论文部分内容阅读
摘 要：河北联通计划在H市新建5个中型或大型营业厅，逐提出选址需求。技术部在参考肯德基、麦当劳等实体店选址思路，以城市栅格为单位，结合电信运营特点，从经营效益、用户结构、业内竞争、未来发展等五方面因素考虑，对各栅格进行综合评价打分。然后，再通过人工纠偏，形成最终选址推荐栅格，提供给市公司。
关键词：营业厅;选址;栅格
随着大数据应用的推广，数据挖掘的思维已深入到各个领域，决策不再是拍脑袋，而是需要有数据依据，甚至数据决策。对于大数据分析的具体应用，可基于案例主题及真实事件进行总结、梳理，对事件发生、发展的全过程进行描述，尤其要对主要措施、关键行为进行清晰的描述和展现，防止遗漏与事件相关的重要因素和细节，并注意情节的生动描写。针对运营商营业厅选址，基于运营商本身所拥有数据的多样性和可靠性，可从多维度考虑。
一、选址原则
自有营业厅选址须要注重其特有的业务结构、客户结构、收入结构和组织结构，结合国内外多种品牌营业厅选址方法，可专注的以下几方面：
1、效益优先：销售型营业厅选址的目标是使营业厅效益的最大化，因此在选址时需要考虑营业厅的效益，优先考虑效益高的店址。以达到用最低的成本提供最高效益的目标。
2、竞争要求：竞争对手，在竞争对手重点布局的区域进行选址布点;同时避开自己现有营业厅、社会渠道附近的地址。
3、未来发展：考虑未来环境的变化，对布点区域的发展前景作出评估。
4、人口结构：需综合考虑附近常驻人口密度、流动人口密度、人口教育、消费、年龄等结构。
二、考虑因素
按照选址原则，结合对运营商自身数据的挖掘和互联网数据的爬取上，营业厅选址方案可考虑、利用如下因素：
1、经营效益
对营业厅效益评估可量化成对周围环境的考评，主要包括所属商圈的类型（核心商圈、次级商圈、边缘商圈）;区域人口规模、小区数量;周边最大的卖场/超市数量及规模;周边最大的商场规模;写字楼档次、数量及规模;是否毗邻政府机关、学校;是否有银行网点;周边消费档次情况。
2、用户结构，主要包括当前在网用户ARPU值、MOU值，通信产品购买水平，年龄结构，教育文化水平等。
3、业内竞争，主要包括附近竞争对手营业厅类型及附近竞争对手营业厅数量;附近自身营业厅数量及附近自身社会渠道数量;附近手机卖场、通信城、大型家电卖场。
4、未来发展，主要包括是否位于规划核心建设区域;周边楼盘售价;
三、营业厅选址具体方案
（1）营业厅选址流程
本着营业厅选址原则，按照营业厅选址考虑因素的思路，设计出适合的选址方法。首先对城市进行栅格划分，再在栅格内对具体的选址地址进行评估。具体步骤为：第一步，城市区域栅格划分;第二步，栅格分析、定位;第三步，栅格内营业厅规划研究;第四步，栅格内营业厅选址研究。
（2）营业厅选址步骤
第一步：区域栅格划分
本次选用城市区域栅格划分方法为将H市按照经纬度以一定的步长栅格化。根据H市具体需求，以城市二环路为城市边界，将二环路以内作为研究区域;定义栅格步长为300米。
第二步：选址洞察-综合评价
综合评价采用模糊综合评价法：通过构建选址不同维度输入，确定不同维度的权重和同一维度的不同评估参数及权重进行综合模型分析。其中，人工衡量因素打分占比30%，人口密度测算占比70%。
1、人工打分
2、人口密度打分
以栅格中所含，所有基站的人口密度，做为栅格的人口密度。基站人口密度=常驻人口+流动人口。
常驻人口
取自大数据平台基站常驻人口模型计算结果，具体为用户停留时间最长的基站为常驻基站。根据忙闲时停留时间的不同，可将常驻基站分为工作地常驻基站和住宅地常驻基站。本案例不涉及区分。具体如下图所示。
流动人口
根据用户在基站周边的活动行为，计算一天内通过该基站的客流量。
客流量：将某一基站（不分忙闲时）覆盖的所有人口作为该基站的流动人口;
档位划分
1）将栅格常驻人口和流动人口按均值倍（n=0.5、1、1.5、2），分割成5档，1档最差，5档最优。
2）将常驻人口和流动人口相加求和，得到结果1至10（一共10档）其中2档最差，10档最优，每档10分。作为评定基站附件人口密度的主要规则，密度越大，档位越高，得分越高，如下图所示。
3、综合评价结果
最终栅格大人结果为综合人工打分+密度打分结果。如下图所示。
第三步：栅格筛选-剔除现有营业厅覆盖范围
1、计算城区营业厅覆盖半径
算法：（1）某个现有营业厅与周边所有营业厅，以到最近一个营业厅的距离一半，做为该营业厅覆盖半径，即R1=r1/2=最小半径值（r1半径/2，r2半径/2，r3半径/2，r4半径/2）
（2）現有营业厅覆盖半径平均值，即为该城区营业厅覆盖半径。即R=（R1+R2+…+RN）/N
2、根据已建营业厅的位置及覆盖半径，删除在已建营业厅覆盖范围内的栅格。如下图所示，剔除蓝色圆圈内的栅格。
第四步：栅格定位
根据栅格打分结果，选出综合得分较高的且未在现有渠道覆盖范围内的栅格，作为选址目标位置，结果如下图所示，蓝色粗体线中的的栅格可作为适宜营业厅建指的地理位置。
第五步：锁定分析-纠偏后结果输出
综合城市规划、实际营业厅建设规划、竞争对手营业厅建设位置、所选栅格是否有合适铺面等实际情况，对所选地点进行人工纠偏，结果如下图所示，红圈区域。
最终输出结果如下
（三）分析总结
通过对大数据挖掘多种算法的使用，以及对大数据多样性数据源的利用，改变传统营业厅选址拍脑门的方法，不仅使之更加科学、合理，更有效提升了联通自建厅的经济效益和社会效益，同时也为大数据外部应用变现（如银行营业厅选址），提供了宝贵经验。
关键词：营业厅;选址;栅格
随着大数据应用的推广，数据挖掘的思维已深入到各个领域，决策不再是拍脑袋，而是需要有数据依据，甚至数据决策。对于大数据分析的具体应用，可基于案例主题及真实事件进行总结、梳理，对事件发生、发展的全过程进行描述，尤其要对主要措施、关键行为进行清晰的描述和展现，防止遗漏与事件相关的重要因素和细节，并注意情节的生动描写。针对运营商营业厅选址，基于运营商本身所拥有数据的多样性和可靠性，可从多维度考虑。
一、选址原则
自有营业厅选址须要注重其特有的业务结构、客户结构、收入结构和组织结构，结合国内外多种品牌营业厅选址方法，可专注的以下几方面：
1、效益优先：销售型营业厅选址的目标是使营业厅效益的最大化，因此在选址时需要考虑营业厅的效益，优先考虑效益高的店址。以达到用最低的成本提供最高效益的目标。
2、竞争要求：竞争对手，在竞争对手重点布局的区域进行选址布点;同时避开自己现有营业厅、社会渠道附近的地址。
3、未来发展：考虑未来环境的变化，对布点区域的发展前景作出评估。
4、人口结构：需综合考虑附近常驻人口密度、流动人口密度、人口教育、消费、年龄等结构。
二、考虑因素
按照选址原则，结合对运营商自身数据的挖掘和互联网数据的爬取上，营业厅选址方案可考虑、利用如下因素：
1、经营效益
对营业厅效益评估可量化成对周围环境的考评，主要包括所属商圈的类型（核心商圈、次级商圈、边缘商圈）;区域人口规模、小区数量;周边最大的卖场/超市数量及规模;周边最大的商场规模;写字楼档次、数量及规模;是否毗邻政府机关、学校;是否有银行网点;周边消费档次情况。
2、用户结构，主要包括当前在网用户ARPU值、MOU值，通信产品购买水平，年龄结构，教育文化水平等。
3、业内竞争，主要包括附近竞争对手营业厅类型及附近竞争对手营业厅数量;附近自身营业厅数量及附近自身社会渠道数量;附近手机卖场、通信城、大型家电卖场。
4、未来发展，主要包括是否位于规划核心建设区域;周边楼盘售价;
三、营业厅选址具体方案
（1）营业厅选址流程
本着营业厅选址原则，按照营业厅选址考虑因素的思路，设计出适合的选址方法。首先对城市进行栅格划分，再在栅格内对具体的选址地址进行评估。具体步骤为：第一步，城市区域栅格划分;第二步，栅格分析、定位;第三步，栅格内营业厅规划研究;第四步，栅格内营业厅选址研究。
（2）营业厅选址步骤
第一步：区域栅格划分
本次选用城市区域栅格划分方法为将H市按照经纬度以一定的步长栅格化。根据H市具体需求，以城市二环路为城市边界，将二环路以内作为研究区域;定义栅格步长为300米。
第二步：选址洞察-综合评价
综合评价采用模糊综合评价法：通过构建选址不同维度输入，确定不同维度的权重和同一维度的不同评估参数及权重进行综合模型分析。其中，人工衡量因素打分占比30%，人口密度测算占比70%。
1、人工打分
2、人口密度打分
以栅格中所含，所有基站的人口密度，做为栅格的人口密度。基站人口密度=常驻人口+流动人口。
常驻人口
取自大数据平台基站常驻人口模型计算结果，具体为用户停留时间最长的基站为常驻基站。根据忙闲时停留时间的不同，可将常驻基站分为工作地常驻基站和住宅地常驻基站。本案例不涉及区分。具体如下图所示。
流动人口
根据用户在基站周边的活动行为，计算一天内通过该基站的客流量。
客流量：将某一基站（不分忙闲时）覆盖的所有人口作为该基站的流动人口;
档位划分
1）将栅格常驻人口和流动人口按均值倍（n=0.5、1、1.5、2），分割成5档，1档最差，5档最优。
2）将常驻人口和流动人口相加求和，得到结果1至10（一共10档）其中2档最差，10档最优，每档10分。作为评定基站附件人口密度的主要规则，密度越大，档位越高，得分越高，如下图所示。
3、综合评价结果
最终栅格大人结果为综合人工打分+密度打分结果。如下图所示。
第三步：栅格筛选-剔除现有营业厅覆盖范围
1、计算城区营业厅覆盖半径
算法：（1）某个现有营业厅与周边所有营业厅，以到最近一个营业厅的距离一半，做为该营业厅覆盖半径，即R1=r1/2=最小半径值（r1半径/2，r2半径/2，r3半径/2，r4半径/2）
（2）現有营业厅覆盖半径平均值，即为该城区营业厅覆盖半径。即R=（R1+R2+…+RN）/N
2、根据已建营业厅的位置及覆盖半径，删除在已建营业厅覆盖范围内的栅格。如下图所示，剔除蓝色圆圈内的栅格。
第四步：栅格定位
根据栅格打分结果，选出综合得分较高的且未在现有渠道覆盖范围内的栅格，作为选址目标位置，结果如下图所示，蓝色粗体线中的的栅格可作为适宜营业厅建指的地理位置。
第五步：锁定分析-纠偏后结果输出
综合城市规划、实际营业厅建设规划、竞争对手营业厅建设位置、所选栅格是否有合适铺面等实际情况，对所选地点进行人工纠偏，结果如下图所示，红圈区域。
最终输出结果如下
（三）分析总结
通过对大数据挖掘多种算法的使用，以及对大数据多样性数据源的利用，改变传统营业厅选址拍脑门的方法，不仅使之更加科学、合理，更有效提升了联通自建厅的经济效益和社会效益，同时也为大数据外部应用变现（如银行营业厅选址），提供了宝贵经验。