论文部分内容阅读
近年来，随着信息化建设的加强，商务智能（BI，Business Intelligence）在国内电信行业获得了巨大的发展。电信商务智能通过收集来自运营系统内部和外部的有用数据，建立数据仓库，并在此基础上，运用OLAP、数据挖掘等技术对数据仓库中的数据进行分析，挖掘出数据中隐含的知识，以对企业决策形成有效的支撑。
本论文从研究电信运营企业的业务模型出发，详细分析电信企业多个业务领域的商务智能数据挖掘需求，针对电信商务智能中系统耦合、可移植性差、代码复用率低下等缺点，将数据挖掘算法服务化并应用于电信企业的商务智能指标分析，建立了基于数据挖掘算法的商务智能指标分析模型和基于SOA架构的ETL模型，并详细研究了数据挖掘算法的服务化及服务化封装方法，实现了基于SOA架构的商务智能原型系统。本论文的主要研究内容如下：
① 通过研究电信运营企业的管理要求和各个业务领域的作业模式，仔细分析电信运营企业典型商务智能指标集合，并深入研究了不同领域的商务智能指标体系的异同。
② 研究数据挖掘算法在电信企业商务智能指标分析中的应用，将决策树算法应用于电信客户价值分析领域，将K-means算法应用于客户分类领域，并设计和实现算法的服务化封装模型。
③ 研究现有的ETL机制，考虑跨系统的ETL需求，设计基于SOA架构的跨系统ETL模型，实现对多业务领域和跨系统的数据交叉集成，以便为企业管理层的决策制定提供指标数据的支持。
④ 采用Web 服务技术，以ESB为核心，设计基于SOA架构的商务智能系统框架，并实现其原型系统，验证了本文提出的模型框架的有效性。