×关闭背景

IBM曹晓强:基于大数据技术的运营商客户体验和行为分析解决方案

2015-08-26 15:58:25      来源:移动Labs       

2015中国国际大数据大会

【摘要】【移动LABS】8月26—27日,2015中国国际大数据大会在北京召开,移动LABS作为大会战略合作媒体受邀现场直播。IBM高级电信软件架构师曹晓强做了题为“基于大数据技术的运营商客户体验和行为分析解决方案”的主题演讲。

【移动LABS82627日,2015中国国际大数据大会在北京召开,移动LABS作为大会战略合作媒体受邀现场直播。IBM高级电信软件架构师曹晓强做了题为“基于大数据技术的运营商客户体验和行为分析解决方案”的主题演讲。

IBM高级电信软件架构师 曹晓强

以下为演讲速记:

大家下午好,我可能用20分钟讲一下IBM在大数据的面向运营商的大数据分析方面。主要是两个,一个是客户体验分析,一个是用户分析。

IBM从最近一年一直在做业务的转型,所以在很重要一个层面来讲就是帮行业解决方案做转型的过程,大家了解IBM卖软件和硬件和服务性的东西,最近的重点来讲就是针对行业来讲就是有针对性的解决方案。在行业里面因为整个大数据来讲,现在在整个的中国电信行业里面,大家都在推进进程里。但是往往来讲国内的一些开发商,在做基于大数据的分析。但是大数据发展到今天已经不再是简单的技术层面的东西,因为怎么去贴近客户业务,怎么帮助运营商解决问题最重要。

虽然IBM在中国重点是提供运营商在软件和硬件层面的产品,但是在国外很多运营商有很多的运营实践。就是从很多年来IBM在整个的欧美市场,包括在一些发达新兴市场来讲综合了整个IBM的服务团队或者咨询团队,在跟行业一千多个项目总结了一些经验,就是大数据为技术作为一个依托,未来在全球的运营商所最关心的问题是用大数据去解决,这里我们列出了很多,从三个层面。对客户的洞察,对业务核心的创新,将来如何帮助运营商突破现有的只在云和数据层面的瓶颈,增加收入来讲做出了很多。先从业务层面来讲做了很多分析。

这里面来讲不单单是说我们看到的业务场景来讲,不单单是传统电信运营商现有的业务系统的分析,而是基于大数据来讲有更多的分析的过程。这里面比如在用户的细分,用户资料的分析,在营销层面来讲都是结合了很多现有的,一个是结合了电信运营商的业务特点,结合大数据的特点。因为在大数据的时代下面,在运营商里不单单是用户的数据,来自于现在很多大数据里的位置数据、性别数据,造成了在大数据形势下业务场景的变化。所以在大数据层面下,这些技术场景帮忙运营商做的解决方案。

所以从整个来讲我们大数据的解决方案来讲更多更关注来讲是端到端的解决方案。这里面我们可以看到有三个比较有特点的部分。第一个就是大数据解决方案来讲,第一个是数据采集的部分,第二个我们知道做大数据分析不光是做业务,对大数据可能要去做洞察,怎么分析数据间的联系,这里面有很多数据模型,跟我们前面说的业务场景是有关系的。也就是说哪些数据可以支撑我们的业务,还有前端怎么去做展现。因为现在大规模的运营业务系统都是提供给自己的内部业务支撑,但是我们面向客户以客户的视角提供一些大数据分析,最终呈现出一个在客户体验的分析,在用户的使用习惯和他的行为分析怎么来做,这些东西都是比较关键的部分。

因为后面会讲到,在这三个部分来讲怎么在解决方案里面体现IBM的优势。从电信大数据分析来讲,推出了一个一揽子计划。针对我们今天讲的方案来讲会慢慢延伸出来,延伸出来的技术有一个叫AP的架构,AP架构是专门为所有的运营商设计的大数据的切入框架,上面包括基础数据的采集,比如话单,包括对数据处理,数据模型建立,以及数据的沉淀,到最后怎么支撑业务来讲,各个环节都涵盖在里面。所以都是基于这个框架实现的,未来还会推出更多框架在里面。

所以IBM我们的业务专家在全世界各地参与的电信行业的建设或者经验总结以后,2009年开始到现在这里面有很多在参与的场景,比如在美国的(英文),像在一些印度地运营商的参与经验来讲,这些东西不是凭空做出来,而是在我们参与建设项目中形成一个整体的建设框架,然后推进用户区实现的,这是整个的解决方案的发展历程。

所以这里我们看到刚才讲到整个电信行业端到端来讲是从业务层面往后延展,比如说我让客户运营商来讲,对用户需求更迫切的场景,然后后续层面怎么解决。端到端的方案来讲在数据采集和分析中,如何支撑业务,还有结合其他电信运营商的方案来讲更侧重业务支撑,而不是说侧重技术层面的选择。

所以今年6月份发布电信行业大数据分析解决方案,当然这里面所有的行业解决方案包含了面向电信的,包含了面向银行,还有像一些石油石化行业。但是所有的底层的技术框架,大部分所有的行业解决方案基本都是雷同的。但针对电信来讲这个方案已经比较完备了,其实这个方案来讲其实我们也在现有的中国移动来讲,基于这个方案前期也做过一些测试和推广。把这个方案推到客户那边,在客户的生产环境或者实验环境里面去做方案整体建设的过程非常快,不像以前你要基于中间件、大数据做开发,对数据的开发和周期来讲是漫长的过程。这里面的过程的方案是比较完备的,基本可以满足60%70%的大数据处理的场景。所以针对中国的客户,对中国的运营商环境做改造来讲基本都能适应,尤其面对前端业务部门的支撑,比如市场、极客和做营销的都是完整的解决方案。

因为IBM在大数据整个平台的建设上来讲也是一个很完整的生态链,所以这里面有很多内容,所有的客户端的大数据的分析,以及将来的过程中做一个完整的生态链,所以另一个好处来讲hadoop在所有平台下的生态环境都是用在里面,也是向客户证明IBM大数据的产品在行业里面有真实的适用场景,这里面有很多内容都是基于产品研发出来的。

所以在电信里面大数据的分析很重要的一点就是做数据采集,实际大数据在电信行业不单单是把数据建一个大数据平台堆积起来做开发就完了,因为大家知道在现在的中国运营商环境是很复杂的,包括2G4G4G的环境,还有运营商的设备,比如中兴、华为、爱立信等等设备。这里面来讲很多数据,最基础的数据来言,比如做精确营销和位置营销的过程来讲,你要知道用户的位置,位置数据哪来?就是设备厂商参与的数据,设备厂商的数据就可能来自于好多设备厂商的数据,怎么对这些数据进行采集和分析?然后进行归拢。这个问题不解决,后面所谈的基于大数据分析来讲都是没有基础的。所以在这个产品、这个方案里面内置了很多,我们跟国外比较了一下,像未来跟华为和中兴合作的,这些设备的处理和过程已经内置在里面。把方案接入在里面,已经是分析出来的数据,做了一个程式化处理,让你去做进一步大数据分析来讲已经解决第一步的难题,就是数据采集的难题。

现在做大数据一个是客户体验分析,一个是客户行为分析。

第一个方案来讲对客户体验分析来说,中国运营商处于在语音和数据上很难去突破一个瓶颈,这里面怎么保留存量客户的体验,让他在我的环境里花很多的钱,提供更多服务来讲这是现在的运营商面临比较大的特点。保存存量客户,发掘客户价值来讲,可以客户体验分析对前端的业务部门,尤其对市场VIP客户保留是很重要的方面。但是原有的客户体验分析来讲更多是从单个业务部门来看,比如网络质量怎么样,客户的上网速度怎么样。但是我们这个方案就是把更多数据综合在一起,比如说客户的位置数据,比如说客户使用的APP的数据,使用的设备,然后在上网和看电影的时候的数据影响,构成对客户体验的综合考量,所以更多是来自于网络数据,来自于客户的数据和语音、短信的数据,拿过来做分析,所以客户体验分析更完整的一个方面。这个方案特点来讲未来我们不是面向我们的业务支撑,更多是面向业务人员使用。比如刚才说的客服人员,客服的VIP的经理等等,针对它的特点,第一个它可以针对单个用户进行针对化的体验分析,针对每一个用户来讲。还有一个体验,因为客户经理也好,客服人员也好,看不懂很复杂的技术指标,客户体验无非就是好、坏、差几个部分。那给不懂技术的人员来讲做一个简单化的处理,做一个客户体验的评分的过程,比较灵活的展现过程来讲,这都是我们的方案的特点。既然运营商通过这个方案可以通过多种评分机制来讲,去知道客户使用电信各项的体验指标,然后分析客户为什么在上网或者下载看视频的时候出现一些问题,出现问题我们才解决问题,比如运营商在客户体验的成本上来讲减少投资的成本。所以未来的业务人员使用解决方案来讲,比如管理人员等都可以从这个方面来做这个事情。

所以这个过程来讲它比较复杂的一个功能架构,也是遵循了前面所说的端到端的解决流程。首先第一点很有价值的部分,从客户体验的角度建立了一套完备的数据模型,这个模型不光是我们所说的只是简单的技术层面的,还有客户的体验评分,数用语音和短信的数据模型。基于数据模型再做一些分析引擎,分析出来之后洞察客户在什么方面出了问题,最后做展现的过程。这个过程功能架构和设计体系就是遵循这个过程和流程来实现的。

当然这里面有些技术层面的实现,基本上这里把所有大数据的部分都涵盖在里面,比如说跟网络做对接,在整个的所有的细节数据或者历史数据来讲存储在hadoop平台之上,未来做数据的展现和呈现,或者在整个做指标呈现的时候使用(英文)产品来去做的,所以这里面基本把我们现有的比如hadoop的技术、云计算以及数据库的技术融在一起的解决方案。

这里是一个例子,可以看到我们在产品里面不光是一个产品,类似于一个软件的东西。大家仔细看基本上它整个的数据模型针对客户为中心来讲,他在语音在(英文)的数据,其他的CDR数据都构成一个完美的数据模型,这个数据模型不是传统的实现,而是把整个的(英文)压在了hadoop平台之上。将来数据模型一个是说你可以去顺应这些数据模型,另外就是这些数据模型也可以将来作为你再次去开发,再去延伸的一个基础去做的,所以不光是简单的一个产品的构成。

大家也可以看到从未来来讲使用这个界面来讲,比如未来人员使用界面可以从几个层面看到。比如客服经理进来看到自己所管辖的所有客户里的评分,从用户角度去看,从用户体验的趋势,然后看视频,比如分析,还有网络体验来讲都提供了很简单,很容易操作的面。这样我们可以看到它可以发现一个层级的问题,如果不出现问题不用管,如果出现问题像后面我们业务支撑,告诉你哪出现问题,这里有分析。从这个面板上我们可以看到用户体验趋势的分析,我们可以在这个趋势里面画一个值,这个值以上是体验好的,以下的是体验不好的。

整体来讲客户的分析,按照天、月或者小时、分钟来讲,客户调化分析的一个过程,还有用户上网,比附使用上网的网络分析,流量使用情况怎么样的一些东西。还有终端的类型,比如说用苹果或者安卓设备,用的三星,用了哪些。还有包括我们整个的应用体验,比如在所有用户设备里面装的APP应用来讲,他在使用运营商的网络使用什么APP的应用分析。这是客户体验分析。

第二个是客户行为分析。在很多业务场景里面主要想解决什么问题呢?用户行为来讲,因为用户在整个运营商里有些销售行为,比如打电话、发短信或者看视频。甚至说每天上班的行为轨迹,还有他社交的行为来讲都可以称为一个用户行为。这个分析过程都是基于静态来做的,因为有大数据的分析,一分析这个过程就可以对用户做更深层次的洞察。这里面可以在人群细分,在流失做促销,等都可以把信息综合在一起,做一个360度更全面的实时分析的过程。通过这种解决方案我们可以对运营商提供客户体验,帮助客户满意度提升,做一些分析,优化网络成本的一些东西。

我们的优势主要是通过综合的用户分析来提升运营商,各个运营商之间推向用户的同质服务来讲,他们之间用户的体验,提升他的市场竞争力这里面有一个指数,就是(英文)的指数,我们推出一个新产品或者服务给客户的时候,整个市场来讲对你的服务的综合评分的体验的反馈。这里面反映说我们对一个服务来讲,跟你这个服务质量的关心的一个情况。这两个方案是基于统一的数据架构来做的,所以在里面整个分析的模型都是事先一致好的。比较特殊的是它有一个预测的过程,就是基于用户行为的进网历史的变化,可以推测出将来用户在运营商里做消费和体验的时候可能发生的趋势变化,跟前面不一样。前面是对历史行为的分析,这个是对未来可以做预测的过程。

这里面我们看到拿到的数据更多一些,除了运营商自己的数据以外还可以拿到比如用户在其他的消费领域,客户的使用时间,还有在一些应用情况,还有本身设备的一些情况来做分析。甚至可以拿到来自第三方的数据形成的客户行为的整体过程来做更好的服务和提升。所以数据来讲拿到更多一些。

当然这个流程也是一样的,但是跟前面那个因为基于同样的基础架构实现的,在这里有可能数据模型和分析流程和分析的办法和将来的展现的数据来讲有可能不同,但是基本上整体的基础架构也是遵循数据模型去做分析,去发现客户问题过程的。

所以这个基础架构跟前面也类似,但是这里面有一个不同的。这里面有一个内制的(英文)的产品,所以把预测的数据和数据挖掘模型来讲叠加在前面的数据架构之上。加上我们通过采集到的数据,对分布到hadoop的平台数据来讲做数据模型的预测,预测之后可以针对前面的业务层面做一些指导意见,所以这里整体比较有区别的是内制的数据挖掘在里面。

因为它有数据挖掘和预测的功能在里面,所以比前面的数据模型更复杂一些。这里举几个例子,一个是用户兴趣全能的分析模型,这里有很多部分,比如针对一个用户来讲,它整体来讲因为他拿到的数据做分析,比如说对使用哪个APP,在web上网访问什么网站,停留时间是多少,这个我们可以指导用户本身对运营商提供哪些业务有兴趣,他使用设备的关注点是什么,对什么内容感兴趣都可以分析出来。还有刚才我们说的预测的过程,预测的过程这张图来讲就是我们做数据挖掘或者预测的时候的一个流程。比如说我们可以通过客户满意度和它分析的流程来讲,它每个节点都会从即有的数据里去做采集,采集后逐步丰富,把所有的步骤叠加起来,对客户满意度做分析,最后得出的结果结合前面展现的过程。所以将来运营商去做购买、分析和预测的时候就更加有价值。

这个是跟前面的分析基本一样的,第一个是NPS的分析,我们在推广业务整体的市场反馈,这里面有很多内容,因为NPS这个指标是我们对服务的综合体验的过程,这里面有很多指标。

我的内容就讲到这里,大家有问题可以提问,因为这个内容更多关注在解决方案层面,不是讲产品技术层面。

声明:所有会议记录均为现场速记整理,未经演讲者审阅,本站刊登此文出于传递更多信息之目的,并不表示赞同其观点或证实其描述。

更多会议精彩内容请参见专题:http://labs.chinamobile.com/bigdata_2015

(责任编辑:王源野)
共 1 页
分享到: 0

评论

全部评论我的评论

王又新2015-08-26 16:03

文章视角独到,字字斟酌