短迁移DW所需的时间。
四、ODS和电信行业应用的结合
从ODS的特点，我们可以看到它的应用是针对特定的需求而产生的，从技术角度来看，该需求主要包括数据整合、简单快速的查询功能、数据反馈等。下面我们更多地从业务需求的角度来进行分析。
随着中国加入世界贸易组织，中国正在各个经济领域逐渐对世界开放，中国电信也正面临着来自世界强国的竞争对手的压力，如何在短期内尽快完善管理体制，提高企业的竞争力，已是迫在眉睫的事情，而作为重要的支撑手段，信息系统的建设也变得越来越重要，近期各省的电信公司纷纷启动了市场营销分析系统（MAS）和渠道支撑系统（CSS）的建设。这两个系统由于使用对象和完成的功能不同，而导致将采用不同的实现策略。MAS的使用人员主要是公司市场部的负责对公司的整体经营状况进行分析和计划人员，这种经营状况的分析需要长期的数据作为基础，才能找出真正的规律，从而为正确地制定下一步的工作计划提供依据，这种系统正好符合数据仓库储存长期的历史数据的特点。而CSS的使用人员主要是大客户、商业客户、公众客户等渠道服务人员，他们需要及时地了解客户的消费行为的变化，才能在最快的时间里主动为客户提供服务，从而达到挽留高价值客户，提高客户收入的目的，这种系统更接近ODS能够对近实时的数据进行操作的特性。
目前电信内部有很多的子系统，如：营业前台、计费帐务、综合结算、1000号系统、联机采集等等。他们之间的信息有重叠和不一致显现存在，如客户资料、客户所使用的电信的业务信息、帐户信息等。如何综合应用这些数据，首要任务就是进行数据整合，ODS的特点恰恰可以担当起这付重任，而且ODS的诞生，也正是因为有了这种需求的存在。
结合以上的需求，下面我们来谈谈ODS的实现步骤：
首先，ODS需要一个数据模型，该模型必须全面涵盖所需要整合的系统内的信息，也就是说建立一个大而全的数据模型，该数据模型不需要保存历史信息，比如客户信息，只要保存当前最新的数据（这一点和DW不同，DW需要保存每一个修改历史记录）。
其次，就是数据处理。这包括导入和导出两部分，导入是将各个子系统中的数据整合到该统一模型中，对于各系统中有冲突的数据，需要业务部门配合，制定一个数据处理方法，如任取其一。根据这些规则，制定数据导入计划。导出则是指为其他系统提供经过整合的信息，如客户信息，各子系统都以ODS的数据为准，凡是涉及到对客户信息的修改，都在ODS中进行，再将ODS中的数据反馈到需要的子系统中。
最后，就是基于ODS开发前端应用，主要是查询和报表。
当然，这仅仅是对ODS的基本概念的初步介绍，同时结合电信的应用做了简单阐述，希望能对大家有所帮助。 |
|
|
[电信行业]ARPU提升 始于ARPU细分
文章收藏, 网上资源
薛 峰 发表于 2005/6/22 18:46:49 |
目前，全球移动通信市场普遍面临ARPU值下降的问题，全球的移动运营商也无不在寻找提升ARPU值的良方妙药。
事实上，对于运营商来说，提高ARPU值的关键是如何能够不断推出有吸引力的新服务。
另一方面，为了更精确地判断ARPU现状，继而分析出影响ARPU提升的各种问题所在，细分ARPU势在必行。
ARPU（每用户平均收入）作为衡量运营商经营的重要指标被反复提及，甚至引发ARPU是否是运营商所追求的讨论。其实，ARPU本身的历史较长，在上世纪90年代之前，ARPU被证券分析师用来分析运营商及其用户价值，后被NTT首先使用在自身的经营分析上，并逐渐被各电信运营商采用。从笔者查到的资料看，中国电信（香港）有限公司（当时拥有广东移动和浙江移动的绝大部分股份）在1997的年报上就有‘每月每用户的平均收入’，当时的计算方法是该年度内所有费用收入除以平均用户数，再除该年度月数。
不过，该指标作为公开的经营指标和考核省级分公司是从2000年开始的，新增用户数不再作为最重要的考核指标，各级运营商从关心用户数量到用户质量，MOU（每用户通话量）和ARPU等指标被提到前台；同时，大量的数据业务推向市场，其中主要作用就是提升ARPU。此后，ARPU就被业界不断提及，凡是希望运营商采用的技术或方案一定大谈要“提升ARPU”，甚至有人进一步研究如果将低ARPU值的用户放弃会产生哪些后果等。
我们认为，ARPU作为证券市场和对电信经营考核的重要指标之一，有必要长期使用下去，但关键在于，随着竞争状况、用户成熟度、用户细分方法和投资回报考察等发生变化，电信企业的考核办法也应发生变化。在中国移动（香港）有限公司2004年年报中，与ARPU相关的叙述则变成：合并ARPU；签约用户ARPU和预付费用户ARPU；ARPU的计算方法中，“平均用户数”为“加权后平均用户数”。因此，ARPU值将持续在用户/业务分类上和不同管理层级上应用，ARPU值家族也将随之细分，这在一定程度上也反映了精细管理的需要。
细分ARPU的应用
我们目前可以看到的对于ARPU的分类基本是基于用户群的，如签约用户和预付费用户ARPU；或不同业务类型的，如话音业务ARPU、数据业务ARPU。从理论上讲，任何业务或任何用户分类，只要能在(B)OSS中进行业务分类，经过经营分析系统就可以产生任何类别的ARPU。同时，目前各级运营商都将ARPU值及其升降幅度作为业绩考核的指标之一（有些作为定量指标，而有些作为定性指标），并被普遍作为必要的考核指标在集团、省公司、地市分公司使用。
我们应从哪些角度看待ARPU考核对于提高经营业绩的作用呢？这就需要从ARPU的真正含义、公司现实的管理需要和它的局限性来看。
ARPU的分子是该公司或该业务的总收入，而分母是加权平均用户数×月数，总体上代表用户的平均价值。它和/或其他指标共同反映了以下问题：
从管理的层级角度看：通常集团/上市公司对省公司的ARPU要求的比重要高于省公司对地市的要求，因为，集团/上市公司本身不直接面对网络日常运营、用户服务和营销推广等，更多的是关心总体业绩增长、总体利润、竞争能力、地区发展平衡和公众形象等，相对于竞争对手的ARPU涨/减幅反映了整个公司把握用户价值的能力。省公司（除直辖市外）不直接面对用户服务，ARPU只是从一个方面反映了本地的平均用户价值，而主要的矛盾则在利润率和市场占有率。从管理的阶段看，不同的阶段对ARPU的权重设计会有不同，当用户数量的净增长趋缓甚至负增长时，ARPU的增长往往会提到更重要的位置。
ARPU反映经营业绩时也有它较为明显的局限性，如时间上有滞后性，平均用户数无法反映用户数量快速变化所带来的影响，来话和去话的贡献没有加以区分等。
ARPU的细分方法
对于电信运营商的省（市）公司，我们应如何根据自身的管理层级、竞争阶段、用户特征和业务种类来使用ARPU指标呢？
首先我们建议将ARPU家族细分。ARPU指标家族实际上还可以产生出很多变种，用在特定环境中，主要有下面几种：
1. 按照用户细后的结果。也就是说，既然我们的营销策略是针对这些细分用户的，为了考察用户价值和评估营销效果，我们就以这些人群计算他们的ARPU和分析其变化。
2. 按业务的贡献程度细分ARPU，如我们首先在签约用户中将其月租费除去，分别计算市话、长途、漫游结算、互联网接入、语音增值和多媒体增值ARPU，用以分析这些内容的贡献程度。
3. 对于移动运营商以来话和去话分别计算或者计算综合贡献，以获得这个用户的收入贡献特征。
ARPU指标家族细分后的使用则是一个更加复杂的过程，这里我们只提出几条重要原则：
·ARPU的选择必须在相当长一段时间内保持一种分类方法，以使得该数据在时间轴上具有可比性；
·该ARPU的计算必须得到现有(B)OSS和经营分析系统的支持；
·ARPU必须和其他指标组合使用。
2005年是全球电信产业融合和3G应用发展的关键一年，而对运营商来说，更是充满了机遇与挑战。对于运营商而言，通过细分ARPU的方法，更精确地判断ARPU现状，分析出影响ARPU提升的各种症结所在，继而通过优化网络结构，注重网络的增值、经营和管理，不断进行业务创新和服务创新，才能最终达成提升ARPU值的目标。
比较方法（部分） 比较意义 管理意义
月或季度ARPU同比 排除季节原因的用户价值 长期影响用户的能力
的变化
月或季度ARPU环比 各期间用户价值的变化 可对应上期的营销投入评估
营销效果；在累积一定周期
后，还可以分析各周期的不
同营销重点
MOU下降幅度小, 平均价格下降得较快 希望寻找到更多的非价格促
但ARPU下降幅度大 销手段
MOU下降幅度大, 较好地保持了非话音业务 要找到真正有价值的业务，
但ARPU下降幅度小 的贡献 总结经验，保持增长
MOU下降,但ARPU 用户的贡献在快速提升 如用户数量变化不大，防
上升 止违规的推销活动
MOU上升,但ARPU 平均价格下降得太快 必须立即找到阻止价格下滑
下降 的措施
相对竞争对手的涨/ 与竞争对手相对的客户价 与竞争对手相比的影响用户的
减幅 值的变化情况 能力
2006年不同国家移动流媒体收入情况预测
根据艾瑞市场咨询（iResearch）资料整理显示，移动流媒体作为移动多媒体业务的一部分正逐步受到重视，市场将不断扩大。预计到2006年，日本的移动流媒体收入将达到创纪录的12.73亿美元，其次是德国和韩国，而预计中国也将有3000万美元左右的收入。
网民一首彩铃的平均使用时间分析
根据艾瑞市场咨询（iResearch）《中国网民彩铃市场报告》显示：中国彩铃用户使用彩铃的时间，一周以下的网民相对较少，比例为18.3%，一周以上时间比例为81.7%。从以上研究数据可以看出，网民更换彩铃的频率较低，需要SP加大市场推广和教育用户的力度。
相关链接
2009年移动娱乐市场
规模将超590亿美元
英国市场调研机构Juniper Research公司最新公布的一份报告显示，随着2.5G和3G手机的普及，移动内容运营商的生意将日渐火爆，预计到2009年，全球移动娱乐市场的销售收入将超过590亿美元。
报告指出，成人内容通常被认为是移动领域内最赚钱、最具吸引力的应用，预计到2009年，成人移动内容将稳步达到22亿美元；推动移动内容市场发展的关键行业——博彩和游戏，到2009年的销售收入将分别达到193亿和185亿美元。据报告作者温泽·霍尔登(Windsor Holden)博士表示，抽奖活动将在许多国家盛行，当手机上开始进行抽奖活动时，体育博彩和娱乐将是一种高收入的业务。移动游戏将开始给新兴市场带来实实在在的收入。
该报告还显示：
——2005年移动娱乐市场的销售收入将达到176亿美元，比2004年增长71%。
——到2009年，移动娱乐市场博彩业和游戏收入的市场份额将分别占33%和31%，其他最受欢迎的移动内容服务将是音乐和体育，它们的市场份额分别为16%和8%； 目前普遍受欢迎的、收入份额占31%的移动铃声下载服务到2009年的市场份额将不超过8%。
——受美国和加拿大市场的推动，2009年北美地区移动市场上的非语音服务收入将达到113亿美元，去年该地区的非语音服务市场收入为10亿美元。
2010年欧洲短信量将增92%
Forrester预测，2010年欧洲地区的手机短信量将会增加92%，主要来自于文字短信(SMS)服务。然而，文字短信、多媒体信息(MMS)、影音信息(Vedio Messages)与即时通讯(IM)的收益却预计只增加10%，2010年底预计达到270亿美元。预计2005年欧洲每个手机用户平均每月发送40条各种短信，2010年将会增加将近两倍，约是每月72条，届时欧洲的手机信息总量将会高达每月280亿条，其中以文字短信为大宗。这些文字短信的主要使用者为10至15岁的青少年用户，原因是文字短信的低价、易用和普及性是其他资讯服务难以取代的。
欧洲的多媒体信息业务收益预计2010年将达每年64亿美元，比目前多出9倍；影音信息条因单价较高导致普及率无法大量提升，但2010年预计每个用户每月会发送2条影音信息，收益也将达到13亿美元，是目前的56倍。即时通讯服务在2010年会占手机短信总收益的一成，高于手机电子邮件与影音资讯服务的金额。
此外，Forrester针对2005到2010年期间西欧各国的短信增长预测如下：
增长缓慢的国家：法国和荷兰。这两个国家的手机用户，在2004年每人每月发送的信息量只比2002年增加了两条。其他增长缓慢的国家还有奥地利、葡萄牙、瑞典、芬兰和希腊等。
增长速度持平的国家：爱尔兰。尽管爱尔兰2005年的短信发送量很大，手机用户平均每月发送106条手机信息，但是在2010年增长将会趋缓，德国和挪威也属于这一类国家。
增长快速的国家：丹麦和瑞士。2007年丹麦将取代爱尔兰，成为手机信息量最多的国家，到2010年平均每个用户可以发送123条。瑞士2004年短信发送量也比2002年增加80%，快速增长的趋势将持续至2010年。其他增长较快的国家还有：西班牙、意大利和英国。
|
|
|