杨军
摘 要:通信服务公司在承接通信运营商的网络代维业务中,其需求和关注点与通信运营商有很大不同。通信运营商的代维管理系统对他们来说更像是业务梳理、管理和考核的工具,难以成为信息整理分析与战略发展的支撑平台。因此,立足通信服务公司生产经营的角度,开发简单实用且能够直观呈现生产运营情况、甲方要求以及资源人员匹配等重要信息的代维管理平台具有重要的实用价值。
关键词:通信服务公司;代维管理平台;数据库;商业智能
中图分类号:F626 文献标识码:A 文章编号:1003-5168(2021)19-0015-03
Abstract: When communication service companies undertake network agent maintenance services of communication operators, their needs and concerns are very different from those of communication operators, so the powerful agent maintenance management system of communication operators is more like business to them , management and assessment tools, but it is difficult to become a support platform for information collation, analysis and strategic development from headquarters to branches. For this reason, from the perspective of the production and operation of the communication service company, the agent maintenance management platform that is simple and practical to develop and can intuitively present important information such as production and operation conditions, Party A's requirements, and matching of resources and personnel has considerable practical value.
Keywords: communication service company;agent maintenance management platform;database;business intelligence
对于很多工程施工类和生产运营类业务,国内通信运营商大多選择外包给设备商和通信服务公司,其中包括设备代理维修类业务。从事代理维修外包业务的通信服务公司被业内称为代维公司。设备代维业务的技术含量低、覆盖范围广、人员车辆要求多、时效性要求高且易于检查考核,同时竞争激烈,因此代维公司应积极响应运营商(甲方)的服务需求,提升自身的企业管理水平、人才管理水平及技术能力水平。
企业信息化可有效提高企业管理水平和服务水平,降低企业生产成本,进而提升企业的市场竞争力。其中,通信代维管理平台作为通信服务公司信息化的重要内容,可实现代维工作的收入、数量、质量以及人员等资源的分析整合,及时了解和管理各区域和各专业的生产运营情况,及时响应客户和甲方提出的要求和举措,是通信服务公司生产运营的重要监控分析工具。
1 代维管理平台需求分析
纵向上,代维管理被甲方切割为省、地市、区县等不同层级。横向上,它可按专业划分[1]。不同的划分方式导致其规范、标准、要求、格式、合同以及考核管理办法有所不同,不利于代维公司对代维业务的批量化、流水线化运营,亟需建立以客户为中心、以流程为向导的代维管理平台,实现基本业务与生产活动的集中监控和基础数据管理。
通信服务公司在代维业务的运营生产上主要有通信运营商代维管理数据和代维企业自身产生的管理数据两类数据。通信运营商代维管理数据可分为业务的统计数据和原始工单数据等。代维企业自身产生的数据则因为各个公司在业务和管理上的需求与方法不同,有着更多的数据类型,常见的有人力资源、内部关键业绩指标(Key Process Indication,KPI)、知识管理、招投标分析及其他数据。工作中,接触甲方的生产经营越深入,所处理的数据类型越丰富。通常,结合通信服务公司的基本业务和生产活动的需求进行统计数据更高效便利。因此,代维管理平台需要着重解决统计数据的获取、整理、分析以及呈现等问题。
2 代维管理平台功能模块
平台由3部分组成,即数据库、算法规则与应用。
2.1 数据库
由于各省通信运营商使用的代维管理系统和集采招标技术规范不统一,使得代维统计数据和原始工单数据(包括考核打分、开票回款规则、人员要求以及组织管理)存在很大的不同。不仅需要对异构数据进行读取、导入、导出、连接、合并、分组、插入、拆分、透视、索引、切分以及转换等操作,还需要实现可视化展示、复杂统计以及数据库交互等功能[2-4]。
2.2 算法规则
算法规则指将采集到的统计数据按一定规则进行处理。显然,通信运营商的代维管理系统和通信服务公司代维管理平台的关注重点并不一致。通信运营商主要关注业务处理的数量、质量、成本以及满意度等数据,而通信服务公司的代维管理平台更关注收入、成本、用户满意度以及甲方满意度等数据,对业务处理本身的关注度并不高。因此,在算法规则中,基于通信服务公司的角度,主要应通过工作量、合同单价、代维合同的约定、月度和年度的考核打分以及对开票回款的分类分项统计进行测算、验证,使总部和分公司能及时掌握企业的运营情况。
2.3 应用
应用即在平台具备数据和数据库的基本功能后,根据通信服务公司自身的业务和管理要求,开发和展示相关功能和数据。为降低平台开发的复杂性并提高平台的可维护性,可采用较为通用成熟的软件来展示数据、图形和相关的行业洞见[5]。
图1是代维管理平台的功能模块设计。在实际应用中,除底层的数据库和数据库操作外,收入信息、业务数量、指标信息以及人员信息的分析都与日常统计数据密切相关。平台能够根据一定规则对这些数据进行预分析和判断,并以更直观的形式呈现出来,帮助专业人员进行分析和处理,从而有效改善企业的生产运营质量。培训、知识与决策模块则可以根据通信服务公司自身情况,帮助分析和展示除统计之外的更多有价值的信息,同时能够根据通信服务公司各自的需求决定是否做成独立的系统。
3 代维管理平台的统计数据流程
通信服务公司对于各代维区域的统计数据,可按图2中的流程进行收集整理。从输入端每月可获取各地各分公司预估考核前各专业的收入(分为包年收入和计次收入,也包括额外的扣款)、分公司各专业的工作量和考核打分,并将这些数据按要求格式输入代维管理平台;另一个输入是通信服务公司财务部门收集和整理的每月各地开票和结款收入,可用于核查分公司填报的工作量、收入和质量考核情况。通过甲方的结款规则和分公司上报的数据进行核对,如果数据误差很小,则近似认为所有的数据准确可信。年度尾款是在每月代维的基础上,按照年度考核的规则进行管理打分。它与每个月的开票回款收入和月度打分相关,也能够验证数据的可靠性。
一般日常管理中常用EXCEL进行代维数据的统计。通信运营商也常用这样的表格数据与通信服务公司或其他合作公司进行统计数据的交互。通信服务公司关注的是各专业的工作数量、打分考核以及收入情况等数据。这些每月变化的统计数据都制作成标准表格,方便各省各地分公司进行填报。平台根据计算规则会自动计算表格中的数据,需要关注考核规则和结款规则的变化。其中,代维工作量统计样表截图如图3所示。
收入数据是通信服务公司在代维业务中最关注的统计数据,按时间、区域以及专业等进行整理,能够轻松地将多种代维数据和指标关联。收入数据也是通信服务公司负责人和高层管理者非常关注的数据,比单纯的财务报表更贴近代维管理的实际工作情况,也更能体现项目的运营管理情况。收入统计样表截图如图4所示。
4 代维管理平台的实现
开发硬件环境为Intel i7 CPU,16 GB内存,500 GB硬盘,千兆网卡。运行硬件环境为4核CPU,32 GB内存,500 GB硬盘,千兆网卡。
开发软件环境为CentOS7操作系统,Nginx静态服务器,MySQL 5.7,Python 3.6,Django 2.0.1,Power BI。
图5是实际开发的代维管理平台界面。相比现有的数据库平台,它的特殊之处在于体现了通信服务公司的需求,用简单清晰的形式整理并展示通信服务公司的代维生产运营数据。
通过代维数据的收集、统计和呈现,能够让专业人员对通信服务公司内部分公司之间的总收入情况、各专业收入情况、甲方考核情况、人员资源匹配情况、变化情况以及周期性变化情况等进行分析,及时发现并解决分公司遇到的问题。由依靠人员管理向依靠数据分析与人员参与管理转变,有效提高了生产效率和决策水平。
5 结语
本文从通信服务公司的角度讨论并实现了代维管理平台的开发。通信服务公司利用通信运营商强大的网管监控系统和代维管理系统,结合自身管理特点进行数据分析,建立自己的代维管理平台,将数据分析引入总部与分公司的生产管理过程,能够大幅提高代维管理水平,为项目管理、运营管理和人力资源管理提供支持,从而在短期内将由依靠个人的评估管理提升到依靠数据分析的专业化管理。
参考文献:
[1]中国移动通信集团公司网络部.中国移动网络代维质量规范(2019年版)[EB/OL].(2020-10-16)[2021-05-18].https://wenku.baidu.com/view/2d2d840ddf88d0d233d4b14e852458fb760b3831.html.
[2]HETLAND M L,司維,曾军崴.Python基础教程[M].北京:人民邮电出版社,2018:232-242.
[3]黄永祥.Django Web应用开发实战[M].北京:清华大学出版社,2019:22-36.
[4]汪云飞.JavaEE开发的颠覆者:Spring Boot实战[M].北京:电子工业出版社,2016:122-137.
[5]宋立桓,沈云.人人都是数据分析师:微软Power BI实践指南[M].北京:人民邮电出版社,2018:75-93.
3551500338284