BOSS解決方案分為業(yè)務支持系統(tǒng)和操作支持系統(tǒng)。主要組成包括網(wǎng)絡(luò)管理、系統(tǒng)管理、賬單、信息載體內(nèi)部聯(lián)系的解決、計費以及客戶服務。隨著運營網(wǎng)絡(luò)系統(tǒng)、綜合業(yè)務系統(tǒng)、計費系統(tǒng)和辦公自動化系統(tǒng)等相繼投入使用，運營商積累了大量的歷史數(shù)據(jù)。
但在很多情況下，這些海量數(shù)據(jù)在原有的作業(yè)系統(tǒng)中無法得到提煉，使之升華為有用的信息。原因主要有兩方面：一是聯(lián)機作業(yè)系統(tǒng)因為需要保留足夠的詳細數(shù)據(jù)以備查詢而變得笨重不堪，系統(tǒng)資源的投資跟不上業(yè)務擴展的需要；二是管理者和決策者只能根據(jù)固定的、定時的報表系統(tǒng)獲得有限的業(yè)務信息，無法適應當今電信領(lǐng)域激烈的市場競爭。
而數(shù)據(jù)挖掘，就是從海量的數(shù)據(jù)中，抽取出潛在的、有價值的知識（模型或規(guī)則）的過程。也就是根據(jù)預定義的商業(yè)目標，對大量的企業(yè)數(shù)據(jù)進行探索和分析，揭示其中隱含的商業(yè)規(guī)律，并進一步將其模型化的先進有效技術(shù)過程。
現(xiàn)階段數(shù)據(jù)挖掘側(cè)重市場分析
數(shù)據(jù)挖掘技術(shù)在電信BOSS領(lǐng)域的應用大致分為幾個方面，主要有：一是基于呼叫詳細記錄的呼叫/計費分析；二是基于產(chǎn)品和銷售的營銷/效益分析；三是基于網(wǎng)管業(yè)務管理和事務管理層的運行/維護分析。前兩種與電信運營企業(yè)的業(yè)務運營和市場競爭密切相關(guān)，是目前主要運營商發(fā)展的重點。而針對網(wǎng)管和運行維護的分析對于提高設(shè)備的運行質(zhì)量和服務質(zhì)量起到非常關(guān)鍵的作用，是運營商內(nèi)部下一步實施的重點。我們主要著重于前兩個方面進行分析研究。
客戶發(fā)展分析管理
客戶管理應用的目的是根據(jù)客戶的屬性（包括自然屬性和行為屬性），從不同角度深層次分析客戶，從而達到了解客戶的目的。針對不同的客戶采取不同的促銷活動以及提供更好和更有針對性的服務，分析的主要指標包括客戶總量分析、新增客戶分析、客戶流失分析、客戶行為分析、客戶信用度分析、客戶風險分析等等。以此增加新的客戶、提高客戶的忠誠度、降低客戶流失率、提高客戶消費額度等。
業(yè)務收入分析
包括業(yè)務總量分析、業(yè)務增長和流失分析、收入總量及變化分析、繳費及欠費分析等。業(yè)務量的綜合分析，是按照不同的地域、客戶特征、消費層次、呼叫類型、漫游類型等角度對客戶的業(yè)務量及其增量、新業(yè)務的使用量進行分析，以了解不同業(yè)務量的客戶構(gòu)成、業(yè)務量的變化與發(fā)展趨勢。通過分析客戶的繳費情況，能夠清楚了解不同客戶繳費的及時率、欠費情況等，所喜歡的繳費渠道等，從而推出有針對性的繳費政策，提高繳費及時率，減少話費流失。
營銷管理分析
營銷管理業(yè)務范圍包括了解客戶、電信市場、客戶對產(chǎn)品的需求，以及提供如何建立并推銷產(chǎn)品或服務給目標客戶群等。通過對服務質(zhì)量的分析，能夠了解目前客戶最關(guān)心的問題，通過將客戶流失和服務質(zhì)量結(jié)合起來分析，能夠清楚客戶為什么會流失以及什么因素會導致客戶流失，從而有針對性地提高服務質(zhì)量，采取相應措施，以減少客戶流失量。
BOSS系統(tǒng)數(shù)據(jù)挖掘?qū)嵗?/STRONG>
本文主要針對電信的BOSS解決方案進行研究，實際應用中的數(shù)據(jù)倉庫是Oracle，現(xiàn)針對Oracle數(shù)據(jù)庫進行闡述：
1．選擇數(shù)據(jù)源
存放于運營商操作型數(shù)據(jù)庫OLTP中（通常存放在RDBMS中）的各種業(yè)務數(shù)據(jù)和辦公自動化（OA）系統(tǒng)包含的各類文檔數(shù)據(jù)以及各類法律法規(guī)、市場信息、競爭對手的信息以及各類外部統(tǒng)計數(shù)據(jù)。如：客戶檔案信息，話費清單，優(yōu)惠規(guī)則，其他運營商的經(jīng)營報告等。
2．建立數(shù)據(jù)倉庫或數(shù)據(jù)集市
按照分析主題進行重新組織，建立主題事物表（包含用于分析的測量值和連接維表的主鍵），包含有關(guān)維表（含維屬性值和與事實表連接的代理鍵）的星型結(jié)構(gòu)或多維數(shù)據(jù)庫，最終確定數(shù)據(jù)倉庫的物理存儲結(jié)構(gòu)，同時組織存儲數(shù)據(jù)倉庫元數(shù)據(jù)，以支持用戶多角度、多層次的分析，發(fā)現(xiàn)數(shù)據(jù)趨勢。其具體實現(xiàn)可以分為：ROLAP、MOLAP和HOLAP。ROLAP基本數(shù)據(jù)和聚合數(shù)據(jù)均存放在RDBMS之中；MOLAP基本數(shù)據(jù)和聚合數(shù)據(jù)均存放于多維數(shù)據(jù)庫中；而HOLAP是ROLAP與MOLAP的綜合，基本數(shù)據(jù)存放于RDBMS之中，聚合數(shù)據(jù)存放于多維數(shù)據(jù)庫中，這是一個系統(tǒng)工程，是一個不斷建立、發(fā)展、完善的過程，需要較長的時間。
3．利用數(shù)據(jù)倉庫技術(shù)進行第一級數(shù)據(jù)挖掘
分類即區(qū)分數(shù)據(jù)類別。首先從數(shù)據(jù)中選出已經(jīng)分好類的訓練集，在該訓練集上運用數(shù)據(jù)挖掘分類的技術(shù)，建立分類模型，對未分類的數(shù)據(jù)進行分類。而估值與分類類似，不同之處在于，分類描述的是離散型變量的輸出，而估值處理的是連續(xù)值的輸出，同時分類的類別是確定數(shù)目的，估值的量是不確定的。由于電信業(yè)務原因，沒有估值，僅進行分類，可以從中產(chǎn)生數(shù)據(jù)分布圖（散布圖）。對于關(guān)系模型，利用DISCOVERER進行分類，鉆取，數(shù)據(jù)過濾，分層次數(shù)據(jù)選取，建立相應的報表格式，為二級挖掘提供數(shù)據(jù)；對于多維數(shù)組模型表示的結(jié)構(gòu)，發(fā)揮EXPRESS工具的便于針對矩陣運算的優(yōu)勢進行操作。
4．在數(shù)據(jù)倉庫基礎(chǔ)上，利用相關(guān)的統(tǒng)計分析理論建立數(shù)學模型，進行第二級數(shù)據(jù)挖掘 。
第一，預測，即是對未來未知變量的預測，這種預測是需要時間來驗證的，即必須經(jīng)過一定時間后，才知道預言準確性是多少。主要利用時間序列分析，線性分析，回歸分析，多元統(tǒng)計分析，灰色預測等方法進行。例如：業(yè)務收入預測，客戶風險預測，業(yè)務實施情況預測等。
第二，關(guān)聯(lián)規(guī)則和聚類，通過分析數(shù)據(jù)或記錄間的關(guān)聯(lián)程度，決定哪些事情將一起發(fā)生。將記錄分組，把相似的記錄在一個聚集（反映數(shù)據(jù)之間的關(guān)系）里。聚集和分類的區(qū)別是聚類不依賴于預先定義好的類，不需要訓練集。如相關(guān)業(yè)務密切程度分析等。
5．給出分析結(jié)論
利用決策樹，神經(jīng)元網(wǎng)絡(luò)，灰色決策等方法進行決策分析。
6．代入實際數(shù)據(jù)，進行一致性驗證
不斷校驗誤差，修正模型，提高精確度，進行效果監(jiān)控，優(yōu)化分析結(jié)果，同時修改相應的決策行為。比如：一段時間某兩項業(yè)務關(guān)聯(lián)度高，然后出現(xiàn)異常，關(guān)聯(lián)度降低，那么在轉(zhuǎn)折點的分析將出現(xiàn)較大偏差，因此要進行連續(xù)的檢驗，以保證及時發(fā)現(xiàn)問題，修訂策略。
