基于大数据的电信运营商客户业务风险分析——以江西电信公司为例

蓝飞 刘凯

（江西财经大学现代经济管理学院，江西 九江 332020）

21世纪以来，随着电信互联网络、IoT物联网、云计算的快速发展，各个行业在不断产生大量的数据。电信运营商在发展中积累了大量的各类数据，是行业大数据重要拥有者，其数据具有数据规模量大、数据类型多、数据更为真实准确的特点。通过大数据技术将大量的数据整合，重新处理分类，可以为电信运营商提供决策依据。电信运营商通过客户消费行为应用大数据技术作为手段，能有效地推送相关信息给目标客户，达到精准营销，实现客户业务快速发展。当然随着电信运营商各项业务的发展，客户业务存在的风险也越来越突出，这对电信运营商来说是一个不得不面对的问题。

一、大数据来源及风控模型建设现状

电信运营商的数据来源于为客户提供电信业务服务过程中所需要产生的各类数据以及需要采集的各种信息数据，如通话数据、上网使用信息、智能终端信息、渠道业务信息等。而目前江西电信开展大数据应用所使用的数据源主要是通过各种技术手段由电信运营支撑系统采集而来的数据，电信运营支撑系统主要包括MSS管理支撑系统、BSS业务支撑系统、OSS运营维护支撑系统。

截至2018年，江西电信公司根据集团公司下发的数据采集指导意见，已完成M/B/O核心数据、移动/固网DPI数据、无线（MR/CDR）、XDR、信令等网络数据、业务平台运营数据采集，日均采集量达170TB，覆盖全网客户资料、全量产品/销售品、渠道、终端、账务、收入、竞争、资源、管理、网络等信息。

江西电信公司在集团公司的指导下于2016年6月开始布局建设基于Hadoop研发大数据平台基础能力，从物理资源、开发环境和生产环境进行资源共享的省级大数据能力开放平台，通过多租户方式多个租户开放分布式计算存储资源，开展数据加工、挖掘建模、质量稽核等数据开发工作，于2017年初步建成投入使用，至2018年底基于大数据能力开放平台的大数据应用方向有精准营销类、精准画像类、风险管控及征信类、位置/区域类、精益网运类、主数据管理类、指标服务类七大类。

客户业务风险分析与管控应用属于大数据风险管控及征信类之一，可以降低业务风险发生造成的损失，得到江西电信省公司相关领导的高度重视。目前江西电信通过数据分析建立了固网终端、流量漫游、CPSP业务异常、翼支付活动、工号违规等专题风险分析模型，已开发并投入使用的风险模型有25个。

二、基于大数据的江西电信公司客户业务风险评估

（一）部分业务数据分析

挖掘出客户业务的疑似风险点需要对业务流程以及业务相关数据进行分析其可能存在的风险，然后根据通过业务数据关联规则得到用户业务数据，对可能存在的风险点进一步分析，对风险用户进行扫描。

（二）风险处理

通过业务数据分析，对风险扫描模型固化，按月进行风险扫描，将风险扫描结果明细数据对各地市进行派单处理，让各地市部门对风险清单进行核查，确认资源是否被侵占，以及其风险产生的具体原因。

固网终端风险模型清单由省级宽视部派单至地市宽视部，由地市宽视部确认其可能发生原因，根据是否可能存在其他原因转派至同级部门进行协同核查，核查后将风险产生原因以及整改意见反馈至省宽视部。

（三）风险评估

通过派单查明原因并有针对性的进行处理，2018年11月至2019年3月，江西电信智慧风控系统风险固网终端模型扫描记录数由11.82万降至2.63万，疑似风险记录下降77.75%，同时通过模型优化让风险识别准确率达到了93.18%，让模型识别风险更加准确可用，可以为挽回资源损失提供重要参考，减少成本投入，降低风险。

三、基于大数据的江西电信公司客户业务风险管控存在问题

（一）派单处理质量不高，平台建设不够完善

虽然通过同一模型风险扫描出的风险记录数在逐渐下降，但从平台每月的风险派单处理质量情况来看，其处理质量不高，存在超期未反馈，超期未整改情况，损失挽回率低以及管控人员懈怠的情况造成风险。进一步挖掘回单延期的主要原因是由于工作量大，核查时间需要较长，以及智慧风控平台工单处理提醒功能不够完善。

目前江西电信虽然已建立了大数据开放能力平台，将所有采集到的平台及客户业务数据存储在大数据中，但由于江西电信大多数客户业务信息化子系统各自为政，导致数据关联度不够，这严重阻碍了发挥大数据智慧风控平台的重要作用，对客户业务风险管控平台的建设与构建十分不利，也使大数据客户业务风险管控工作的开展面临着一定的困难。

（二）业务及管控人员业务意识不足

从业务及管控人员角度看，部分业务及管控人员业务专业知识不够，操作不规范问题时有发生，为完成任务虚假发展客户业务，对客户提供服务时业务竣工不及时造成客户投诉情况居高不下，管控部门未及时清理不合格的电信业务代理运营厅店及业务员。仅2018年第四季度，由于部分业务人员操作违规受理客户业务以及工作不仔细输错信息，造成了撤单操作万余次，造成了资源的极大浪费，同时在关于客户业务竣工装通延期的客户投诉达千余次，因此取消相关客户业务服务的数量达278用户次，提供补偿680用户次。

（三）业务流程存在漏洞

从业务本身来看，业务办理流程存在漏洞，业务办理平台向业务一线开放了CRM（客户关系管理系统）变更操作权限，无需向业务管理部门提交申请即可进行变更，业务办理流程标准化不强，缺少流程控制以及规范性参考文件。2018年11月份，江西电信因业务一线人员进行业务变更操作而造成的已确认风险损失就达14.7万元，业务管理部门因无相应的具体监管处罚标准制度，权责不清晰，只能给予相关业务人员批评教育处理。

（四）专业性人才短缺

大数据时代，要掌握大数据技术并为电信运营商客户业务风险管控服务就需要专业的大数据人才，大数据分析的需求不确定性需要经常沟通，这就要求分析员也需要懂客户业务，而目前江西电信大数据客户业务风险管控项目组组成人员也仅仅只有20余人，虽有大数据方面的知识，但客户业务方面知识储备不足，业务风险管控团队及个人的知识体系急需拓展。但对于传统的客户业务风险小样本数据分析不同，基于大数据的客户业务风险分析是从全量数据出发，将分散的客户业务受理数据、用户资料等数据快速高效转换为客户业务风险决策的重要依据。因此对于大数据客户业务风险分析人员需要同时具备大数据、数学、统计学、运筹学、风险管控、客户业务知识等跨专业领域的知识和能力，而这样的人才恰恰是目前江西电信公司所短缺的。

四、基于大数据的江西电信公司客户业务风险对策

（一）整合资源，优化大数据风控体系

针对派单处理质量不高，平台建设不够完善问题，可以充分发挥大数据平台优势，打通智慧风控系统与CRM，189邮箱，短信收发，爱运维系统，集团MSS物流系统对业务稽核人员进行派单处理过程时间节点提醒以及对风险单及时处理提供可能。

对派单流程进行改造优化，将业务风险稽核及处理划小承包，由省地市级人员管控风险处理办法，县区级进行具体执行核查，减轻地市管控人员稽核压力，加快风险处理进程。

整合资源，制定企业数据资源标准规范体系，包括元数据标准、数据统一编码、数据共享开放机制、平台接口标准，建立数据关联知识库，形成完善的风险分析体系，建立数据分析、风险识别、风险预警、风险扫描、风险派单、风险整改、风险评估全流程闭环大数据客户业务风险管控，优化大数据风控体系，及时挽回风险损失。

（二）加强人员管理，提高业务服务意识

针对业务及管控人员，应加大业务管理，加强业务专业知识及服务培训，明确岗位职责，提高业务服务及风险防范意识，增强人员素质。通过各类培训，培养客户业务及管控人员发现问题，总结问题，不断自我提高的习惯，提高业务人员综合素质，在工作中能不断总结分析并能提出自己的看法和建议，业务能力提高到一个新的档次。同时基于大数据平台整合业务效能评估数据、位置数据、爬虫数据等，从业务发展、客户服务、成长潜力、风险预警及处理等多维构建业务及管控人员评估模型，为业务及管控人员的“停、清、转”提供决策支持。

（三）强化业务流程标准化实施

通过统一规范的构建模型方式，规范表述业务流程节点、业务内容、岗位权责划分、管理标准等内容，不断优化业务流程，将单一业务办理流程与业务过程监控、业务变更权限管理、业务办理后用户质量评估融合为一体，制定可描述、可操作、可分析、可衡量的标准化业务流程，出台客户业务流程标准化实施细则和制度，为业务及管控人员提供业务办理及风险管理依据。利用基于大数据的客户业务风险分析，加强对业务及管控人员进行业务流程标准化实施情况进行考核，对不按规定办理及管理的人员根据制度进行处理，以预防其利用办理客户业务过程进行牟利而造成企业风险损失。

（四）加强客户业务大数据风险管控人才培养

在进行基于大数据的客户业务风险管控工作的过程中，数据分析与开发人员还需要向客户业务人员随时咨询沟通，如果理解不当，很可能产生客户业务风险识别不准确的现象。因此，为了大数据客户业务风险管控的长远发展，复合专业性人才非常重要，风险模型开发与分析人员既精通客户业务知识又懂得计算机技术可以提高工作效率与质量。可以将从事信息技术开发人员适当的转变为大数据客户业务风险管控人员，学习一定的客户业务专业知识与原有优势相结合，不断发展以提高客户业务风险管控工作。或者可以将原有的业务管理人员通过短期或者长期的大数据应用技术培训，使之成为大数据客户业务风险管控新队伍的一员。电信运营商要重视客户业务大数据风险管控人才的培养，引进专业人才以及在人才培养方面加强投入，打造一支客户业务经验充足又具有大数据风险建模，挖掘分析，风险排查管控等能力的复合型客户业务风险管控的专业性人才队伍，在大数据客户业务风险管控上更上一层楼，降低风险损失。

五、结束语

当前，大数据已成为各行业领域不可忽视的力量，大数据应用价值不断被挖掘出来。对于电信运营商来说在发展过程当中汇集了各类数据，为其大数据应用方向起着促进作用。随着电信运营商各项业务的发展，客户业务存在的风险越来越突出，对客户业务风险预警处理能力还不足，这对电信运营商来说是一个不得不面对的问题。

随着经济发展，电信运管商的客户业务会越来越多，其业务数据所涉及的系统也会越来越复杂。只有尽可能扩大业务数据范围，不断优化已有客户业务风险模型，挖掘更多风险分析模型覆盖更多业务，完善大数据风险管控系统，业务流程标准化实施，不断降低客户业务风险，达到降本增效的战略目标。