电信业务收入预估方法介绍
开篇：润墨网以专业的文秘视角，为您筛选了一篇电信业务收入预估方法介绍范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘 要：电信行业市场竞争愈加激烈，所谓“知己知彼”、“时间就是效益”，如何在较早时间掌握企业本月收入完成情况，了解分地域、分业务收入完成与预期差距，是运营商适应市场环境变化、提前运筹经营工作的需要。分析电信运营商主要业务收入来源、产生方式、归集原则等情况，以尽早预测月度收入完成情况为目标，给出不同收入种类的预测方法，并给出结合企业实际应用的效果。
关键词：收入 预测 应用
中图分类号：F626 文献标识码：A 文章编号：1007-3973（2013）006-098-02
目前，自从电信公司接手移动C网业务以来，移动业务用户规模不断扩大，移动收入占比稳步提高，2012年陕西电信移动收入占比40%左右。至此，97%电信业务纳机采集系统采集原始话单，然后依靠设定的计费规则，统一由计费系统核算出账。这样使得收入预估方法建立与使用成为可能。
收入预估是指在每月月末前几天就对全月电信收入进行预判，预估方法逐步完善，要求收入预估结果与实际财务月收入数据尽量接近。
1 建立收入预估方法的必要性
随着市场竞争形势日益严峻，市场环境瞬息万变，要求电信运营商对市场变化及时做出反应，尽早进行经营工作安排，以便能更好应对市场挑战。
（1）目前财务收入月度核算方式已不能满足管理者提前看收入要求。每月月初8日左右才能看到上月收入完成情况，无法有效支撑管理者尽早掌握收入数据的要求。
（2）移动互联网业务特性，需要更早掌握各项收入表现，提前做好业务布局和安排。移动业务比重不断加大，电信公司日渐体现移动互联网业务的时代特性，快速反应和应对，尽早优化业务策略，才能更好掌握市场主动权。
（3）营销资源有效支撑业务发展需要。在现在营销资源日益紧张的情况下，如何将有限资源投入高速发展的业务上，就需要尽早掌握收入和业务发展情况，不断调整资源投向，才能最大限度发挥资源效益。
2 收入预测模型介绍
2.1 收入数据来源
电信公司经营收入可以分成三种类型：计费系统内收入、网间结算系统内收入和其他一次性收入，分别约占经营收入的93%、4%、3%。可以看出系统自动核算收入占到97%左右。如图1。
图1 电信公司经营收入
计费系统内收入，主要包括与固定电话、移动电话、有线宽带、网元出租相关的语音、增值、流量、互联网、电路出租等业务，由于用户使用或占用相关服务或资源而产生的业务收入。该收入主要是依靠用户资料和计费规则，由系统实时计费核算，与用户发展速度和使用服务时间长度紧密相关的，收入趋势相对稳定、可预期。
网间结算系统内收入，主要包括运营商网间结算收入和集团内上市与非上市公司间结算收入。运营商网间结算收入指电信公司与移动公司、联通公司之间由于对方电话用户通过通话、短信、彩信业务呼叫我网用户而产生的结算收入，也就是说对方网内用户发话过程中使用了我公司网络资源和服务，而支付给我公司的资源和服务收入。集团上市与非上市公司之间结算收入是指电信集团内上市公司与非上市公司用户间发生电信业务而向对付支付的费用。该收入与用户发展与网间用户发话需求强相关，其收入趋势也是可以预期的。
其他一次性收入内容比较杂乱，主要包括CRM系统收取的一次性收入、积分兑换产生的收入、电信卡使用产生的收入、电信集团内部业务结算收入、系统ICT业务和资源出租业务收入等。这些收入种类多，但绝对数值不大，部分为一次性产生收入，各月间会变化较大。
2.2 各类收入预测模型
按照收入类型不同，每种收入预测方法基本可以分为两类：
（1）历史趋势推导或历史平均算法。
对于其他一次性收入类型的收入，由于其大多发生随机性较大，与业务发展和时间无太大关系，故多采用此方法。方法具体为：根据该业务前几个月历史收入发生情况或本月前期发生情况，进行平均来粗略估计该业务本月收入预期。
对于有本月前期已经发生的业务，如CRM一次性收入，采用本月已发生收入的平均推测方法，具体测算公式为：该业务本月收入=（∑本月已发生收入）鞑杖氲奶焓齹妆驹绿焓？
对于本月前期无已知收入产生的业务，如电信卡、内部结算等，采用前三个月收入平均推测方法，具体测算公式为：该业务本月收入=（∑三个月已发生收入）鞑杖氲奶焓齹妆驹绿焓？
（2）线性回归预测和周期预测向结合的方法，也是本文重点介绍的方法。主要是针对与用户发展时间密切相关业务的收入预测，如固网电话、移动电话、宽带等业务。
在统计学中，线性回归（Linear Regression）是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归，大于一个自变量情况的叫做多元回归。
在线性回归中，数据使用线性预测函数来建模，并且未知的模型参数也是通过数据来估计。这些模型被叫做线性模型。最常用的线性回归建模是给定X值的y的条件均值是X的仿射函数。线性回归是回归分析中第一种经过严格研究并在实际应用中广泛使用的类型。这是因为线性依赖于其未知参数的模型比非线性依赖于其位置参数的模型更容易拟合，而且产生的估计的统计特性也更容易确定。
在历史数据统计发现，每日收入趋势与时间是紧密相关的，也就是说日收入随每月时间推延而基本上按线性增长。所以，对日收入趋势的预测，总体是采用线性回归的方式。也就是说，我们根据每月前25天的日收入情况，拟合出一个线性函数，再按这个函数推算出未来后5-6天的日收入。但在实际测算验证过程中，发现节假日（包括周末和法定节日）对日收入有一定影响。为此，我们会对月中节假日的收入按周期性趋势进行预测。也就是说，根据历史上节假日前后收入趋势变化情况（主要是环比增幅），单独对节假日日收入进行测算，使得节假日收入趋势更贴近实际。具体公式如下：
该业务本月收入=本月前期已产生日收入累计+后几天中非节假日线性回归预测收入+后几天中节假日收入周期性预测收入
非节假日线性回归预测收入=历史数据拟合斜率兹掌冢肥菽夂辖鼐？
节假日收入周期性预测收入=前一天非节假日收入祝？+历史节假日收入与前一天非节假日收入环比）
需要说明的是：
（1）在采用线性回归算法推算未来收入时，一定要对本月历史日收入数据进行离散性进行检验，即噪音检验。也就是说，若历史日收入数据中因为突发事件造成当日收入数据突高，我们在线性回归拟合趋势线时，要将其剔除，即数据清洗。这样拟合推算出来的未来日收入才会更接近实际。
（2）另外，在测算结果与实际结果对比过程中，我们更多的发现，每月日收入分布并非真正一次线性回归趋势，而在月末总会有一些日收入出现翘尾现象。究其原因，主要是月初业务发展与月末业务发展的不均衡性造成，也就是说由于考核压力，每月下旬发展用户会多于上旬发展的用户，因此对收入贡献也会出现不均衡。为更准确预计收入，要么修改一次线性回归模型为非一次线性模型，要么就在原模型上给予一点经验修正。为便于理解、更直管展现，我们仍延用一次线性回归模型，根据历史月份下旬日收入翘尾趋势，增加一个修正因子
3 收入预估模型优化思考
实际工作中，月末按上述方法对全月收入进行预估结果准确率基本上稳定在97%至98%左右，效果还是不错的，但从算法优化上还是有许多可以改进和优化的空间。例如，目前的线性回归算法只考虑的是当月历史日收入与时间单维度的拟合关系，而未考虑与用户发展、通信话务等因素的相关性。而这两个因素都与收入产生有直接关系，故后续算法优化中，可以考虑建立多元线性回归算法，将用户发展、通信话务、时间等都纳入影响因素，根据历史数据，拟合它们的相关系数，从而建立更为准确的回归算法。