电信业务调整方法、设备及存储介质与流程

1.本技术涉及数据处理技术领域，尤其涉及一种电信业务调整方法、设备及存储介质。


背景技术：

2.电信运营商在经营管理中对电信业务进行合理调整，准确的确定业务目标、制定业务发展策略是比较重要的一项工作，该工作的数据基础是进行合理准确的收入预测。
3.现有技术中，通常可以采用差分整合移动平均自回归模型(autoregressive integrated moving average model，arima)、多元回归等统计技术或者按照科目分类进行收入预测，进而基于该收入预测来调整电信业务，以实现业务目标和业务发展策略的准确制定。
4.然而，实现本技术过程中，发明人发现现有技术中至少存在如下问题：上述电信业务调整方式中，收入预测方法采用的数据指标较单一，准确性较低，影响了电信业务调整的合理性，以及业务目标和业务发展策略的准确制定。


技术实现要素：

5.本技术提供一种电信业务调整方法、设备及存储介质，以提高收入预测的数据指标的多样性，从而提高收入预测的准确性，提高电信业务调整的合理性，实现业务目标和业务发展策略的准确制定。
6.第一方面，本技术提供一种电信业务调整方法，包括：
7.获取用户级历史数据，并对所述用户级历史数据进行预处理，获得待聚类数据；
8.通过聚类算法，根据选定的标签对所述待聚类数据进行聚类分析，获得多个用户类别的用户数据；
9.针对每个用户类别的用户数据，根据所述用户数据确定所述用户类别下的出账用户数预测值和每用户平均收入arpu预测值；
10.根据多个所述用户类别下的出账用户数预测值和arpu预测值，确定总出账收入预测值；
11.根据所述总出账收入预测值对业务产品构成进行调整。
12.在一种可能的设计中，所述对所述用户级历史数据进行预处理，获得待聚类数据，包括：
13.将所述用户级历史数据中的异常值和空值进行删除，获得第一处理数据；
14.将所述第一处理数据进行格式转化，获得所述待聚类数据。
15.在一种可能的设计中，所述根据多个所述用户类别下的出账用户数预测值和arpu预测值，确定总出账收入预测值，包括：
16.将多个所述用户类别下的出账用户数预测值的总和，确定为总出账用户数预测值；
17.将多个所述用户类别下的arpu预测值的加权和，确定为总arpu预测值；
18.将总出账用户数预测值和总arpu预测值的乘积，确定为所述总出账收入预测值。
19.在一种可能的设计中，所述根据所述用户数据确定所述用户类别下的出账用户数预测值，包括：
20.将所述用户类别下的当前账期之前n个账期的流失率的平均值，确定为所述用户类别下的当前账期的流失率预测值；n为大于1的正整数；
21.将所述用户类别下的上一账期的出账用户与所述用户类别下当前账期的流失率预测值的乘积，确定为所述用户类别下的出账用户数预测值。
22.在一种可能的设计中，所述将所述用户类别下的当前账期之前n个账期的流失率的平均值，确定为所述用户类别下的当前账期的流失率预测值之前，包括：
23.根据三西格玛准则，将所述用户类别下的当前账期之前n个账期的流失率中的异常值删除；
24.将删除异常值后的所述用户类别下的当前账期之前n个账期的流失率的平均值，确定为所述用户类别下的当前账期的流失率预测值。
25.在一种可能的设计中，所述将所述用户类别下的当前账期之前n个账期的流失率的平均值，确定为所述用户类别下的当前账期的流失率之前，还包括：
26.根据所述用户数据建立二维表；所述二维表至少包括以下字段：账期、入网时间和出账用户数；
27.将所述二维表转换为流失率梯形表和出账用户梯形表；所述流失率梯形表包括多个入网时间、多个账期和入网时间对应的各账期下的流失率；所述出账用户梯形表包括多个入网时间、多个账期和入网时间对应的各账期下的出账用户数；
28.所述将所述用户类别下的当前账期之前n个账期的流失率的平均值，确定为所述用户类别下的当前账期的流失率预测值，包括：
29.根据所述流失率梯形表，将所述用户类别下的当前账期之前n个账期的流失率的平均值，确定为所述用户类别下的当前账期的流失率预测值；
30.将所述用户类别下的当前账期的流失率预测值加入所述流失率梯形表；
31.所述将所述用户类别下的上一账期的出账用户与所述用户类别下当前账期的流失率预测值的乘积，确定为所述用户类别下的出账用户数预测值，包括：
32.根据所述出账用户梯形表和所述流失率梯形表，将所述用户类别下的上一账期的出账用户与所述用户类别下当前账期的流失率预测值的乘积，确定为所述用户类别下的出账用户数预测值；
33.将所述用户类别下的出账用户数预测值加入所述出账用户梯形表。
34.在一种可能的设计中，所述根据所述用户数据确定所述用户类别下的每用户平均收入arpu预测值，包括：
35.将所述用户类别下的当前账期之前m个账期的arpu环比值的平均值，确定为所述用户类别下的当前账期的arpu环比值预测值；m为大于1的正整数；
36.将所述用户类别下的上一账期的arpu值与所述用户类别下当前账期的arpu环比值预测值的和，确定为所述用户类别下的arpu预测值。
37.在一种可能的设计中，所述将所述用户类别下的当前账期之前m个账期的arpu环
比值的平均值，确定为所述用户类别下的当前账期的arpu环比值之前，还包括：
38.根据所述用户数据建立二维表；所述二维表至少包括以下字段：账期、入网时间、出账收入和出账用户数；
39.将所述二维表转换为arpu梯形表和arpu环比值梯形表；所述arpu梯形表包括多个入网时间、多个账期和入网时间对应的各账期下的arpu值；所述arpu环比值梯形表包括多个入网时间、多个账期和入网时间对应的各账期下的arpu环比值；
40.所述将所述用户类别下的当前账期之前m个账期的arpu环比值的平均值，确定为所述用户类别下的当前账期的arpu环比值，包括：
41.根据所述arpu环比值梯形表，将所述用户类别下的当前账期之前m个账期的arpu环比值的平均值，确定为所述用户类别下的当前账期的arpu环比值预测值；
42.将所述用户类别下的当前账期的arpu环比值预测值加入所述arpu环比值梯形表；
43.所述将所述用户类别下的上一账期的arpu值与所述用户类别下当前账期的arpu环比值预测值的和，确定为所述用户类别下的arpu预测值，包括：
44.根据所述arpu梯形表和所述arpu环比值梯形表，将所述用户类别下的上一账期的arpu值与所述用户类别下当前账期的arpu环比值预测值的和，确定为所述用户类别下的arpu预测值；
45.将所述用户类别下的arpu预测值加入所述arpu梯形表。
46.在一种可能的设计中，所述选定的标签包括以下中至少一项：产品类别、渠道类别、使用行为、预存款。
47.在一种可能的设计中，所述聚类算法为k均值聚类算法或高斯混合模型。
48.第二方面，本技术提供一种电信业务调整设备，包括：
49.预处理模块，用于获取用户级历史数据，并对所述用户级历史数据进行预处理，获得待聚类数据；
50.聚类模块，用于通过聚类算法，根据选定的标签对所述待聚类数据进行聚类分析，获得多个用户类别的用户数据；
51.第一确定模块，用于针对每个用户类别的用户数据，根据所述用户数据确定所述用户类别下的出账用户数预测值和每用户平均收入arpu预测值；
52.第二确定模块，用于根据多个所述用户类别下的出账用户数预测值和arpu预测值，确定总出账收入预测值。
53.调整模块，用于根据所述总出账收入预测值对业务产品构成进行调整。
54.第三方面，本技术提供一种电信业务调整设备，包括：至少一个处理器和存储器；
55.所述存储器存储计算机执行指令；
56.所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的方法。
57.第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的方法。
58.第五方面，本技术提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现如上第一方面以及第一方面各种可能的设计所述的方法。
59.本技术提供的电信业务调整方法、设备及存储介质，该方法首先获取用户级历史数据，并对所述用户级历史数据进行预处理，获得待聚类数据，其次通过聚类算法，根据选定的标签对所述待聚类数据进行聚类分析，获得多个用户类别的用户数据，再针对每个用户类别的用户数据，根据所述用户数据确定所述用户类别下的出账用户数预测值和每用户平均收入arpu预测值，再根据多个所述用户类别下的出账用户数预测值和arpu预测值，确定总出账收入预测值，从而根据所述总出账收入预测值对业务产品构成进行调整。本技术提供的电信业务调整方法，通过根据选定的标签对用户进行分类，并基于不同类别的用户的出账用户数和arpu值进行收入预测，考虑因素较全面，提升了收入预测值的准确率，从而能够提高电信业务调整的合理性，实现业务目标和业务发展策略的准确制定。
附图说明
60.为了更清楚地说明本技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
61.图1为本技术实施例提供的一种电信业务调整方法的应用场景示意图；
62.图2为本技术实施例提供的电信业务调整方法的流程示意图；
63.图3为本技术实施例提供的图2中步骤203的具体流程示意图；
64.图4为本技术实施例提供的电信业务调整设备的结构示意图；
65.图5为本技术实施例提供的一种电信业务调整设备的框图。
具体实施方式
66.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
67.电信运营商在经营管理中对电信业务进行合理调整，准确的确定业务目标、制定业务发展策略是比较重要的一项工作，该工作的数据基础是进行合理准确的收入预测。现有技术中，通常可以采用差分整合移动平均自回归模型(autoregressive integrated moving average model，arima)、多元回归等统计技术或者按照科目分类进行收入预测，进而基于该收入预测来调整电信业务，以实现业务目标和业务发展策略的准确制定。然而，上述电信业务调整方式中，收入预测方法采用的数据指标较单一，是一种单纯的数量逻辑关系，误差率较大，3％左右，准确性较低，影响了电信业务调整的合理性，以及业务目标和业务发展策略的准确制定。
68.为解决上述技术问题，本技术发明人研究发现，可以通过选定的标签对用户进行分类，基于不同类别的用户的出账用户数和每用户平均收入(average revenue per user，arpu)进行收入预测，进而基于该收入预测值进行业务调整，提高业务调整的合理性，实现业务目标和业务策略制定的合理准确性。基于此，本实施例提供了一种电信业务调整方法，能够通过提高收入预测的准确性，提高电信业务调整的合理性，实现业务目标和业务发展
策略的准确制定。
69.图1为本技术实施例提供的一种电信业务调整方法的应用场景示意图。如图1所示，该场景包括数据平台101和电信业务调整设备102，数据平台101可以为hadoop数据平台，电信业务调整设备102可以为计算机、手机、平板电脑等终端设备，还可以为服务器。
70.在具体实现过程中，电信业务调整设备102从数据平台101获取电信业务的用户级历史数据，通过聚类算法根据选定的标签对所述待聚类数据进行聚类分析，获得多个用户类别的用户数据，针对每个用户类别的用户数据，根据所述用户数据确定所述用户类别下的出账用户数预测值和每用户平均收入arpu预测值，根据多个所述用户类别下的出账用户数预测值和arpu预测值，确定总出账收入预测值，根据所述总出账收入预测值对业务产品构成进行调整。本实施例提供的电信业务调整方法，通过根据选定的标签对用户进行分类，并基于不同类别的用户的出账用户数和arpu值进行收入预测，考虑因素较全面，提升了收入预测值的准确率，从而能够提高电信业务调整的合理性，实现业务目标和业务发展策略的准确制定。
71.下面以具体地实施例对本技术的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
72.图2为本技术实施例提供的电信业务调整方法的流程示意图。如图2所示，该方法包括：
73.201、获取用户级历史数据，并对所述用户级历史数据进行预处理，获得待聚类数据。
74.本实施例的执行主体可以为计算机、手机、平板电脑、服务器等数据处理设备。
75.本实施例中，用户级历史数据可以包括用户号码、入网时间、渠道类型、发展区域、产品大类、年龄、预存款、近6月每用户平均使用流量、近6月每用户平均通话时长、流量饱和度、语音饱和度、真实用户标识、是否办理5g升级包、是否办理权益包等内容。
76.其中，用户级历史数据的获取来源，可以从hadoop数据平台获取。该用户级历史数据可以为全域的用户数据，即包括各发展区域、各渠道类型、各产品大类等下属的用户数据。本实施例以全域的用户数据为计算基础，相对于现有技术中仅以部分区域的用户数据作为计算基础，适用范围更广，可以通过在模型中设置分类提取选项，得到根据发展区域、渠道类型、产品大类等标签切片选择后的收入预测值，进而实现针对性的收入预测。
77.本实施例中，预处理的方式有多种，例如，异常值处理、空值处理、格式转化等。本实施例中，对所述用户级历史数据进行预处理，获得待聚类数据，可以包括：将所述用户级历史数据中的异常值和空值进行删除，获得第一处理数据；将所述第一处理数据进行格式转化，获得所述待聚类数据。
78.202、通过聚类算法，根据选定的标签对所述待聚类数据进行聚类分析，获得多个用户类别的用户数据。
79.本实施例中，所述选定的标签可以为产品类别、渠道类别、使用行为、预存款中的至少一种。其中，使用行为可以包括流量饱和度、语音饱和度、是否办理5g升级包、是否办理权益包、入网时长中至少一种。流量饱和度是指实际使用的流量占购买流量的百分比，语音饱和度是指实际使用的语音时间占购买语音时间的百分比。权益包是指一种拼盘电信产品，可以包括视频客户端的会员期限、定期的流量优惠等。
80.本实施例中，可以采用的聚类算法有多种，例如可以为k均值聚类算法或高斯混合模型。
81.具体的，可以通过聚类模型对用户历史数据中的用户群进行打标，举例来说，如果根据标签将用户分为了两类，类别1和类别2，那么可以将用户群中的用户赋值标签类别1或类别2。从而得到两个类别的用户群，进而可以得到两个类别的用户数据。
82.示例性的，本实施例中可以根据标签将用户分为粘度较高的高价值用户和粘度较低低价值用户两类，例如，使用行为中的入网时长越长，流量饱和度和语音饱和度越高等均可以表明用户粘度较高，即可视为高价值用户。当然，根据实际情况可以将用户分为多个类别，例如可以分别将高价值用户和低价值用户进一步的划分为多个类别。
83.203、针对每个用户类别的用户数据，根据所述用户数据确定所述用户类别下的出账用户数预测值和每用户平均收入arpu预测值。
84.本实施例中，针对每个用户类别的用户数据，计算出账用户数预测值和arpu预测值的方式有多种。在一种可实现方式中，可以建立模型，例如平滑指数模型，获取历史数据的变化规律，进而通过模型获得预测值，在另一种可实现方式中可以将用户数据转化为时间序列，基于时间序列的方法进行预测。
85.在再一种可实现方式中，根据所述用户数据确定所述用户类别下的出账用户数预测值，可以包括：将所述用户类别下的当前账期之前n个账期的流失率的平均值，确定为所述用户类别下的当前账期的流失率预测值；n为大于1的正整数；将所述用户类别下的上一账期的出账用户与所述用户类别下当前账期的流失率预测值的乘积，确定为所述用户类别下的出账用户数预测值。根据所述用户数据确定所述用户类别下的每用户平均收入arpu预测值，可以包括：将所述用户类别下的当前账期之前m个账期的arpu环比值的平均值，确定为所述用户类别下的当前账期的arpu环比值预测值；m为大于1的正整数；将所述用户类别下的上一账期的arpu值与所述用户类别下当前账期的arpu环比值预测值的和，确定为所述用户类别下的arpu预测值。其中，arpu环比值为相邻两个账期之间的差值。根据上述方式，可以从用户数据中直接调取相关的数据进行计算。
86.在上述再一种可实现方式的基础上，为了提高计算的准确性，可以将无效或异常数据删除，具体的，在将所述用户类别下的当前账期之前n个账期的流失率的平均值，确定为所述用户类别下的当前账期的流失率预测值之前，可以包括：根据三西格玛准则，将所述用户类别下的当前账期之前n个账期的流失率中的异常值删除；将删除异常值后的所述用户类别下的当前账期之前n个账期的流失率的平均值，确定为所述用户类别下的当前账期的流失率预测值。
87.在上述再一中可实现方式的基础上，可以采用梯形表的方式进行计算以及呈现计算结果，便于基于实际的历史数据得到预测值，并进一步的基于得到的预测值获得更未来的预测值。具体可参见图3所示实施例的介绍，此处不再赘述。
88.204、根据多个所述用户类别下的出账用户数预测值和arpu预测值，确定总出账收入预测值。
89.本实施例中，确定总出账收入预测值的方式有多种，在一种可实现方式中，可以将多个用户类别下的出账用户数预测值进行加权和得到总出账用户数预测值，将多个所述用户类别下的arpu预测值的加权和，确定为总arpu预测值；将总出账用户数预测值和总arpu
预测值的乘积，确定为所述总出账收入预测值。在另一种可实现方式中，可以首先计算得到每个用户类别下的出账收入预测值，即所述用户类别下的出账用户数预测值和arpu预测值的乘积，进而将各用户类别下的出账收入预测值计算加权和，得到总出账收入预测值。在再一种可实现方式中，可以将多个所述用户类别下的出账用户数预测值的总和，确定为总出账用户数预测值；将多个所述用户类别下的arpu预测值的加权和，确定为总arpu预测值；将总出账用户数预测值和总arpu预测值的乘积，确定为所述总出账收入预测值。
90.具体的，不同用户类别的权重可以为该类别用户数量占总用户数量的比值。当然，还可以根据实际情况进行调整，本实施例对此不做限定。
91.205、根据所述总出账收入预测值对业务产品构成进行调整。
92.本实施例中，可以根据预测收入的变化，增加有助于增收的业务产品，撤销增收效果较差的业务产品。从而也有助于确定正确合理的业务目标，以及业务发展策略。
93.本实施例提供的电信业务调整方法，通过根据选定的标签对用户进行分类，并基于不同类别的用户的出账用户数和arpu值进行收入预测，考虑因素较全面，提升了收入预测值的准确率，从而能够提高电信业务调整的合理性，实现业务目标和业务发展策略的准确制定。
94.图3为本技术实施例提供的图2中步骤203的具体流程示意图。如图3所示，为了提高计算的便利性以及结果展示的便利性，步骤203可以具体包括：
95.301、根据所述用户数据建立二维表；所述二维表至少包括以下字段：账期、入网时间、出账收入和出账用户数。
96.本实施例中，二维表可以包括账期、入网时间、出账收入和出账用户数等字段，在一些实施例中，为了便于切片选择，还可以包括渠道、发展区域、产品大类等字段。切片选择是指，根据实际需要可以仅调取某一渠道的用户数据，并基于该用户数据进行后续分析，或者仅调取某一渠道中某一发展区域的用户数据，并基于该用户数据进行后续分析。通过设置多个维度，能够便于业务调整用户针对不同维度获得不同的收入预测值，进而基于获得的收入预测值对对应维度的业务进行调整，进而合理制定业务目标和业务发展策略。示例性的，二维表的设计可以参考以下表1所示。
97.表1二维表
98.账期入网时间渠道发展区域产品大类出账收入出账用户产能202103202103社会渠道海珠销售中高端16826.71401412202107202107营业渠道黄埔销售b2i8313.02634656202101202101集团渠道增城集客沃派2563.53111110202106202106家庭互联网渠道黄埔销售预付177.4567202104202104互联网渠道天河西销售b2i3112.09162180
99.如表1所示，渠道是指用户的入网渠道，具体的，社会渠道是指用户可以通过街边摊位等非营业厅进行入网，营业渠道是指用户通过营业厅进行入网，集团渠道是指用户可以通过所在公司办理入网，家庭互联网渠道是指用户通过办理家庭宽带进行入网，互联网渠道是指用户通过线上申请进行入网。产品大类是指用户的产品类型，出账收入是指对应账期、对应入网时间、对应发展区域、对应产品大类下的所有出账用户的收入，出账用户是指参与出账收入的用户数量，产能是指对应账期、对应入网时间、对应发展区域、对应产品
大类下的暂未计入出账收入的新入网用户的数量。
100.302、将所述二维表转换为流失率梯形表、出账用户梯形表、arpu梯形表和arpu环比值梯形表；所述流失率梯形表包括多个入网时间、多个账期和入网时间对应的各账期下的流失率；所述出账用户梯形表包括多个入网时间、多个账期和入网时间对应的各账期下的出账用户数；所述arpu梯形表包括多个入网时间、多个账期和入网时间对应的各账期下的arpu值；所述arpu环比值梯形表包括多个入网时间、多个账期和入网时间对应的各账期下的arpu环比值。
101.本实施例中，流失率梯形表和arpu环比值梯形表，由于可以基于出账用户梯形表和arpu梯形表计算获得，所以可以根据实际需要省略掉，仅保留出账用户梯形表和arpu梯形表即可。
102.示例性的，出账收入梯形表可以如表2所示，arpu梯形表可以如表3所示。
103.表2出账收入梯形表
[0104][0105]
表3 arpu梯形表
[0106][0107]
如表3所示，灰色底纹的数据为arpu预测值。如表2和表3所示，账期t0是指入网后的第一个账期，依次类推，t1为入网后的第二个账期，t2为入网后的第三个账期，t18为入网后的第十九个账期。举例来说，入网时间为202108的第一个账期下的出账收入为647，arpu为22.5。
[0108]
303、根据所述流失率梯形表，将所述用户类别下的当前账期之前n个账期的流失率的平均值，确定为所述用户类别下的当前账期的流失率预测值，并将所述用户类别下的当前账期的流失率预测值加入所述流失率梯形表。
[0109]
304、根据所述出账用户梯形表和所述流失率梯形表，将所述用户类别下的上一账期的出账用户与所述用户类别下当前账期的流失率预测值的乘积，确定为所述用户类别下的出账用户数预测值，并将所述用户类别下的出账用户数预测值加入所述出账用户梯形表。
[0110]
305、根据所述arpu环比值梯形表，将所述用户类别下的当前账期之前m个账期的arpu环比值的平均值，确定为所述用户类别下的当前账期的arpu环比值预测值，并将所述用户类别下的当前账期的arpu环比值预测值加入所述arpu环比值梯形表。
[0111]
306、根据所述arpu梯形表和所述arpu环比值梯形表，将所述用户类别下的上一账期的arpu值与所述用户类别下当前账期的arpu环比值预测值的和，确定为所述用户类别下的arpu预测值，将所述用户类别下的arpu预测值加入所述arpu梯形表。
[0112]
本实施例提供的电信业务调整方法，通过采用梯形表的方式进行出账用户数预测值和arpu预测值的计算以及预测值的存储与展示，提高了用户操作的便利性，并且能够直观全面的展现预测结果。
[0113]
图4为本技术实施例提供的电信业务调整设备的结构示意图。如图5所示，该电信业务调整设备40包括：预处理模块401、聚类模块402、第一确定模块403、第二确定模块404
及调整模块405。
[0114]
预处理模块401，用于获取用户级历史数据，并对所述用户级历史数据进行预处理，获得待聚类数据.
[0115]
聚类模块402，用于通过聚类算法，根据选定的标签对所述待聚类数据进行聚类分析，获得多个用户类别的用户数据。
[0116]
第一确定模块403，用于针对每个用户类别的用户数据，根据所述用户数据确定所述用户类别下的出账用户数预测值和每用户平均收入arpu预测值。
[0117]
第二确定模块404，用于根据多个所述用户类别下的出账用户数预测值和arpu预测值，确定总出账收入预测值。
[0118]
调整模块405，用于根据所述总出账收入预测值对业务产品构成进行调整。
[0119]
本技术实施例提供的电信业务调整设备，通过根据选定的标签对用户进行分类，并基于不同类别的用户的出账用户数和arpu值进行收入预测，考虑因素较全面，提升了收入预测值的准确率，从而能够提高电信业务调整的合理性，实现业务目标和业务发展策略的准确制定。
[0120]
本技术实施例提供的电信业务调整设备，可用于执行上述的方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
[0121]
图5为本技术实施例提供的一种电信业务调整设备的框图，该设备可以是计算机，消息收发设备，平板设备等数据处理设备。
[0122]
装置50可以包括以下一个或多个组件：处理组件501，存储器502，电源组件503，多媒体组件504，音频组件505，输入/输出(i/o)接口506，传感器组件507，以及通信组件508。
[0123]
处理组件501通常控制装置50的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件501可以包括一个或多个处理器509来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件501可以包括一个或多个模块，便于处理组件501和其他组件之间的交互。例如，处理组件501可以包括多媒体模块，以方便多媒体组件504和处理组件501之间的交互。
[0124]
存储器502被配置为存储各种类型的数据以支持在装置50的操作。这些数据的示例包括用于在装置50上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器502可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
[0125]
电源组件503为装置50的各种组件提供电力。电源组件503可以包括电源管理系统，一个或多个电源，及其他与为装置50生成、管理和分配电力相关联的组件。
[0126]
多媒体组件504包括在所述装置50和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件504包括一个前置摄像头和/或后置摄像头。当装置50处于操作模式，如拍摄模式或
视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
[0127]
音频组件505被配置为输出和/或输入音频信号。例如，音频组件505包括一个麦克风(mic)，当装置50处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器502或经由通信组件508发送。在一些实施例中，音频组件505还包括一个扬声器，用于输出音频信号。
[0128]
i/o接口506为处理组件501和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
[0129]
传感器组件507包括一个或多个传感器，用于为装置50提供各个方面的状态评估。例如，传感器组件507可以检测到装置50的打开/关闭状态，组件的相对定位，例如所述组件为装置50的显示器和小键盘，传感器组件507还可以检测装置50或装置50一个组件的位置改变，用户与装置50接触的存在或不存在，装置50方位或加速/减速和装置50的温度变化。传感器组件507可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件507还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件507还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
[0130]
通信组件508被配置为便于装置50和其他设备之间有线或无线方式的通信。装置50可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件508经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件508还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
[0131]
在示例性实施例中，装置50可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
[0132]
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器502，上述指令可由装置50的处理器509执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
[0133]
上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
[0134]
一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(application specific integrated circuits，简称：asic)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备
中。
[0135]
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0136]
本技术实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现如上电信业务调整设备执行的电信业务调整方法。
[0137]
最后应说明的是：以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围。