运营商大数据技术应用
发表时间：2018-09-11T15:49:55.900Z 来源：《基层建设》2018年第23期作者：李媛媛[导读] 摘要：基于电信运营商的大数据资源，提出了网络运营大数据平台汇聚的数据范围、系统定位及功能架构，并结合4G网络的建设推广，阐述了如何利用网络运营大数据平台的海量数据资源来全面评估移动互联网业务感知，挖掘网络运营大数据平台在网络精细化运营方面的价值，为运营数据资源的内部应用提供参考。
中国移动通信集团广东有限公司珠海分公司 519015
摘要：基于电信运营商的大数据资源，提出了网络运营大数据平台汇聚的数据范围、系统定位及功能架构，并结合4G网络的建设推广，阐述了如何利用网络运营大数据平台的海量数据资源来全面评估移动互联网业务感知，挖掘网络运营大数据平台在网络精细化运营方面的价值，为运营数据资源的内部应用提供参考。
关键词：大数据；网络运营；用户感知；关键质量指标；关键绩效指标引言
大数据的应用是在互联网的高速发展中诞生的。谷歌提出了一套以分布式为特征的全新技术体系，即分布式文件系统（GFS，Google File System）、分布式并行计算（MapReduce）和分布式数据库（BigTable）等技术。这些技术奠定了当前大数据技术的基础，可以认为是大数据技术的源头。
一、大数据的优势特征和不足之处
1.1大数据优势特征
大数据对于互联网领域的价值是不可估量的，互联网企业的运行效率和生产力在大数据的影响下得以大幅度的提高，移动运营商在大数据应用方面的优势尤为明显。其具体主要体现在以下几方面：第一，用户基数庞大。随着通信技术的快速发展，消费者对移动运营业务的需求也在不断增长，迄今为止，三家运营商移动用户已达到约13亿人次，移动运营商拥有庞大的用户群体及海量的基础数据。第二，数据的时效性。4G时代的到来促使人们的日常生活与移动互联网紧密相关，移动运营商掌握着庞大的第一手用户行为数据，并保持数据的不间断更新，保证了数据的时效性。第三，移动运营商转型契机。为应对OTT的竞争，移动运营商亟需向数字化服务提供者转型。借助大数据技术的兴起，移动运营商能加快转型的步伐，为用户提供更好的移动信息服务。
1.2移动运营商在大数据应用方面面临的挑战
第一，数据来源广而杂，聚集较为困难。系统数据形式不一，格式多样，而系统往往只支持单一的数据结构处理模式，无法全面覆盖各种类型的数据处理，进而无法满足互联网多样化的发展，同时也给大数据的技术人员在处理数据上造成一定的困难。第二，商业模式尚未成熟。移动运营商由于拥有的用户基数过于庞大，掌握的数据资源也非常多，但对于这些数据的处理上仍存在一定难题。由于移动运营商尚未建立对外数据平台，大量的数据只能供内部人员使用，而不能使外部人员对其加以应用，从而造成这些数据没有得到有效利用，无法实现利益最大化。第三，大数据运营存在风险。人们的隐私关系到他们的自身利益、名誉，甚至生命安全等，因此，移动运营商在为客户提供服务时保证个人隐私不泄露至关重要。对移动运营商而言，大数据安全策略的研究将会是重中之重。
二、大数据发展现状
近年大数据的发展呈现以下两个特征：1）互联网公司引领大数据发展。互联网公司在搜索、广告领域积极采用大数据技术优化既有业务。二是今年以来陆续推出一系列面向第三方的大数据服务。2）传统企业大数据应用仍处在探索期，发展渐趋理性。传统企业在大数据应用的思路上也在纠偏，更加务实。一是更加注重更干净、结构化小的数据。二是更加注重企业自身沉淀下来的内部数据的价值挖掘。三是更加注重根本业务需求把Hadoop 与传统数据仓库结合起来用。
三、大数据关键技术
1）大数据存储管理。传统的单机文件系统和网络系统要求一个文件系统的数据必须存储在一台物理机上，在冗余性、可扩展性和容错能力和并发能力上难以满足大数据的需求。2）大数据计算能力。传统的数据计算能力的提升依赖于扩容单机的CPU性能、增加内存、扩展磁盘等方式，难以支撑平滑扩容。以MapReduce为代表的分布式并行计算技术可以通过低成本的通用服务器搭建系统。通过添加服务器扩展系统的总处理能力。3）大数据分析技术。大数据分析主要在两个方面，一是对海量的结构化和半结构化数据进行高效率的深度分析，如从文本网页中进行自然语言分析；二是对非结构化的语音、图片和视频进行机器可以识别的分析提取有用的信息。
四、基于网络运营大数据的应用实践
网络运营大数据蕴含着大量的用户使用业务时的感知体验信息以及运营商各设备的实时运行信息，有多种应用方向可以挖掘实践。2015年是中国电信的4G用户的爆发之年，将4G网络下移动互联网业务感知评估及优化这一课题作为电信网络运营大数据应用实践的切入点，可全面评估在4G网络快速推进建设时用户感知的变化情况，以便及时调整资源布放，不断提升4G网络下的数据业务感知，支撑中国电信4G品牌运营。
4.1 移动互联网业务感知评估方法
移动互联网业务属于典型的“20/80效应”，典型的业务场景覆盖了大部分用户：统计分析表明，用户使用新闻/门户网页浏览、视频、即时通信等应用的流量和时长占比超过80%；而每种类型的业务也呈现较明显的拖尾效应，采用TOP n的方式能够涵盖大部分情形。因此，可以通过分析用户在网页浏览、视频、即时通信这3种典型业务场景下用户感知的影响因素，来代表移动互联网业务感知的总体情况。具体分析如下：
（1）新闻/门户网页浏览类
DNS（Domain Name System，域名系统）延时：用户不易感知。 TCP（Transmission Control Protocol，传输控制协议）延时：用户不易感知。页面访问成功率：用户比较容易感知，但用户能够愿意等待的时间也是有限的，如果等待时间超长，即使网页能够打开，时间上用户可能提前关闭。
首包延时：用户能够在浏览器中看到有响应，用户容易感知。
企业级大数据平台架构 电信行业大数据应用案例分享 互联网+行业大数据应用案例分享 第一套题 1、哪个选项不属于大数据4V特点？（ B ） A、Volume B、Valid C、Variety D、Value 2、大数据的特点不包含（ B ） A、数据体量大 B、价值密度高 C、处理速度快 D、数据不统一 3、业界对大数据典型特征定义，一下哪像描述正确 ABC 4、Hadoop包括（ABC） A、Hadoop Distrbuted Filesystem（HDFS） B、HadoopMapReduce C、Hbase D、HadoopStreaming 5、有关HDFS文件系统说法正确的是以下那些？（AD） A、HDFS本身是个高可用系统架构 B、HDFS采取的是多NameNode、DataNode架构 C、HDFS数据副本的数量越大越好 D、HDFS NameNode分主备，主备不同时对外服务 6、关于大数据的理念的描述，以下哪些不正确（BD） A、相关性比因果更重要 B、要效率也要绝对精准 C、大数据的核心价值是预测 D、遵从隐私和法律并非大数据的风险 7、HDFS文件系统适用于以下哪些场景（AC） A、将单文件分割成很多小块存储 B、存储大量小文件 C、流式数据读取 D、实时数据读取 8、对海量大数据管理可能面临的难题包括（ABCD） A、如何实现快速查找，提升检索效率； B、如何保证数据真实性，防止数据诈骗； C、如何实现PB级不同类型数据的存储； D、如何降低数据产生数量，节约存储资源。 9、大数据应用大大方便教育资源的管理，彻底改变教育模式，特别是在科研领域，面向数据密集型科研发现，将成为继三大范式之后的第四范式，此处提到的科学发展领域的三大范式是指（ABC） A、理论 B、推演 C、模拟 D、计算
西安邮电大学 科研训练（论文）题目：大数据时代运营商的SWOT分析 院（系）：经济与管理学院（工商管理系） 专业：人力资源管理 班级：1102班 学生姓名：刘丹 导师姓名：尹丽英职称：讲师 起止时间：2013年9月16日至12月6日
科研训练（论文）成绩鉴定表 指导教师评语
目录 摘要........................................ 错误!未定义书签。Abstract......................................... 错误!未定义书签。 1 引言...................................... 错误!未定义书签。 2 大数据时代运营商的发展现状 (1) 2.1大数据的含义及特征............................... 错误!未定义书签。 2.2大数据的应用领域及其价值......................... 错误!未定义书签。 2.3大数据时代运营商的发展现状 (3) 2.4大数据时代运营商的发展趋势 (4) 3 大数据时代运营商的SWOT分析 (5) 3.1优势与劣势分析 (5) 3.2机会与威胁分析 (6) 4大数据时代运营商的经营策略 (8) 5结论 (10) 参考文献 (11)
摘要 近年来，大数据所带来的挑战推动了计算技术的快速发展，催生了分布式并行处理平台Hadoop、软硬件一体化数据库服务器Exadata等一批新产品。对于电信运营商这样的大型企业而言，需要思考如何应用这些新技术，解决在大数据时代背景下所面临的挑战，从而提升企业价值。本文立足于电信行业，通过分析大数据的现状及发展趋势，利用SWOT分析模型，阐述电信运营商在大数据时代背景下的优势与劣势，以及所面临的机遇与挑战，并提出相关应对策略，最后展望在大数据时代电信企业的发展及转变趋势。 关键词：大数据运营商 SWOT分析模型数据挖掘
运营商大数据应用解决方案
运营商大数据应用 解决方案
目录 1.大数据概述 (9) 1.1.概述 9 1.2.大数据定义 9 1.3.大数据技术发展 11 2.大数据应用 (14) 2.1.大数据应用阐述 14 2.2.大数据应用架构 16 2.3.大数据行业应用 16 2.3.1.医疗行业 16 2.3.2.能源行业 17 2.3.3.通信行业 17
2.3.4.零售业 18 3.大数据解决方案 (19) 3.1.大数据技术组成 19 3.1.1.分析技术 19 3.1.1.1.................. 可视化分析 19 3.1.1.2................. 数据挖掘算法 19 3.1.1.3................. 预测分析能力 19 3.1.1. 4................... 语义引擎 19 3.1.1.5............. 数据质量和数据管理 20 3.1.2.存储数据库 20 3.1.3.分布式计算技术 21 3.2.大数据处理过程 23 3.2.1.采集 23 3.2.2.导入/预处理
24 3.2.3.统计/分析 24 3.2. 4.挖掘 24 3.3.大数据处理的核心技术-Hadoop 25 3.3.1.Hadoop的组成 25 3.3.2.Hadoop的优点： 28 3.3.2.1.................. 高可靠性。 28 3.3.2.2.................. 高扩展性。 28 3.3.2.3................... 高效性。 29 3.3.2. 4.................. 高容错性。 29 3.3.3.Hadoop的不足 29 3.3. 4.主要商业性“大数据”处理方案 29 3.3.2.5....... IBM InfoSphere大数据分析平台 30 3.3.2.6...... Or a c l e Bi g Da t aApplianc 31
1运营商大数据的价值与挑战 当前社会是一个信息大爆炸的社会，而运营商就是一个 典型的例子，用户每日的通信行为、用户基础资料、消费习 惯、上网行为等等都产生海量的数据。这些数据所承载的信 息蕴藏着不可估算的价值，数据已成为新时代最关键的生产 要素，而运营商的数据是一个巨型的金矿，等待着人类的不 断开采。 然而在国内，运营商大数据对外运营仍处于初期阶段， 没有成熟的业务模式和成功案例，当前还有不少问题需要解 决，这里只选两个较为关键的问题来分析。第一个问题是业务模式，即运营商应该选择何种业务模式；第二个问题是信 息安全，即如何解决客户的信息安全问题。2运营商大数据的业务模式研究大数据业务模式非常多，包括：咨询服务、运营分析、媒体广告、开发平台、精准营销等等。但从运营商角度出发，结合实际推广难度、用户接受度以及信息安全进行综合考虑，我们建议从“群体性数据服务”入手，优先开展以下业务。2.1提供用户基础特征分析服务面向咨询公司：针对城市规划、商业运营等大型咨询项目，基于多种维度准确描述区域内的人群分布特点及位置变化规律，辅助提升咨询项目数据质量。咨询公司针对政府行业分析的数据需求如图1。运营商提供的数据包括：人口属性数据：用户的基本属性信息，如性别、年龄、职业、消费能力等；人口分布数据：基于移动用户的位置信息、判断用户位置分布情况；人口流动数据：根据通信基站变化情况，获取人口流动数据。图1咨询公司针对政府行业分析的数据需求 2.2提供市场行业数据分析服务 面向行业分析机构：提供实时提供准确的业务数据支 撑，提升机构分析报告的实时性；提升数据获取效率，大大降低传统的数据调研成本。 运营商提供的数据包括： 终端类型情况：用户使用手机品牌、型号、价位、版本等 信息； 网购消费情况：用户所在的区域、网购的频率、购物的金额等信息； 上网行为分析：用户习惯购物的网址、时间段、喜欢的品 牌和款式等信息； 娱乐消费情况：用户喜欢的娱乐活动、场所、频率、额度等数据。 2.3提供用户行为习惯分析服务 面向商业或地产：基于用户的手机位置及基础属性，为商圈提供准确的客源分布分析、客流趋势分析、客流轨迹、竞 品分析、会员分析等数据。 运营商大数据对外运营的研究 邱俊东姚泽楠 （中国移动通信集团广东有限公司汕头分公司，广东汕头515000） [摘要]大数据是当前社会非常热门的话题，其价值已经被各行各业普遍接受。大数据时代已经到来，电信运营商也迎来了大数据时代的重大机遇。本文从运营商的角度综合分析大数据的价值与存在的挑战，结合市场与行业的需求，对大数据业务模式进行研究，提出以“群体类数据服务”为切入点的四种对外运营的业务模式，同时针对大数据的信息安全问题提出若干建设性意见。 [关键词]大数据；运营商大数据；对外运营；业务模式 中图分类号：F626文献标识码：A 文章编号：1008-6609(2015)07-0054- 02 ——————————————作者简介：邱俊东，男，广东潮州人，工学学士，助理工程师，研究方向：IT 系统架构，大数据应用。2015年第7期 学术探讨网络与通信 - - 54
电信运营商该如何利用大数据? 大数据市场前景广阔。市场研究公司 Marketsa ndMarkets 最新 发布 的一份报告预计，从2013年到2018年，全球大数据市场将会 出现年均26%的增长率，即从今年的148.7亿美元增长到2018年 的463.4亿美元。 全球范围内的许多企业都在进军大数据应用市场， 同时，大数据也为 电信运营商带来了新的盈利空间以及新的挑战。 大数据“美好时代”来临 互联网产生大数据，随着互联网技术的不断发展，数据也将像能 源、材料一样，成为战略性资源。如何利用数据资源深挖创新、提升I 1 0 IJ D J C □ 1 c
效益，是诸多IT企业的追求目标。大数据因其市场需求广阔、后续增长潜力大、投资前景好等优点，后续发展持续被看好。 如今，“大数据”早已渗透到我们的生活中，衍生出了形形色色的数据应用，涵盖交通、医疗、金融、文艺、体育等各个方面。大数据促进了信息融合和产业跨界，也引发了更多新业态出现。其中，获利最多的当属IT企业。 在国内，腾讯这个移动互联网巨头是最早尝到大数据甜头的企业，其从2003年起已经开始努力做手机QQ的尝试。现在，几乎每个拥有手机的网民都是手机QQ用户。另一个互联网巨头百度的新一代搜索引擎的重要支柱之一就是大数据。依托大数据，百度新一代搜索引擎才得以为用户提供更便捷与智能的医疗、交通等服务。以医疗 为例，用户可以在百度搜索引擎中便捷地获取相关病症的原因、症状、治疗等信息；甚至可以通过搜索引擎，在线咨询医生、在线挂号，这大大降低了百姓获得医疗信息和服务的门槛。除此之外，阿里巴巴的 云计算、奇虎360的商业模式、微信的运作自如……这些IT大佬们的得意，无不与“大数据”这个词语紧密相连。 在国外，大数据也被许多科技企业看作是云计算之后的另一个巨大商机，包括微软、谷歌、亚马逊和微软在内的一大批互联网巨头纷纷掘金这一市场。谷歌基于搜索数据成功建立了盈利模式；亚马逊通过云技术、大数据构建了电商帝国……大数据引发的信息融合正在改变着IT企业的发展方
电信运营商基于大数据的商业 智能应用的思考
孙少陵 中国移动通信有限公司研究院 2012年11月
1
目录
3 1 2 3
电信运营商商业智能面临的挑战 基于大数据的商业智能系统的初步构想 “大云”在大数据商业智能领域的实践
2
全球数据量高速增长，信息成为运营商战略资产
?信息社会的信息增量在高速发展 ?随着互联网/移动互联网、数码设备、物联网/传感器等技术的发展，全球数据生产在 高速增长 ?Jim Gray的新摩尔定理认为，每18个月全球新增的信息量是计算机有史以来全部信息 量的总和。据IDC研究报告，未来10年全球数据量将以40+%的速度增长，2020年全球数 据量将达到35ZB（35,000,000PB），为2009年（0.8ZB）的44倍 ?信息成为企业战略资产，市场竞争和政策管制要求越来越多的数据被长期保存 ?企业越来越需要长期保存各类数据，以进行用户行为分析、市场研究，信息服务企业 更是需要积累越来越多的信息资源 ?为了遵从萨巴斯、上网日志审计等管制要求，企业需要长期保存越来越多的生产数据
3
基于大数据的商业智能（BI）为运营商带来新的机遇
在网络时代，运营商是数据交换中心，运营商的网络管道、业务平台、 支撑系统中每天都在产生大量有价值的数据，基于这些数据的商业智能 应用为运营商带来巨大的机遇
改善用户体验 优化网络质量 助力市场决策 刺激业务创新
? 分析用户行为，改进产品设计 ? 通过用户偏好分析，及时、准确进行业务推荐和客户关怀
? 分析流量、流向变化，调整资源配置 ? 分析网络日志，进行网络优化和故障定位
? 通过业务、资源、财务等各类数据的综合分析，快速准确确 定公司管理和市场竞争策略
? 在确保用户隐私不被侵犯的前提下，对数据进行深度加工， 对外提供信息服务，提升企业价值
4
企业级大数据平台架构电信行业大数据应用案例分享互联网+行业大数据应用案例分享第一套题 1、哪个选项不属于大数据 4V 特点？（ B ） A、Volume B、Valid C、Variety D、Value 2、大数据的特点不包含（ B ） A、数据体量大 B、价值密度高 C处理速度快D数据不统一 3、业界对大数据典型特征定义，一下哪像描述正确 ABC 4、Hadoop 包括（ABC） A、Hadoop Distrbuted Filesystem（HDFS） B、HadoopMapReduce C、Hbase D、HadoopStreaming 5、有关HDFS文件系统说法正确的是以下那些？（ AD） A、HDFS本身是个高可用系统架构 B、HDFS采取的是多NameNode、DataNode架构 C、HDFS数据副本的数量越大越好 D、HDFS NameNode分主备，主备不同时对外服务 6、关于大数据的理念的描述，以下哪些不正确（ BD） A、相关性比因果更重要 B、要效率也要绝对精准 C大数据的核心价值是预测 D、遵从隐私和法律并非大数据的风险 7、H DFS文件系统适用于以下哪些场景（AC） A、将单文件分割成很多小块存储 B、存储大量小文件 C流式数据读取 D、实时数据读取 8、对海量大数据管理可能面临的难题包括（ABCD） A、如何实现快速查找，提升检索效率； B、如何保证数据真实性，防止数据诈骗； C、如何实现PB级不同类型数据的存储； D、如何降低数据产生数量，节约存储资源。 9、大数据应用大大方便教育资源的管理，彻底改变教育模式，特别是在科研领域，面向数据密集型科研发现，将成为继三大范式之后的第四范式，此处提到的科学发展领域的三大范式是指（ ABC） A理论 B、推演 C、模拟 D、计算 第二套题 1、运营商大数据主要遍布在一下哪些域？（多选）（ ABC ） A、B 域 B、O 域 C、M 域 D、R 域 2、以下哪些是运营商大数据应用痛点？（多选）（ABCD
大数据平台在运营商支撑系统中应用 发表时间：2018-09-30T11:20:30.890Z 来源：《建筑学研究前沿》2018年第13期作者：张仁发 [导读] 在互联网时代，数据就是金钱。曾经有专业调查显示，各国政府对数据开放提供了新的想法，提出了大数据平台。在 中国移动通信集团广东有限公司湛江分公司 524044 摘要：互联网技术的飞快发展，计算机处理能力也逐渐强大，云计算和数据中心为大数据时代的到来奠定了良好的基础。传统的通信业务已经无法满足人们的需求，在这种背景下，恰当的使用大数据平台能够有效的推动通信行业的发展。本文介绍大数据平台的基础上，结合实际情况，分析大数据平台在运营商支撑系统的应用，从而提高运营商的经济效益。 关键词：大数据平台；运营商；支撑系统 引言 在互联网时代，数据就是金钱。曾经有专业调查显示，各国政府对数据开放提供了新的想法，提出了大数据平台。在调查中显示，很多消费者愿意相信运营商和银行的保密性，将自己的数据交到他们手中使用和处理。运营商赢得了消费者的信任度，对开展大数据平台提供了有力的基础。一家企业拥有数据的规模和应用的能力决定着这家企业的综合实力，对数据的掌控和使用成为这个国家争议的焦点。随着互联网、社交网站、电子商务的发展，各类信息服务正在迅速发展，电信行业的业务呈现出全新的形态。时下非常流行的微博、微信和QQ等通信方式，带来的图片、语音、视频等非结构化数据推动了电信数据量的增长。如何处理好这些非结构化数据，为用户提供最佳的服务成为运营商思考的重点。 一、大数据平台 虽然至今为止，人们对大数据没有给出一个确切的定义，但是对大数据进行了大量的研究发现，对大数据的本质有了新的认知。大数据平台所存储的信息非常大，其处理的数据量达到PE级别。在大数据平台上，数据更新的速度、传输的速度、存储的速度超过传统的方式。大数据平台有着自身的特点，无论是结构、用途还是处理过程都表现出多样性。数据的多样性指的是以下几点：第一点，数据来源非常广，利用传统的方法，企业获得数据的方式主要来源于交易书记，随着互联网和物联网的发簪，人们能够给通过微博、社区等方式获得想要的资源；第二点，数据的类型非常多，主要以非结构化数据为主。在传统的企业中，数据通过以表格、图片、视频等方式来保存；第三点，数据之间的关联性非常强，如果用户上传照片，能够快速的检索到用户的位置等等相关信息。 大数据中宝贵的价值在于能够为人们提供存储和处理大数据的动力。关于大数据时代处理数据理念要全部不要抽样、要高效不要精确，要相关不要因果。基于现在的技术，处理这些大量的数据非常困难。人们对大数据的处理方式都是对静态数据进行处理，对线数据采取实时处理，对图像数据进行综合处理。大数据处理系统的发展趋势主要体现在三个方面：第一方面是数据处理引擎专用化。大数据处理系统必须采用全新的处理体系，使其具有专一性，提高其效率，降低成本，为此，很多互联网企业都在原有的处理系统基础上，研发拓展性能强、通量大、成本低的专用系统；第二方面是数据处理平台呈现出多样化发展。全面的提升传统系统的兼容性，扩展其数据技术的生态环境，使其超良性方向发展；第三方面是数据计算实时化。在大数据平台上，能够对其进行大量的操作，同时，使用的时间非常快，可以缩短到几秒。 要想使大数据平台发挥出应用的价值，必须对大数据的内容进行实时分析和计算。深度学习和知识计算是大数据分析的基础，可视化是数据分析的关键技术，数据分析的结果是大数据呈现的结果。大数据平台处理和分析的最终目标是借助数据分析，帮助人们做出合理的决策。 二、IT支撑能力的规划和建设 2.1系统架构 系统架构根据数据资产运营对IT支撑系统提出的能力要求，在电信行业通常所划分的OSS（OperationSup-portSystem，运营支撑域）、BSS（Business supportsystem，业务支撑域）、MSS（Management supportSystem，管理支撑域）三个域的基础上，新增了ASS（Analysis Support System，分析支撑域）的建设规划，由统一数据接人中心、企业数据中心、数据质量管理中心、能力服务中心、分析应用中心共五大能力服务中心构成。分析支撑域的架构如图1所示。 统一数据接人中心主要引入基于Hadoop架构的云化ETL，利用分布式文件存储降低成本，利用分布式批处理计算提升对数据源ETL过程的执行效率，统一接人来自全网的网络、计费、财务、信令等数据。企业数据中心由传统的经分数据仓库及新引入的MPP分布式数据库组成，利用分布式计算提升高度汇总数据的关联计算的效率，利用Share-nothing架构提升扩容效率。数据质量管理中心负责保障ASS域内外部数据的完整性、准确性、一致性。能力服务中心主要面向上层应用抽象对底层数据操作和基础功能组件能力，为上层应用提供数据及
大数据在通信行业的五种应用 开运联合对于“大数据”时代的到来，信息成为企业战略资产，市场竞争要求越来越多的数据被长期保存，每天都会从管道、业务平台、支撑系统中产生大量有价值的数据，基于这些数据的商业智能应用将为运营商带来巨大的机遇。据预测，2016年~2018年，全球移动数据流量将以每年50%的复合增长率增长。到2018年，全球移动数据流量将比2016年增加2倍。如何处理和利用好如此规模的数据，已成为通信企业的迫切任务。作为一家专业的软件开发公司，与其他企业将大数据作为一种商业模式不同，开运联合将大数据当作一种商业资本，在挖掘利用后产生价值。 一精细化营销 在网络时代，基于数据的商业智能应用为运营商带来巨大价值。通过大数据挖掘和处理，可以改善用户体验，及时准确地进行业务推荐和客户关怀；优化网络质量，调整资源配置；助力市场决策，快速准确确定公司管理和市场竞争策略。例如，对使用环节如流量日志数据的分析可帮助区分不同兴趣关注的人群，对设置环节如HLR/HSS数据的分析可帮助区分不同活动范围的人群，对购买环节如CRM的分析可帮助区分不同购买力和信用度的人群，这样针对新的商旅套餐或导航服务的营销案就可以更精准的向平时出行范围较大的人士进行投放。 二网络提升 互联网技术在不断发展，基于网络的信令数据也在不断增长，这给运营商带来了巨大的挑战，只有不断提高网络服务质量，才有可能满足客户的存储需求。在这样的外部刺激下，运营商不得不尝试大数据的海量分布式存储技术、智能分析技术等先进技术，努力提高网络维护的实时性，预测网络流量峰值，预警异常流量，防止网络堵塞和宕机，为网络改造、优化提供参考，从而提高网络服务质量，提升用户体验。 三互联网金融 通信行业的大数据应用于金融行业目前是征信领域。联通与招商银行成立的“招联消费金融公司”即是较好案例。招商与联通的合作模式主要体现在招商银行有对客户信用评级的迫切需求，而联通拥有大量真实而全面的用户信息。当招行需要了解某位潜在客户的信用或个人情况时，可向联通发起申请获得数据；或者给出某些标签。类似于此的商业模式将会在互联网金融大发展时期获得更多重视。目前，国内互联网金融发展的一大壁垒即是信用体系的缺失，而运营商拥有的宝贵大数据将是较好的解决渠道之一。 四合作变现 随着大数据时代的来临，数据量和数据产生的方式发生了重大的变革，运营
基于电信运营商移动承载网络的智慧旅游大数据应用 一、项目背景 国家旅游局正式将20１4年旅游宣传主题确定为“美丽中国之旅——20１4年智慧旅游年”。要求各地旅游局以智慧旅游为主题,引领智慧旅游城市、景区等旅游目的地建设,以信息化带动旅游业向现代服务业转变。在信息化迅速发展的今天,智慧旅游的发展离不开大数据，需要依靠大数据提供足够有利的资源，智慧旅游才能得以“智慧”发展。 国内大众持续增长的旅游需求以及哈尔滨持续增长的旅游目的地吸引力，让哈尔滨的游客数量保持高位运行,尽管哈尔滨在公共服务的基础设施上做了大量投入,但在激增的客流面前，依然不能满足需求。尽管哈尔滨旅游产业运行监测调度平台及时监测到了景区客流信息,并通过视频监控与应急指挥系统进行了应急处理,但由于缺少数据积累和大数据分析系统,无法挖掘游客出行规律,缺少前期客流出行预警及引导手段,旅游市场精细化管理还处在事中监控和事后应急处理阶段。 移动互联网时代旅游者手中的手机是唯一一个伴随整个旅游活动的信息交流介质，也是有关旅游者大数据的主要来源。目前在移动通讯数据方面的旅游大数据应用探索主要是： 1.移动手机信令数据。2０1３年以来,国内陆续有省市目的地与电信运营商合作,通过采集分析移动手机信令数据来监测旅游景区内旅游者的归属地信息，其中山东省监测省内的５０家景区,范围最大。通过监测可以分析各个景区游客的客源结构、停留时间和实时流量,其中景区的客源结构数据尤其重要。这是国内目的地第一次基于大数据分析获取旅游者信息的模式,也是第一次通过信息技术手段直接获取旅游者信息方式。通过近两年的实践情况来看，优势是时效性强，数据获取直接,客源分析数据详尽，客源区域分布数据可以到地级市。缺陷是对位于市区的景区在区分本市市民手机和本市游客手机时,经常有误差;另外对于黄金周和非黄金周时段的不同流量算法还存在问题,有待进一步优化解决。山东已开始尝试把监测范围扩大到目的地城市，以目的地城市手机漫入漫出数据为基础,分析外来旅游者相关信息,同时把合作范围扩大到移动、联通和电信三大运营商。从目前来看，这是分析目的地景区旅游者属性信息尤其是客源结构信息最准确最有效的方法。 2.移动手机LBS数据。百度推出的景区热力图是这方面有益的探索,它是通过游客的ＬB Ｓ数据,分析得出旅游者的行为信息,借以了解景区内游客的分布和聚集状态。景区通过积累时期数据,可以研究不同时期以及一天中不同时间游客的分布聚集规律和流动特点,对景区
项目门限值，实时判断各主要运行参数是否在正常范围，如射频末级电子管主要电流电压二PSM输出二末级屏耗二天线驻波比等，出现异常情况时及时发出报警，提醒工作人员检查处理，并根据具体情况如临界二过流二过压二打火等，向控制系统发出指令，降低输出功率或关断高压，保护设备安全三同时，一部分开关量信号集中在A131板，如冷却系统的风接点二水接点等通过逻辑电路实现设备保护三如水路系统中，当水泵运行异常水流量持续减小或水泵停转时，热保护继电器FR51二FR56跳开，发射机立即关至OFF，报警提示各水流量计通过的水流量不足，保护电子管和大型真空器件安全三如风冷系统中检测到高压风量不足二低压风量不足时，发射机立即关至AUX，保护电子管和大型真空器件安全三 日常检修时，对于放电球的间距一定要严格按照每对放电球的额定距离执行，绝不可以为了减少放电而随意改动放电球间距三 发射机自动控制系统根据安全监测系统给出的异常情况信号，在保护元器件安全的同时，瞬时过负荷自动恢复，频繁过负荷自动降低输出功率维持播出等功能设计最大限度的保证了设备安全，也保证了播出安全，减少了不必要的停播三可以看出，该型发射机安全保护系统主要通过硬件联锁保护二硬件逻辑保护和软件保护这三级结构来实现人身安全和设备安全三 硬件联锁保护，由硬件联锁线构成，其中包含了钥匙联锁二门开关接点二紧急关机按钮二机保接地开关二通地钩等串联联锁节点，直接关断发射机高压，实现人身安全保护三硬件逻辑保护，利用集成电路的方式，将发射机不同状态(如AUX二FIL二STBY等)下的一部分参数，如水流量二水温二水导二调制变压器温度等，以与门电路的形式，来控制发射机即时工作状态，实现设备保护，逻辑保护比发射机的控制信号有着更高的优先权三 软件保护将发射机所有输入信号进行循环检测，判断是否超出门限设置，是否接近保护值，进而形成附加的关断指令，切断高压，保护设备安全三 3结束语 通过长期的运行和维护，与其他型号发射机相比，切身感受到该型发射机安全保护系统的先进性二严密性和可靠性，在确保人身安全二设备安全和播出安全的同时，对于增强工作人员安全意识，保障工作人员检修安全二提升安全工作水平等方面都有着较好的现实意义三 参考文献 [1]THALES.TSW2500型500KW技术说明书.2005. 收稿日期：2015-1-20 作者简介：康震(1976-)，工程师，工学学士，广播发射系统维护专业三 电信运营商大数据应用探析 应一冰（中国移动通信集团浙江有限公司衢州分公司，浙江衢州324000） 【摘要】本文介绍了大数据的概念及发展现状，论述大数据对于运营商的作用和价值，并分析了在大数据应用过程中运营商面临的挑战。【关键词】大数据；运营商 【中图分类号】F626【文献标识码】A【文章编号】1006-4222（2015）04-0038-02 1大数据概述 1.1大数据产生的背景 随着IDC二云计算二ICT二互联网二物联网等新兴技术的飞速发展，特别是移动互联网的迅猛发展，各行各业在信息化过程当中，不断产生出新的数据三最早提出 大数据 时代到来的是麦肯锡，麦肯锡称: 数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素三人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来三 大数据时代已经来临，大数据必将发展成为重要的新兴产业，一方面海量的多样化数据对信息的有效存储二快速读取二检索提出了挑战；另一方面其中蕴藏的巨大商业价值也引发了对于数据处理二分析的巨大需求[1]三 1.2什么是大数据 大数据是指需要通过快速获取二处理二分析以从中提取价值的海量二多样化的交易数据二交互数据与传感数据三大数据可以理解为是互联网(特别是移动互联网)发展过程中的一种特征或表象，在以云计算为代表的一系列信息技术创新背景下，那些曾经很难收集起来使用的数据开始变得容易被利用和产生价值三现在通过各行各业的不断创新发展，这些数据可以逐渐开始为人类创造更多的有用价值三简单说大数据就是海量数据的产生二获取二挖掘及整合，使之展现出巨大的商业价值三因此，大数据的真正意义在于大价值三在大数据时代已经到来的时候，要用大数据思维去发掘大数据的潜在价值[2]三1.3大数据的特征 业界将大数据的特征归纳为4个V: (1)海量化(Volume):大数据多为非结构化的数据，其超大规模和增长超高三 (2)多样化(Variety):大数据分为文本二图像二视频二网络日志二地理位置二机器数据等多种多样形式数据三 (3)价值化(Value):大数据虽然价值密度低，但商业价值高三通过对大量的不相关信息采取机器学习二人工智能等方式进行预测分析，可挖掘其中的价值三 (4)快速化(Velocity):实效性高，需要进行实时分析，处理速度快，需要进行实时分析三
(此文档为word格式，可任意修改编辑！） 2016年5月
目录 1 移动互联推动运营商跨入大数据时代 5 2 通信大数据价值对比互联网、金融大数据特点显著 5 21、大数据技术助力运营商数据获取能力拓展 5 22、互联网企业大数据人群广度上仍有所不足 6 23、金融企业大数据在对人群属性定位在过于狭窄7 24、运营商大数据在定位用户O2O需求方面优势显著7 3 DT 时代通信大数据将迎来货币化大机会8 31、通信大数据可细分为五个产业环节9 32、采集环节价值并不显著10 33、非结构化数据特点推动大数据库卡位的价值11 331、创新公司高估值表明大数据底层架构体系受到欢迎12 332、Hadoop 体系将是大数据时代最有可能的发展方向12 333、适应DT时代运营商积极转变13 4 大数据分析将占据未来产业链技术能力核心16 41、分析工具类公司高估值表明大数据分析体系有较高价值16
42、大数据分析将是有别于传统数据分析的新市场17 43、大数据应用将是最大的蛋糕所在19 431、大数据营销公司获得市场青睐19 432、大数据变现将是整个大数据应用的最后一公里19 5、通信大数据应用将迎来蓝海时代20 51、大数据行业现状20 52、运营商大数据商业模式22 521、传统模式：经营分析24 522、第三方分析25 523、精准营销26 524、第三方合作27 53 运营商大数据市场规模28 531、运营商DSP 29 532、消费金融32 533、信息安全监测34 534、运营商大数据加大投入35
6、电信运营商大数据投资建议36 61、运营商大数据进入实质性商业阶段37 62、由互联网服务及行业信息化带来的大量数据所造就的大数据机遇38 63、大数据挖掘技术快速发展39 7、主要公司分析40 71、东方国信41 72、烽火通信42 33、荣之联43 74、风险提示44
运营商大数据技术应用 发表时间：2018-09-11T15:49:55.900Z 来源：《基层建设》2018年第23期作者：李媛媛[导读] 摘要：基于电信运营商的大数据资源，提出了网络运营大数据平台汇聚的数据范围、系统定位及功能架构，并结合4G网络的建设推广，阐述了如何利用网络运营大数据平台的海量数据资源来全面评估移动互联网业务感知，挖掘网络运营大数据平台在网络精细化运营方面的价值，为运营数据资源的内部应用提供参考。 中国移动通信集团广东有限公司珠海分公司 519015 摘要：基于电信运营商的大数据资源，提出了网络运营大数据平台汇聚的数据范围、系统定位及功能架构，并结合4G网络的建设推广，阐述了如何利用网络运营大数据平台的海量数据资源来全面评估移动互联网业务感知，挖掘网络运营大数据平台在网络精细化运营方面的价值，为运营数据资源的内部应用提供参考。 关键词：大数据；网络运营；用户感知；关键质量指标；关键绩效指标引言 大数据的应用是在互联网的高速发展中诞生的。谷歌提出了一套以分布式为特征的全新技术体系，即分布式文件系统（GFS，Google File System）、分布式并行计算（MapReduce）和分布式数据库（BigTable）等技术。这些技术奠定了当前大数据技术的基础，可以认为是大数据技术的源头。 一、大数据的优势特征和不足之处 1.1大数据优势特征 大数据对于互联网领域的价值是不可估量的，互联网企业的运行效率和生产力在大数据的影响下得以大幅度的提高，移动运营商在大数据应用方面的优势尤为明显。其具体主要体现在以下几方面：第一，用户基数庞大。随着通信技术的快速发展，消费者对移动运营业务的需求也在不断增长，迄今为止，三家运营商移动用户已达到约13亿人次，移动运营商拥有庞大的用户群体及海量的基础数据。第二，数据的时效性。4G时代的到来促使人们的日常生活与移动互联网紧密相关，移动运营商掌握着庞大的第一手用户行为数据，并保持数据的不间断更新，保证了数据的时效性。第三，移动运营商转型契机。为应对OTT的竞争，移动运营商亟需向数字化服务提供者转型。借助大数据技术的兴起，移动运营商能加快转型的步伐，为用户提供更好的移动信息服务。 1.2移动运营商在大数据应用方面面临的挑战 第一，数据来源广而杂，聚集较为困难。系统数据形式不一，格式多样，而系统往往只支持单一的数据结构处理模式，无法全面覆盖各种类型的数据处理，进而无法满足互联网多样化的发展，同时也给大数据的技术人员在处理数据上造成一定的困难。第二，商业模式尚未成熟。移动运营商由于拥有的用户基数过于庞大，掌握的数据资源也非常多，但对于这些数据的处理上仍存在一定难题。由于移动运营商尚未建立对外数据平台，大量的数据只能供内部人员使用，而不能使外部人员对其加以应用，从而造成这些数据没有得到有效利用，无法实现利益最大化。第三，大数据运营存在风险。人们的隐私关系到他们的自身利益、名誉，甚至生命安全等，因此，移动运营商在为客户提供服务时保证个人隐私不泄露至关重要。对移动运营商而言，大数据安全策略的研究将会是重中之重。 二、大数据发展现状 近年大数据的发展呈现以下两个特征：1）互联网公司引领大数据发展。互联网公司在搜索、广告领域积极采用大数据技术优化既有业务。二是今年以来陆续推出一系列面向第三方的大数据服务。2）传统企业大数据应用仍处在探索期，发展渐趋理性。传统企业在大数据应用的思路上也在纠偏，更加务实。一是更加注重更干净、结构化小的数据。二是更加注重企业自身沉淀下来的内部数据的价值挖掘。三是更加注重根本业务需求把Hadoop 与传统数据仓库结合起来用。 三、大数据关键技术 1）大数据存储管理。传统的单机文件系统和网络系统要求一个文件系统的数据必须存储在一台物理机上，在冗余性、可扩展性和容错能力和并发能力上难以满足大数据的需求。2）大数据计算能力。传统的数据计算能力的提升依赖于扩容单机的CPU性能、增加内存、扩展磁盘等方式，难以支撑平滑扩容。以MapReduce为代表的分布式并行计算技术可以通过低成本的通用服务器搭建系统。通过添加服务器扩展系统的总处理能力。3）大数据分析技术。大数据分析主要在两个方面，一是对海量的结构化和半结构化数据进行高效率的深度分析，如从文本网页中进行自然语言分析；二是对非结构化的语音、图片和视频进行机器可以识别的分析提取有用的信息。 四、基于网络运营大数据的应用实践 网络运营大数据蕴含着大量的用户使用业务时的感知体验信息以及运营商各设备的实时运行信息，有多种应用方向可以挖掘实践。2015年是中国电信的4G用户的爆发之年，将4G网络下移动互联网业务感知评估及优化这一课题作为电信网络运营大数据应用实践的切入点，可全面评估在4G网络快速推进建设时用户感知的变化情况，以便及时调整资源布放，不断提升4G网络下的数据业务感知，支撑中国电信4G品牌运营。 4.1 移动互联网业务感知评估方法 移动互联网业务属于典型的“20/80效应”，典型的业务场景覆盖了大部分用户：统计分析表明，用户使用新闻/门户网页浏览、视频、即时通信等应用的流量和时长占比超过80%；而每种类型的业务也呈现较明显的拖尾效应，采用TOP n的方式能够涵盖大部分情形。因此，可以通过分析用户在网页浏览、视频、即时通信这3种典型业务场景下用户感知的影响因素，来代表移动互联网业务感知的总体情况。具体分析如下： （1）新闻/门户网页浏览类 DNS（Domain Name System，域名系统）延时：用户不易感知。 TCP（Transmission Control Protocol，传输控制协议）延时：用户不易感知。页面访问成功率：用户比较容易感知，但用户能够愿意等待的时间也是有限的，如果等待时间超长，即使网页能够打开，时间上用户可能提前关闭。 首包延时：用户能够在浏览器中看到有响应，用户容易感知。
电信与媒体市场调研公司InformaTelecoms&Media在2013年的调查结果显示，全球120家运营商中约有48%的运营商正在实施大数据业务。该调研公司表示，大数据业务成本平均占到运营商总IT预算的10%，并且在未来五年内将升至23%左右，成为运营商的一项战略性优势。可见，由流量经营进入大数据运营已成为大势所趋。 电信运营商拥有多年的数据积累，拥有诸如财务收入、业务发展量等结构化数据，也会涉及到图片、文本、音频、视频等非结构化数据。从数据来源看，电信运营商的数据来自于涉及移动语音、固定电话、固网接入和无线上网等所有业务，也会涉及公众客户、政企客户和家庭客户，同时也会收集到实体渠道、电子渠道、直销渠道等所有类型渠道的接触信息。整体来看，电信运营商大数据发展仍处在探索阶段。 目前国内运营商运用大数据主要有五方面：（1）网络管理和优化，包括基础设施建设优化和网络运营管理和优化；（2）市场与精准营销，包括客户画像、关系链研究、精准营销、实时营销和个性化推荐；（3）客户关系管理，包括客服中心优化和客户生命周期管理；（4）企业运营管理，包括业务运营监控和经营分析；（5）数据商业化指数据对外商业化，单独盈利。 第一方面：网络管理和优化。此方向包括对基础设施建设的优化和网络运营管理及优化。 （1）基础设施建设的优化。如利用大数据实现基站和热点的选址以及资源的分配。运营商可以通过分析话单和信令中用户的流量在时间周期和位置特征方面的分布，对2G、3G的高流量区域设计4G基站和WLAN热点；同时，运营商还可以对建立
评估模型对已有基站的效率和成本进行评估，发现基站建设的资源浪费问题，如某些地区为了完成基站建设指标将基站建设在人际罕至的地方等。 （2）网络运营管理及优化。在网络运营层面，运营商可以通过大数据分析网络的流量、流向变化趋势，及时调整资源配置，同时还可以分析网络日志，进行全网络优化，不断提升网络质量和网络利用率。 利用大数据技术实时采集处理网络信令数据，监控网络状况，识别价值小区和业务热点小区，更精准的指导网络优化，实现网络、应用和用户的智能指配。由于用户群的不同，不同小区对运营商的贡献也不同。运营商可以将小区的数据进行多维度数据综合分析，通过对小区VIP用户分布，收入分布，及相关的分布模型得到不同小区的价值，再和网络质量分析结合起来，两者叠加一起，就有可能发现某个小区价值高，但是网络覆盖需要进一步提升，进而先设定网络优化的优先级，提高投资效率。 ?德国电信建立预测城市里面的各区域无线资源占用模型，根据预测结果，灵活的提前配置无线资源，如在白天给CBD地区多分配无线资源，在晚上，则给酒吧地区多分配无线资源，使得无线网络的运行效率和利用率更高。 ?法国电信通过分析发现某段网络上的掉话率持续过高，借助大数据手段诊断出通话中断产生的原因是网络负荷过重造成，并根据分析结果优化网络布局，为客户提供了更好的体验，获得了更多的客户以及业务增长； 第二方面，市场与精准营销。 此方向包括客户画像、关系链研究、精准营销、实时营销和个性化推荐。 （1）客户画像。运营商可以基于客户终端信息、位置信息、通话行为、手机上网行为轨迹等丰富的数据，为每个客户打上人口统计学特征、消费行为、上网行为和兴趣爱好标签，并借助数据挖掘技术（如分类、聚类、RFM等）进行客户分群，完善客户的360度画像，帮助运营商深入了解客户行为偏好和需求特征。
运营商大数据应用 解决方案
目录 1．?大数据概述?４ 1.1.概述?４ 1.2.?大数据定义4? １.3.大数据技术发展 (6) 2.大数据应用?９ 2．1.?大数据应用阐述 (9) 2.２.大数据应用架构................................................................................................... 1１ 2.3．大数据行业应用................................................................................................... １1 2.3.1.医疗行业11? 2.3．２.?能源行业..................................................................................................... １2 2．3.3.?通信行业....................................................................................................... １2 2．3.４.?零售业13? 3.大数据解决方案14? ３.1.大数据技术组成................................................................................................... １4３.1.1.?分析技术14? 3．1.1.1.可视化分析14? 3.１.1.2.数据挖掘算法 (14) 3.1.1.３.?预测分析能力14? 3.1.1.４．?语义引擎 (14) 3.１.１.５． ....................................................... 数据质量和数据管理１5? 3．1．2.?存储数据库 (15) 3.１.3．分布式计算技术................................................................................... １6 3．2.大数据处理过程................................................................................................... １8３．2.１.?采集. (18) 3.2.2.?导入/预处理19? 3.2.3.统计/分析?１９ ３.２．4.?挖掘19? 3.３.大数据处理的核心技术-Hadｏop....................................................................... 1９ 3．３．1．?Hａdoop的组成20? 3.3．2.Hadoop的优点:23? 3.3.2.1.高可靠性。 (23) 3.３.2.2.高扩展性。23? 3.3．2.3.高效性。23? 3.３.２．４.?高容错性。23? 3.3.３.Hadoop的不足 (23) ３.３.４.主要商业性“大数据”处理方案24? 3．3.2.５．............................. IBM IｎｆoSphere大数据分析平台2４? 3.3．2.６.Oｒ a c l e Bｉ g Da t aＡppｌianc (25) 3.3．2.７．..................... Mi ｃｒ o ｓo ｆ t Ｓ QLSeｒveｒ25? 3．３．2.8.?Sybasｅ IQ２6?