您的位置: 赣州信息港 > 科技

大数据辅助智能运营

发布时间:2019-04-25 18:07:11

通信世界消息(CWW) 随着移动互联和智能终端的兴起,络、用户、终端和业务产生的数据出现爆炸式增长。与此同时,电信消费需求出现出多样化和个性化的特征,客户体验好坏、业务提供灵活度和丰富度逐步替换络指标成为运营实力的重要衡量指标。电信运营正在经历以络为中心的运营模式向着以业务和客户为中心的运营模式的深刻变化。

智能运营就是以提高客户体验为中心,通过对络和业务的端到端实时监控、对用户行动的细致洞察、对络-业务-终端-用户的综合关联构成智能监控、智能预测和智能保障,从而实现完全的智能运营体系,实现高效运营,提升运营收益。应用大数据技术对运营进程中涉及到的大量、复杂、快速生成的数据进行搜集、分析、同享和运用成为智能运营各环节所需的核心技术。

图1. 大数据分析支持智能运营核心环节

在智能运营的闭环系统中,智能监控是智能运营的基本和支持环节,其所触及的数据来源广泛、即时性要求高、处理逻辑复杂,合理选用大数据方案可以有效提升该环节的处理能力。

复杂并行计算助力智能监控

智能监控强调主动观察和洞悉络、用户、业务所处的状态及表现,向运营中心进行反馈并有目的地分析处理数据背后所隐含的因果或影响关系,以便业务保障环节定位问题和实行保障。

以移动业务体验监控这1典型场景为例,系统需要从移动终端、移动内部和移动到英特的关同时搜集与业务使用有关的控制面与用户面的信息,包括无线和核心的信令数据、无线环境丈量报告、移动到英特关的流量和运用统计等多源数据。这些数据经过必要的清洗、聚合和关联后可以计算出反应业务体验质量的KPI(ServiceKPI)。同时对致使业务质量下落的缘由做匹配分析,实现故障缘由定位。

这里涉及到三个技术难点:数据的即时性、多样性和复杂关联分析。

数据的即时性意味着大量数据同时生成于一个或多个地方,这需要强大的并行数据处理能力。大数据的典型技术Hadoop通过提供HDFS和MapReduce实现分布式存储和计算,这种集群式处理可以很好地解决大量实时数据的处理难题。数据的多样性意味着数据没有统一的结构,乃至是非结构化,这类数据的特点使传统的数据仓库和关系型数据库难以发挥作用。Hadoop由于具备极大的可扩展性,能够很好地应对结构化和非结构化数据并存的处理需求。

图2. 复杂并行计算辅助端到端业务监控

虽然Hadoop提供了基本的大数据平台来满足数据处理效力和兼容性的要求,但对需要复杂处理逻辑的分析运用,比如业务体验监控中的用户会话状态的关联分析和指标计算,需要引入规则引擎技术。爱立信基于对所处理数据及处理需求的深入理解,设计出合适业务及络监控的优化的规则引擎组件,可以将处理规则与数据模型进行匹配,在一定的状态机的范围内进行具有复杂逻辑的关联分析和计算。这是单纯IT厂商所欠缺的技术能力。

机器学习助力智能预测

智能预测是对历史数据做大量的统计学意义上的规律发现,通过大数据的机器学习(machinelearning)技术从数据中梳理出具有规律性的事件发生模型,并用于未来某些事件产生与否的预判和防范。具体来说,对于某些体育赛事或文艺活动,我们可以利用所积累的历史数据及目前掌握的场地和售票基本信息对行将发生的此类活动做出可能的络故障和业务质量的预测。并据此推算哪些络和业务的配置低于需求并会造成资源投放不足和客户体验方面的风险。这类预测的能力如果和NFV和SDN等技术相结合,可以提高络资源的动态分配和调度水平,使得络面对业务和用户的变化变得更加具有弹性和适应性。

宝宝感冒鼻塞怎么护理
月经量多贫血怎么治疗
玉林鸡骨草治什么病
猜你会喜欢的
猜你会喜欢的