有数据显示，电信客户每六到九个月就会增加一倍，但是在数据量迅速膨胀的同时，从每个客户身上所获得的收益却在逐年降低，电信核心业务的收益也在降低。面对挑战，电信运营商应该如何应对？
对于电信运营商来说，成功的核心是拥有丰富的、有价值的信息和忠诚的客户。因此，要实现用户数量与赢利的双增长，就必须标识、获得并维护最有价值的客户。每个成功的公司都需要对所从事的商业活动有着深入的理解，知道什么东西可以给公司带来更多的业务。
这些理解或者说商业智能（BI），需要从业务交易和客户交流的每个角度来捕捉有用的信息，因此电信业务的第一个特点是从单一的处理转向拥有分析和管理功能的综合系统。目前，电信企业已拥有大量的客户和业务数据，科学管理和合理开发这些内部和外部信息资源，已成为企业正确决策、增强竞争力的关键，因此电信业务的第二个特点是建立基于分析的企业管理运营体系。
“商业智能应用方案评析”系列专题的第二期——“电信业商业智能应用”，在分析IBM电信业商业智能解决方案、NCR商业智能系统在某电信企业的应用、中国联通商业智能应用以及波兰电信巨人如何利用SAS数据仓库实现从以业务为中心的垄断者到以客户为导向的竞争者过渡的基础上，集中地展现了国内外电信行业商业智能应用的现状，解答了电信企业在商业智能应用过程中的实际问题。
电信行业信息化历程较长，可以说现代电信行业的发展都伴随着信息化的发展而进一步提升和加强。随着企业信息化的不断深入，企业积累了大量的数据。长期以来这些数据只能储备起来，并没有加以利用，庞大的数据往往成为企业巨大的“历史包袱”。如何利用历史数据对企业未来发展提供帮助，在电信企业中显得尤为突出。带着这样的问题，众多电信企业开始了数据分析系统或者商业智能的建设。
在国外，AT&T、西南贝尔、英国电信等多家国际知名电信公司均已完成了商业智能系统的建设。这些系统为企业提供了高效的数据分析手段，帮助企业在瞬息万变的市场环境中准确、及时地把握那些稍纵即逝的商机，获得了极大的投资回报。
在国内，中国移动、中国电信已经相继开始了基于数据仓库技术的商业智能解决方案（经营分析系统）的探索和实施。中国联通、中国网通等电信企业也紧随其后，开始了经营分析系统的筹划工作。
电信业商业智能特点
电信业商业智能解决方案具有以下特点：
复杂数据的整合与统一 计算机处理系统在电信行业的应用极为广泛，但由于各业务系统在电信企业内部长期处于相对独立的运作模式，数据分散在各业务系统之中，不能很好地进行集成分析。作为企业的经营分析系统，必须是一个统一的、综合各类数据信息的大型数据仓库平台，才能形成全面的、一致的企业信息视图。
另一方面，电信企业各业务系统的数据流程及其关系越来越复杂，这也导致了复杂、多样的数据分析需要。因此，经营分析系统必须以完善的、具有良好逻辑关系和可扩展的、专业的电信行业数据模型设计为基础，并拥有一支经验丰富的实施队伍才，能保证经营分析系统的成功实施。同时系统的分析应用功能还需要不断的更新和优化，以满足企业经营的需要。
庞大的数据需要高效的处理平台 对于电信企业来说，需要保存每个客户的通话详单、账单等详细记录，因此其数据量往往比其他行业大很多。面对海量的数据，要建设集成的、完善的商业智能系统，并要在变化的、竟争激烈的市场环境下满足复杂的综合分析需求，这对商业智能的基础数据平台来说是极大的挑战。
因此电信企业的经营分析系统不能是一个简易的数据库应用系统，而应该是一个能够存储庞大数据信息并有能力对大数据量进行复杂、高效分析的高端数据仓库应用系统。在系统的性能和容量方面应当具备良好的可扩展能力，同时具备很高的系统可用性。
商业智能发展现状
目前，国内电信企业对商业智能或经营分析系统的应用时间还比较短，主要为初、中级的使用方式。
基础型指标及统计报表 指标和报表的统计分析是业务用户最初所能想到并最具可用性的功能之一，主要展现企业所关心的关键业务指标。目前的系统主要涉及用户发展统计、话务量统计、ARPU、MOU指标以及网络运行情况指标等。但这并不是经营分析系统的主要目的，它只能为企业提供结果信息，是一种被动的数据统计和监控手段。
分析型报表和多维数据分析 分析型报表和多维数据分析是经营分析系统的基本应用方式。使用者能够通过多角度对某些数据指标进行观测和分析，寻找各种数据属性之间的关系及其对数据本身的影响。除了常规的客户数、产品及消费、话务量及分布分析、网络流量、流向分析等功能之外，各类数据之间的关联性分析方面的应用逐渐开始增加。此外，电信企业中的用户信息很容易通过网间通话的形式在不同运营商之间流露，因此对竞争对手的分析是每个企业都非常重视的。制定有效策略、防范客户流失、争取对方客户，在电信企业中应用最为广泛，成效也相对明显。
数据挖掘应用的起步 数据挖掘是从大量数据中发现隐含的模式。这是一个年轻的跨学科领域，源于诸如数据库系统、数据仓库、统计、机器学习、数据可视化、信息提取和高性能计算。目前数据挖掘在国内电信企业的应用还处于起步阶段，主要涉及对客户流失的预测，以及客户信用度的评估等企业非常关心的内容。数据挖掘在电信行业的应用很具潜力，随着系统的不断发展以及业务人员对系统的认识不断深入，数据挖掘必定会有更为广泛的应用。
当前所存在的问题
数据问题 由于经营分析系统的数据来源于计费、营账、客服、网管等多种业务系统，在各种源数据的整合过程中经常发现不同系统中的数据不一致，同时源数据的质量问题也比较突出。在经营分析系统建设初期数据质量不高是在所难免的，这需要在系统建设和使用过程中不断进行修正和补充，从而逐步完善并最终解决系统的数据质量问题。
业务问题 现阶段，由于用户对经营分析系统的建设目标、规划等还比较模糊，提出的业务需求和想法比较杂乱，在系统的建设过程中出现了进度拖延、资源浪费以及系统与企业经营脱节等诸多问题，严重的甚至导致系统建设的失败。因此，需要有丰富系统实施经验的团队协助企业明确目标，制定合理的业务需求，进行合理的系统规划，在系统的建设过程中还需要能够及时发现和解决隐患，有效预测和规避实施风险，引导系统沿着正确的方向发展。
使用问题 在经营分析系统应用初期，使用者对于新的数据分析工具、方法还比较陌生，加之系统建设初期出现的数据和业务问题，导致使用者对经营分析系统的信任度不高。因此在合理解决系统数据和业务问题的同时，企业也应采取有效的方式提高经营分析系统的使用率，并通过系统使用者的反馈，促进系统数据和业务问题的解决。
