本文通过对中国移动数据业务的分析，剖析其存在的各种业务异常，然后针对业务特点，提出不同的监控方法，包括：　　 (1)把时间序列分析的方法和理论引入业务监控中。本文的创新点在于利用ARMA模型建模前，通过孤立点和变点检测对数据做预处理，先用控制图法去除孤立点，然后用变点检测的方法定位变点，最后对变点前后的时间序列分段预测，从而提高了预测的准确度和可信度。　　 (2)在时间序列分解的基础上，把控制图和变点检测的方法应用于日常业务活动监控，并根据应用中存在的问题，分别对已有的控制图法和变点检测做了改进，在一定程度上降低了误报。　　 (3)由于数据业务的周期性特点，单靠控制图和变点检测的方法极易出现误报，于是本文提出在时间序列分解的基础上，对分离得到的长期趋势进行监控，提高了告警的准确率。总之，本文使时间序列分析、孤立点和变点检测三者相互融合，相互利用，使得不会漏掉任何异常情况，同时又大大降低了误报率。　　 (4)本文对大量告警信息进行分析，把相关系数用于对告警信息的过滤。　　 (5)本文初步了解了数据挖掘中的常用分类方法，并提出衡量分类好坏的新准则，希望能应用于告警的过滤分析，有待于今后进一步研究。　　 最后对全文进行了总结，并指出若干有待于今后进一步研究的内容。