基于OLA技术电信“天翼”系统分析和设计.doc

基于OLA技术电信“天翼”系统分析和设计 　　【摘要】本文介绍电信“天翼”业务套餐，分析“天翼”系统各功能模块，进而设计出系统的维表、事实表，并建立该系统的逻辑模型和物理模型，设计出“天翼”系统的体系结构、完成数据仓库的设计，最终形成“天翼”系统的分析和设计方案。 　　【关键词】天翼；Web；OLAP；系统分析设计；维度 　　“天翼”是中国电信为满足广大客户的融合信息服务需求而推出的移动业务品牌。电信运营商在多年的经营活动中不断积累了大量的数据，这些海量数据在原有的系统中是无法提炼和升华为有用的信息提供给业务分析人员与管理决策者的，因此在数据管理方面存在着很大的问题。整合数据、分析数据进而转化为行业决策所需的信息，成为一个普遍关注的热点课题。而OLAP技术的应用可以帮助运营商分析客户消费行为，识别客户特征，辅助运营商进行有效的市场营销和客户服务。为企业搭建起一个当前和今后发展的综合软件应用平台，优化工作流程，提高企业整体工作效率，及时掌握影响企业运作的关键指标与决策依据，突发事件和重大事件，以及关系紧密的行业、专业、市场信息，做到“信息掌握及时，管理高效顺畅”。 　　一、“天翼”系统分析 　　1.“天翼”系统需求分析 　　目前，电信“天翼”业务品牌决策者主要关注以下几方面的问题：客户分析、业务分析、收益分析、营销分析、服务质量分析和综合决策分析等，例如，“天翼”电信的用户量，目前使用状况，“天翼”套餐设置是否合理、需要在哪些方面改进等等。 　　2.“天翼”系统OLAP分析 　　在事实和维度的分析过程中，通过对“天翼”业务的熟悉，并按照用户的需求和关注点得到如下维度： 　　通用维：时间维、区域维。 　　业务维：业务种类、拨打方式、通达方式、流向、速率。 　　客户维：入网时间、客户状态、城乡属性、服务等级、行业属性、计费类别接入方式、终端类型等。 　　其它维度值：时间、区域、客户、产品，停机标志，消费参数等。 　　时间维度中包含星期、日、月、季度、年等级别，下面以时间维度为例说明上述各种维度意义： 　　日：通???同比、环比了解必威体育精装版发展趋势，便于管理层针对业务发展态势做出快速响应，可加强分析的实时性和精确度； 　　月：提供了日数据无法涵盖的多项收入费用，作为领导决策的重要支撑依据，应确保数据的准确性和全面性； 　　周期：可以区分工作日和非工作日的业务差异，从而使分析更具针对性。 　　用户在上钻、下钻过程中可能钻取的路径不同，若在时间维度上钻取，既可以按照年→月→日来钻取，也可以按照年→季度→月→星期来钻取。 　　分析角度：占比、同比、环比、趋势、样本分析、拉动收入增长率。 　　二、“天翼”系统设计 　　电信“天翼”分析系统是由数据仓库、OLAP服务器、前端工具等组成其系统的体系结构。 　　“天翼”业务的套餐种类较多，因此，要形成完整的“天翼”数据仓库，必须从各个子系统中抽取数据来进行维度建模，系统采用PowerDesigner建立逻辑模型及概念模型。 　　建立数据模型的过程可以分为四个阶段：需求分析阶段、概念模型设计阶段、逻辑模型设计阶段和物理模型设计阶段。每个阶段完成后，都要进行阶段性的评审，每个阶段的输出都是下一个阶段的输入。企业级数据模型中的逻辑模型设计的输出，可以做为实施具体项目的项目级数据模型设计的指导和约束，但并不直接做为项目级的数据模型，项目级数据模型需要以企业数据模型为基础，应当考虑项目的具体情况，继续细化并开展物理模型的设计，最终形成项目的实际数据结构。整个数据模型的设计过程是一个从整体到局部、从高层次模型设计到细节设计的一个逐步细化的过程。 　　逻辑模型仍然是技术中的模型，是从解决问题的角度对数据的结构化描述，是用于指导系统建设的数据模型设计。“天翼”逻辑模型是在概念模型设计的基础上，加入设计实现的因素，对模型元素进行细化和扩充的。要形成理想结构的详细的数据模型，应逐步应用规范化策略对数据规范化，消除数据冗余。但逻辑模型并不是系统的数据结构，系统建设时，仍然需要在逻辑模型的指导下作进一步的物理模型的设计，并最终形成系统的数据结构。 　　按照对“天翼”的事实、维度的分析，使用PowerDesigner进行系统的逻辑模型设计。在逻辑模型的设计过程中，依据系统的需要和用户的要求，选择适当的事实表粒度和维度。粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别，因此，粒度问题是设计数据仓库的一个最重要方面。细化程度越低，粒度级别就越大；反之，细化程度越高，粒度级别就越小。当详细的数据被更新时，基本上总是把它存放在最低粒度级上。在数据仓库环境中粒度之所以是设计的主要问题，是因为它对于存放在数据仓库中的数据量的大小，以及数据仓库所能回答的查询类型都会产生巨大的影响。在