本文以运营商电信企业的海量用户数据为基础，探究分析了大数据多渠道系统的实现，以达到提高企业营销效率，增加企业收益的目的。对于一个拥有海量用户数据的电信企业来说，他们具备开展数据营销的最好前提条件，但要真正在做好数据营销，必须要把握两点。第一，大数据的加工，即数据的分类与筛选[46]。对于海量的用户数据信息，如果都拿来做营销的目标数据，会造成营销资源的极大浪费，而且收效甚微。需要对数据进行有效、有条理的梳理与筛选，分门别类的加工。按照不同的主题域进行加工存放，客户基本资料信息，客户帐务充值信息，客户消息行为信息，客户使用资源信息等。为营销系统的处理做好数据的准备工作。第二，营销过程管理，虽然国内外有很多企业都在做基础企业用户数据的营销系统，但如果不注重营销过程的管理[47]，往往都会是虎头蛇尾，一开始信心满满，但效果却是草草收场。本文基于 SF 公司的实际用户数据，抓住数据运营与营销过程管理，以合适的时间”“合适的用户”用“合适的渠道”推广“合适的套餐”这四个合适为基准，通过营销配置管理，营销流程设计，营销审核管理，营销动态决策，营销渠道与接触管理，在营销过程中充分做到过程管理，实现了不同用户群的针对性营销。不断的给运营商稳固维系在网用户以及发展新用户起到了关键的作用。
.....
第一章 绪论
随着消费者需求的不断变化，不同客户群体的需求各不相同，所以企业需要越来越注重不同目标客户群的需求，充分运用市场细分的方法来满足客户，从而促进客户对于企业产品的依赖性。在普通传统的营销广告中，相当大部分都是徒劳的，这样就会造成营销资源的极大浪费，导致营销成本不断增加，营销收益极度低下。因此要将数据库技术与直接营销结合起来，使直销商长期营销目标的数据库营销理论逐渐发展起来[5]。根据美国全国数据库营销中心提出的定义：数据库营销是一套内容涵盖现有顾客和潜在顾客，可以随时扩充更新的动态数据库管理系统。其功能有：确认最易打动的顾客及潜在顾客；与顾客建立起长期、高品质的良好关系，根据数据库建立先期模型，使之进行针对性营销[6]。本文结合数据库营销的理论和在 SF 公司的应用实践，对数据库营销的理解是：企业通过集和积累消费者的大量信息，经过处理后预测消费者有多大可能去购买某种产品[7]，以及利用这些信息给产品精确定位，有针对性地营销，以达到说服消费者去购买产品的目的。（2）数据准备分析是数据库营销的关键数据准备分析包括数据获取与数据处理。对客户行为数据的全面掌握和深入分析[8]，使得个性化发展和个性化维护行动得以有效率的开展。通过数据库的建立和分析，可以帮助企业准确了解用户信息，确定企业的目标用户群，同时使企业促销工作具有针对性，从而提高企业的营销效率。
........
第二章 多渠道营销系统应用技术
2.1 ETL 技术
本文采用 ETL 技术进行轻量级数据仓库的建设，包括从源数据库里抽取用户的资料数据进行加工，以及从源话单文件里读取用户话单信息进行入库、汇总、加工，分成各个主题域生成营销活动要用的宽表数据，用来支撑营销活动，数据流向图如下图 2.1 所示。在本的5.1.1 小节里会有详细的 ETL 数据抽取应用。数据抽取是从数据源中抽取数据的过程。实际应用中，数据源较多采用的是关系数据库。从数据库中抽取数据一般有以下几种方式。全量抽取类似于数据迁移或数据复制，它将数据源中的表或视图的数据原封不动的从数据库中抽取出来，并转换成 ETL 工具可以识别的格式。增量抽取只抽取自上次抽取以来数据库中要抽取的表中新增或修改的数据。在 ETL 使用过程中。增量抽取较全量抽取应用更广，如何捕获变化的数据是增量抽取的关键，对捕获方法一般有两点要求：准确性，能够将业务系统中的变化数据按一定的频率准确地捕获到；性能，不能对业务系统造成太大的压力，影响现有业务。
2.2 内存数据库技术
本章主要描述了大数据营销里用到的三个关键技术，数据从各个外系统源采集组装，通过 ETL 工具采集传输加载，把各个独立的源数据，生成相互关联的可以使用的关联数据。针对这部分数据用 SPSS 分析技术进行一些建模分析，得到相应的分析结果。然后通过把目标客户群数据资料存储在内部数据库里，以提高数据的访问与处理效率，从而为后面章节的大数据营销系统做准备。神经网络算法[30]是经典的分类算法之一。人工神经网络模型大多为 BP[31](BackPropagation Network)网络，即反向传播学习算法。它通常是由三层相同的一系列神经元构成的层状网络，底层为输入层，中间为隐含层，顶层为输出层。信号在相邻各层间逐层传递，不相邻的各层间无联系。神经网络方法的优点是应用方便，获得结果较快较好；主要的缺点是利用了大量的可调参数，使结果不易解释和理解。
......
第四章 多渠道营销系统设计 ................................................. 13
4.1 系统架构 .................................................................... 13
4.2 系统设计 .................................................................... 15
4.3 模块设计 .................................................................... 16
第五章 多渠道营销系统的实现 ............................................. 21
5.1 ETL 技术数据处理 ..................................................... 21
5.2 SPSS 技术 ................................................................... 27
第六章 多渠道营销系统测试和应用效果 ............................. 47
6.1 系统测试准备 ............................................................ 47
6.2 系统功能测试 ............................................................ 48
6.2.1 数据处理测试 ................................................. 48
..............
第六章 多渠道营销系统测试和应用效果
6.1 系统测试准备
大数据营销系统的入口是数据加工，ETL 作为数据调度加工的工具，把数据抽取、转换、加载到 ODS 数据库中。中间有各种 JOB 调度。作为大数据加工调度的测试指标，完成评估数据加工处理的稳定性测试。通过 ETL 加工处理的 ODS 数据，通过多渠道营销系统，实现营销活动的配置，营销活动的审核，营销活动统一接触模板的配置，以及营销活动报表效果评估。有了数据之后，营销系统的目的是达到客户订购，通过对订购接口的性能测试，完成评估系统订购的稳定性测试。
6.2 系统功能测试
如图 6.3 所示，首先创建一个营销活动，输入营销活动的基本信息，比如营销活动名称，营销活动运行周期，营销活动运行时间点，营销活动预算，营销活动开始时间，营销活动结束时间等。然后如图 6.4 所示，进行营销活动的流程配置，这里先通过 select 节点按照条件选择出一批目标客户群，通过 Pattern 节点选择目标客户的语音环比连续 3 个月下降大于 10%，通过 Pattern 节点选择目标客户的数据环比连续 3 个月上升 10%，通过 Pattern 节点选择目标客户的 ARPU 数据环比连续 3 个月下降 5%。然后通过对这 4 个选择集的进行一个取交集的动作。得到最终目标客户群。最后在 SMS 短信配置节点里，通过取样的功能，选择 95%的目标客户群进行客户接触。配置相应营销活动所对应的动态事件策略，这里的策略配置后，会与目标客户群信息一起加载到内存数据库。在内存数据库里进行相应的策略匹配。营销策略配置中首先要设置这个策略所匹配判断的数据来源，我们在这里选择的数据来源是用户的充值话单数据，配置的规则是充值话单中的充值金额大于 10000。然后触发一个消息动作。这个消息动作会在营销活动流程配置里的 listener 节点被引用到。一旦有充值话单过来后，系统就会自动根据充消息里定义的格式，去匹配以及判断这个规则。对满足条件的记录，立即触发营销动作。达到实时营销的目的。
.......
参考文献
[1] 李希,郑惠莉. 运营商开展大数据业务的对策及建议[J]. 中国电信业,2013(12):91-93
[2] 于勇毅. 大数据营销[M]. 北京:电子工业出版社,2017.2:187-212
[3] George, Duncan. 直复营销[M]. 杨志敏,杨建明译.上海:上海人民出版社,2003:312-341
[4] 陈欣. 数据库营销战略:国有企业走出困境的现实选择[J]. 通信企业管理, 2006(08): 3-6
[5] 张超. 云计算和大数据给运营商带来的机遇和挑战[J]. 通信技术,2013(09):8-11
[6] Grupe, Owrang, DATA BASE MINING Discovering[M]. New Knowledge and Competitive Advantage,2008:22-24
[7] Wei Li,Bo Lang. A tetrahedral data model for unstructured data management[J]. Science China InformationScienses. 2010(08):442-446
[8] Hongmei Ni,Xuming Yang,Chengquan Fang,(et al) He. Data mining-based study on sub-mentally healthystate among residents in eight provinces and cities in China[J]. Journal of Traditional ChineseMedicine,2014(04):98-101
[9] Lu-An Tang,Jiawei Han,Guofei Jiang. Mining Sensor Data in Cyber-Physical Systems[J].www.zhonghualw.com Tsinghua Scienceand Technology,2014(03):46-49
[10] Parag Rastogi,Radharani Sharma. Intrim Business Associates: taking on global consulting goliaths[J].Emerald Emerging Markets Case Studies,2015(01):13-16
[11] Qin Su,Weiyan Liu. Market segmentation and pricing strategies based on product platform[J]. Asia PacificJournal of Marketing and Logistics,2017(01):178-181
............
