基于大数据可视化的电信运营商营业厅选址方法研究-AET-电子技术应用

基于大数据可视化的电信运营商营业厅选址方法研究

2015kaiyun官方注册智能电网增刊

吴雯漫，辛叶舟，李小娟

（中国联通研究院，北京 100032）

摘要：针对电信运营商营业厅选址方法上普遍存在的粗放问题，研究了近几年国内外电信运营商营业厅选址的先进案例，提出了电信运营商营业厅选址的原则和目标，设计了以大数据和可视化为特点的电信运营商营业厅选址方案，建立了营业厅覆盖模型、营业厅销量和业务量预测模型、营业厅效益预评估模型，给出了营业厅选址实例，并给出了方案进一步优化的思路。

关键词： 选址营业厅电信运营商

Abstract：

Key words :

　　吴雯漫，辛叶舟，李小娟

　　（中国联通研究院，北京 100032）

　摘要：针对电信运营商营业厅选址方法上普遍存在的粗放问题，研究了近几年国内外电信运营商营业厅选址的先进案例，提出了电信运营商营业厅选址的原则和目标，设计了以大数据和可视化为特点的电信运营商营业厅选址方案，建立了营业厅覆盖模型、营业厅销量和业务量预测模型、营业厅效益预评估模型，给出了营业厅选址实例，并给出了方案进一步优化的思路。

关键词：选址；营业厅；电信；运营商；大数据

1 电信运营商营业厅选址的研究

　　1.1 电信运营商营业厅选址方法现状及问题

　　电信运营商基层由于缺乏对营业厅选址的专题研究和管理优化，营业厅选址工作还处在管理较为粗放的阶段，主要表现在，依靠专家意见、手工打分、层层上报审批完成相关工作，缺乏规范化的选址方法，过分依赖于基层上报的数据，缺乏、定量评估模型和客观统计数据支持，主观性较强，费时费力。有必要对营业厅选址进行系统性研究。

　1.2 电信运营商营业厅选址方法研究的意义

　　营业厅是运营商联系用户的关键桥梁和纽带，是运营商拓展市场份额、服务广大用户的重要途径。营业厅数量虽少,但在运营商的整个销售体系中起到“稳定核心、示范销售”的关键作用。投入一个营业厅对于运营商来说,不仅意味着数百万元的购置成本,同时也意味着若干营业人员投入此地开展营销。营业厅的选址和建设是一项长期性投资,一旦建成往往很难再做调整。一旦选址失误,选择了不适合营销开展的地段,那就是资金、人员等的多重浪费。同时，营业厅选址本质上也是运营商对目标市场细分和市场定位选择的反映，其选址在一定程度上决定了未来的客流量、顾客购买能力及消费结构以及潜在客户规模，从而影响到整个企业的市场竞争力。选址理想的营业厅不仅后期运营效益有保障,而且地段好、贴近商圈和潜在用户等优势更便于运营商的自身宣传。

　　由上可知，运营商对于营业厅的选址需要采取谨慎的态度，不充分考虑选址周围的市场及竞争状况，随意或仅凭直观经验选址的营业厅是很难获得经营成功的。因此，营业厅选址是营业厅建设的重要环节，建立规范化和精细化的营业厅选址方法与模型，提高营业厅的选址精准性，有助于将有限的资源投入到需求迫切、产出最大的地方去，可以提高资本性支出的投资效益，更可以以点带面，通过一个运营良好的营业厅来吸引更多的营业厅加入或加强与运营商的合作。

2 电信运营商营业厅选址方法研究

　　2.1 电信运营商营业厅选址方法分类

　　案头研究发现，电信运营商营业厅选址方法分为三类。一是实践派，即由专家意见形成选址打分表，再对营业厅备选点进行个案调查，优点是易懂、易用。二是学院派，如采用层次分析法[1]、双层双层规划法[2]、时间满意度函数[3]等进行选址，优点是能够运用模型进行定量评估。三是创新派，即采用大数据选址或者是形成可视化选址系统，优点是既有定量评估，又易懂、易用。

2.2 电信运营商营业厅大数据可视化选址案例

　　近几年，许多公司意识到了营业厅选址的必要性与其中的商机，进行了营业厅选址相关的研究和开发。2012年10月，Telefonica Dynamic Insights推出首款产品名为智慧足迹 (Smart Steps) [4]，这是一款大数据位置可视化软件，基于完全匿名和聚合的移动网络数据，可对某个时段、某个地点人流量的关键影响因素进行分析，并将分析结果面向政企客户提供零售商新店设计和选址、设计促销方式、与客户反馈等决策支撑，也可帮助市政委员会统计、预测各种场景下的人流量，并通过出售广泛的、实时的、脱敏的数据处理结果获得经济上的收益，是“数据也是资产”的最直接解释。2014年，上海移动运用大数据建模进行营业厅选址研究。华为和GFK为上海联通研发面向商业客户的大数据商铺选址系统[5]，并在2014年国际通信展上展出原型。在国外，基于大数据的选址应用普遍，许多国外连锁企业进入中国时也会采用大数据选址方式。在国内，已有多家公司提供营业厅选址软件。

3 电信运营商营业厅选址方案设计

　　3.1 电信运营商营业厅选址原则

　　电信运营商营业厅的选址原则包括九点。一是整体性原则，即选址须符合企业战略发展要求,围绕企业整体运营目标来开展。二是以客户为中心原则，即围绕客户需求,在客户需求集中位置设置网点。三是供给和需求匹配原则，即当营业厅工作量过饱和时，考虑增设网点或扩大现有网点规模；营业厅工作不饱和时，考虑对现有网点关停并转。四是效益性原则，即考虑投入产出，追求利益最大。五是覆盖性原则，即全面覆盖，避免出现盲点。六是竞争性原则，即避免在网点数量上远小于竞争对手，还要尽量靠近竞争对手网点，防止局部地区被竞争对手控制。七是协调性原则，即同一个运营商的营业厅之间应保持一定的距离，避免覆盖重叠与浪费。同时考虑自有营业厅对社会营业厅的协同作用。八是重要性原则，即对政府、重要集团客户、大中专院校、重点商圈、社区、工业园区等应有相应的营业网点布局,确保重点对象客户的后续服务。九是合法性原则，即所选房产必须要有房产的产权证明、土地使用证明等相关资质证明文件。

3.2 电信运营商营业厅选址方案目标

　　方案设计目标包括五点。

　　一是量化评估。要求给出量化评估模型，降低主观选址的随意性。且同调研相比，显著减少由样本误差带来的不稳定性。参考庞大的数据源并结合模型分析，显著提高销售,服务预测的准确性。

　　二是数据规范。要求挑选指标，提高基础数据的准确性，让量化评估模型更精确。如依据话务量等客观数据来模拟人流量等难于实时监测的数据，基础数据的准确性得到提高。

　　三是结合实际。要求给出定性分析与定量分析相结合的操作方法，对存在重大风险和不满足选址先决条件的点位进行一票否决，避免陷入纯数字理论选址的误区。

　　四是节约成本。选址既是从区域到点逐步细化的过程，也是定性和定量相结合的分析过程，先区位分析再点位分析，先考察否决类因素，再评估影响类因素，避免了全局分析运算，为选址评估节约了成本，也更具实际操作性。

　　五是过程直观。引入地图可视化工具，以热力图形式将话务量等指标进行标识，同时将现有营业厅分布、竞争对手营业厅分布及一些重要周边分布在地图上进行直观标识，便于审核决策。

　3.3 电信运营商营业厅选址方案思路

　　营业厅选址方案思路如图1所示，选址方案包括数据准备、模型建设、模型应用三大步骤。其中，模型建设包括营业厅覆盖模型建设、营业厅负载模型建设、营业厅效益预评估模型建设。模型与方法应用包括寻找备选点以及备选点评估。

　　第一步，数据准备。首先分析影响营业厅价值高低的主要因素，区分否决类因素与影响类因素。否决类因素是指土建、物业等相关，只要不符合否决类因素表的内容，则对备选点直接否决。影响类因素则可进入下一步评估。将影响类因素转换成可量化的指标，提取内外部相关数据。其中，内部数据主要包括营业厅基本信息、用户信息、业务量数据、成本数据以及基站信息等。外部数据主要包括POI（兴趣点）数据、人口数据、房价数据、公交数据、竞争渠道数据等。对内外部数据要按位置进行指标统计。需要注意的是，对于不同来源的数据可能使用不同的坐标系，需要转换到同一坐标系下进行计算。

　　第二步，建设营业厅覆盖模型、负载模型和效益模型。其中，营业厅覆盖模型是要通过实际用户数据计算得到营业厅的业务覆盖半径，并考虑通过空间分割使得每个空间范围内对应唯一营业厅从而得到营业厅的地理覆盖范围，再对营业厅的业务覆盖范围与地理覆盖范围进行叠加。负载预测模型是筛选相关性高且实际操作性强的指标，利用多元回归建立营业厅的销量、服务量等负载预测模型。负载预测模型的检验包括拟合系数的检验、显著性P值检验、高价值营业厅的命中度、平均误差等。效益预评估模型的思路是用佣金模拟收入，一般来说，收入与成本之差大于零才能考虑建厅。

　　第三步，模型与方法应用。以热力图结合地图等可视化形式对用户分布、营业厅覆盖范围、竞争渠道分布、零售环境分布、房价分布等情况进行展示，结合选址原则定性与定量地找到大块备选区域后寻找备选点，然后对备选点应用负载预测模型进行负载预测，将预测结果结合周边环境代入效益模型进行评估，最后对通过效益评估的备选点进行负载影响分析，即分析在此备选点新建营业厅后对已有营业厅的负载影响。

4 电信运营商营业厅选址实例

　　4.1 可视化展示

　　选址过程需要生成和分析许多可视化展示图，图2为业务分布热力图及营业厅覆盖分布图。

　4.2 模型检验

　　对营业厅销量预测模型进行检验发现，模型拟合度为83%，方程的 P= 7.86E-12，平均误差 22%。预测为销售前30%的营业厅, 实际销售为前30%的占比为86%；预测为销售前为30%的营业厅, 实际销售前50%的占比为100%。

　　对营业厅业务办理量预测模型进行检验发现，方程的 P=6.42E-11，平均误差 17%。预测为业务办理数量前30%的营业厅, 实际也是业务办理数量前30%的营业厅占比为93%；预测为业务办理数量前30%的营业厅, 实际也是业务办理数量前50%的营业厅占比为100%。销售预测模型及业务办理笔数预测模型精度检验如图3所示。