基于业务开通应用效果的“业务探针”资源数据质量管理方法

岳 洋

（中国电信股份有限公司广东分公司 广州 510081）

1 引言

进入光网络时代，客户对光业务的需求逐步增加，以广州电信为例，采用光网络作为接入方式的业务量由2011年的2.5万户增长到2012年的4.5万户，同时光网络施工的自动化程度也远远高于传统网络，所有光网络的业务开通都要以资源数据作为网络的施工和外线的上门装机的依据，资源数据的质量对业务开通的退单率的影响更为直接，这就给资源管理工作带来了更多的挑战，因此如何采用更有效的方法提升资源数据的准确率就显得格外重要。

2 光网络资源数据质量管理的现状

2.1 涉及业务开通的资源数据管理现状

目前涉及业务开通使用的设备、设备参数以及装机地址等数据都由资源系统维护和提供，相关资源数据管理具备以下特点。

（1）设备类型多，录入工作量大

业务开通主要使用的设备有OLT、分光器、e8-C（ONU）以及设备对应的端口信息，这些数据目前都是在工程建设阶段统一由设计部门根据工程资料进行录入。目前广州电信工程录入的光设施数量为月均1.8万台，工程录入的工作量大。

（2）维护参数复杂，容易出错

在光网络业务开通中使用的参数根据话音和宽带端口进行区别。话音业务使用BACIP、网关簇、SS节点号、NGNVLAN、IADIP、IADMASK、IADGATEWAY7个 参 数；宽带业务使用BASIP、BAS槽位、BAS端口、SVLAN、CVLAN 5个参数；除此之外，业务开通还需要光路信息、PON口信息，共计14项关键参数，管理的参数内容繁杂，若一项出错，就会导致业务不能正常开通。

（3）工程地址与客户装机地址存在差异，装机效率低

在资源系统上，地址采用分级别的方式管理，目前分为10级，从市、区、镇、路、街、门牌号、栋、梯、层到具体的房间号。客户的装机地址是在用户受理阶段由营业员手工输入或选择的地址；设备地址在工程建设阶段录入，要求每个分光器的端口都要录入其覆盖地址。系统会根据客户的装机地址与工程录入的设备覆盖地址进行逐级匹配，找到客户最适合使用的网络资源进行配置。但工程部门与客户对地址的理解存在差异，因此存在由于覆盖地址不准造成用户无法装机的问题。

2.2 资源数据质量评价的主要方法

目前资源数据质量管理方法存在如下弊端。

（1）资源数据质量评估数据的采集主要靠现场检查，覆盖面小、成本高

覆盖范围小：每月在最近3个月竣工的业务数据中只抽取0.5%的业务路由进行现场的资源检查，样本较小，在业务变更频繁的形势下，很难客观评价资源数据的准确率。

检查成本高：虽然检查的样本数据小，但是涉及业务开通的资源和机房却比较分散，这就容易造成每个检查的机房只有1～2条需要检查的资源，驱车前往机房造成的时间成本、人力成本和能源成本远远高于实际数据检查带来的价值。

（2）通过资源检查的结果指标来评价资源数据质量，业务开通部门和客户的感知度和认可度不高

目前的数据质量评估是依靠现场检查的结果形成的，由于数据的检查和考核数据的发布都是由本地网的网络资源中心实现，并没有与任何的业务开通流程相结合，相当于是专业自评，这就造成资源准确率的检查结果都可以达到95%以上，但是实际中一次上门装机成功的业务却只占全部业务的70%，资源数据的准确率完全不能衡量实际的数据质量。

为了解决目前在资源数据管理方面存在的问题，必须要对现有的资源数据管理方法进行更新，本文创新式地提出建立基于业务开通应用效果的资源数据管理的方法，以下称为“业务探针”法，通过资源数据与业务数据的融合，再进一步建立数据分析的模型，从而建立全新的资源数据质量评估方法。

3 资源数据管理“业务探针”法及应用效果

3.1 建立资源管理端到端“业务探针”数据分析模型

建立资源数据质量追踪的三级管控探针模型，资源数据质量可以通过业务流程的关键指标进行评价，流程中产生的数据异常情况“可分析”、“可追溯”，如图1所示。

第一级：业务应用效果指标（“业务探针”）

选取业务开通和日常维护中的关键流程，分析影响这些流程运转的重要业务指标，通过这些指标形成以业务流程为导向的资源数据质量评价方法。

根据广州光业务的发展特点，选取了工程首单贯通测试、接入型FTTx业务开通、工程录入和工程验收这4个设计光网络业务开通的关键流程，定义了网管环节资源异常退单率、外线环节资源异常退单率、资源关键属性录入准确率、资源关键属性验收准确率、首单通过后资源异常率、FTTx自配成功率6项关键的业务指标，作为资源数据对业务开通水平支撑的“业务探针”。

第二级：追溯影响业务支撑效果的资源要素

根据“业务探针”指标涉及的流程和资源类型，通过向下钻取的方式，找出业务开通中出现异常的资源信息。例如，可以从外线环节资源异常退单率，钻取到外线环节退单的订单，进而通过订单配置的资源数据信息，找到问题资源数据。

第三级：追溯影响资源要素准确的操作行为和责任人

根据这些异常数据，以操作时间、操作行为为颗粒度，形成数据质量的探针，追溯数据质量问题的根源。例如资源数据的录入人、录入的关键数据是否完整、业务逻辑是否正确等。

3.2 基于商业智能技术的“业务探针”数据分析实施方案

3.2.1 商业智能技术

商业智能是将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。商业智能的关键是从许多来自不同的企业运作系统的数据中，提取出有用的数据，然后经过抽取(extraction)、转换(transformation)和装载(load)，即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、OLAP工具等对其进行多维分析和处理，最后将分析结果展现给管理者，为管理者的决策过程提供支持。商业智能系统通常包括数据仓库、仓库管理和分析工具3部分。目前开发的商业智能系统是以数据仓库技术为基础，以联机分析处理为手段进行实施的一整套解决方案。

图1 “业务探针”数据分析模型

3.2.2 建立网络资源数据“业务探针”数据仓库

（1）多系统数据融合

网络资源数据“业务探针”完全是基于业务开通和资源变更流程对资源数据质量进行评价，涉及要将服务开通系统、综合资源系统、综合资源管理流程系统3个系统的数据进行融合，必须要建立数据仓库，建立统一的数据模型存储这些数据，再进行统计分析。

（2）反映指标的历史变化

传统资源系统这类操作型数据库主要关心当前时间的数据，但对于决策分析而言，历史数据是相当重要的，许多分析方法必须以大量的历史数据为依托，没有历史数据的详细分析是难以把握企业的发展趋势的。因此“业务探针”的数据仓库中的数据包含时间维度的历史信息，其建设是以企业现有的服务开通系统、资源管理系统的业务数据作为基础，实际上就是记录业务系统的各个瞬态，并通过将各个瞬态连接起来形成动画，从而在数据分析的时候再现系统运动的全过程。

3.2.3 “业务探针”的数据建模

本文采用维度建模的方法进行数据建模，针对每一个业务流程创建有针对性的分析模型，通过使用一个包含主题的事实表和多个包含事实描述的维度表支持各种决策查询。通过事实表将各种不同的维度表连接起来，各个维度表都连接到中央事实表。维度表中的对象通过事实表与另一维度表中的对象相关联，这样就能建立各个维度表对象之间的联系。每一个维度表通过一个主键与事实表进行连接。

以FTTx“业务探针”的数据建模的为例，主要维度包括区域、年、月、周，再根据“业务探针”指标统计的需要，首先梳理服务开通系统上业务订单退单的异常原因的分类原则，筛选其中涉及资源数据质量问题的异常码，根据这些异常原因建立网络侧问题退单率、外线客户侧资源退单率等22项度量（metrics），作为资源数据质量评估的指标，将维度数据与度量数据通过BI工具进行配置，从而形成FTTx“业务探针”的统计分析结果，图2是FTTx“业务探针”数据模型，图3是FTTx“业务探针”分析结果。

3.2.4 系统的设计架构

为了便于各部门获取相关的“业务探针”数据，广州电信部署了相关功能的Web应用。系统选用了MicroStrategy Intelligence Server作为BI服务的引擎，采用3层系统架构模型进行系统功能的部署。系统主要包括以下几个层次。

数据层：由两个数据库组成，其中，元数据与存储在数据仓库中的信息的路线图或索引类似，存储维度、事实、度量等信息，而数据仓库则是存储从ODS进行ETL后的要使用的分析数据，并实现数据的管理。

应用层：根据数据仓库中的内容，通过OLAP多维分析引擎、报表引擎配置和执行报表，并将这些报表传递给用户。

访问层：数据展示的Web门户，用户可以通过该层使用Web浏览器访问系统，并且用于传送报表到客户端，为用户提供文档和报表。

3.3 “业务探针”的应用效果

3.3.1 建立“业务探针”分析通报和处理流程

关于“业务探针”的资源数据质量管理的模型和方法形成之后，广州电信网络运营部组织各部门建立了关于相关数据通报和处理的工作流程。明确了各部门的工作内容和工作职责。在FTTx接入型业务开通、资源录入、资源验收、首单贯通测试4个流程设置探针，分析资源原因回退工单，定位具体异常资源、具体操作、责任单位和责任人，并由资源维护验收、资源录入单位落实考核到人。

图2 FTTx“业务探针”数据模型

图3 FTTx“业务探针”分析结果

图4 FTTx开通情况趋势分析

3.3.2 “业务探针”应用效果

FTTx“业务探针”自2012年6月开始在广州电信进行推广应用，期间业务开通量为13.4万户，通过“业务探针”分析相当于对FTTx资源实施了13.4万次检查（占FTTx总资源量的17%），发现了6 221个资源数据异常，并追溯、考核到112个人，使得FTTx业务开通中资源数据异常率下降了75%，由6月初的8.84%下降到9月底的2.17%。FTTx开通情况趋势分析如图4所示。

4 结束语

在光网络大规模建设和业务大规模发展的新形势下，对资源数据管理工作的要求也提升到了新的高度，本文基于广州电信光网络业务开通和资源管理的模式，提出了“业务探针”法，实现了通过分析业务数据的方法来评价资源数据质量。广州电信的业务退单率的下降，表明新的方法取得了一定的成效。与此同时也体现了两点资源管理的思路：

·用业务支撑效果来评价比用资源自身专业指标更容易被使用者接受，也更能推动准确率的提高；

·要推进职责、规范的真正落地，管到组织、流程还不够，还要管到人、管到动作。

资源数据质量的全面提升还有更多的工作和系统解决方案可以挖掘，在考虑解决方案的时候，既要考虑技术应用，更要与企业管理的要求相结合。

1 Kimball R，Ross M.数据仓库工具箱：维度建模的完全指南.谭明金译.北京：电子工业出版社，2003