大数据技术应用在5G网络运维中的探讨分析

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

大数据技术应用在5G网络运维中的探讨

分析

摘要: 身处5G时代的伟大变革,面对通信技术的迭代升级,结合互联网和

通信行业融合技术的发展需求,大数据技术应用已经尤为突出和重要,成为通信

运营商捕捉商机的重要手段。

关键词:Big data、采集、存储与管理、分析与挖掘、机器学习

引言:随着“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,这些数据有可能被长期埋没而未发挥出其应有的作用。大数据技

术的应用,可以将这些数据的商业价值得到有效开发,为运营商带来巨大的商机。下面从五个方面进行解析:

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、智慧网络运营

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。例如“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、合作双赢

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

商掌握的信息更加全面和丰满,这无疑为运营商带来了新的商机。目前运营商主要掌握的信息包括了移动用户的位置信息、信令信息等。就位置信息而言,运营商可以通过位置信息的分析,得到某一时刻某一地点的用户流量,而流量信息对于大多数商家具有巨大的商业价值。通过对用户位置信息和指令信息的历史数据和当前信息分析建模可以服务于公共服务业,指挥交通、应对突发事件和重大活动,也可以服务于现代的零售行业。运营商可以在数据中心的基础上,搭建大数据分析平台,通过自己采集、第三方提供等方式汇聚数据,并对数据进行分析,为相关企业提供分析报告。在未来,这将是运营商重要的利润来源。例如,通过系统平台,对使用者的位置和运动轨迹进行分析,实现热点地区的人群频率的概率性有效统,比如根据景区人流进行优化。

五、可以交由第三方挖掘

在大数据时代下,传统的经营分析系统遇到挑战,运营商会考虑如何更好地使用其大数据。运营商可以采取旧方式,自身采购硬件设备,并交由第三方进行

运维和分析。未来趋势,运营商也可以采购相关产品,将后续数据挖掘等工作交由第三方来完成变现。

一、大数据技术概述

1、大数据的概念

“大数据”(Big data),或称巨量数据、海量数据、大资料,指的是所涉及的数据量规模巨大到无法通过人工,在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息。一般认为,“大数据”具有4V特点:Volume(数据量大)、Velocity(输入和处理速度快)、Variety(数据多样性)和Value(价值密度低)。

1.1 Volume(数据量大)

大数据的特征其实是我们现在理解的海量数据。“大数据”在互联网行业是必备项:互联网公司在日常运营中生成、累积的用户网络行为的数据。比如社交电商平台每天的产生订单,各个短视频、论坛、社区发布的帖子、评论及小视频,每天发送的电子邮件,以及上传的图片、视频与音乐,等等,这些无数个体产生的数据规模很庞大,数据体量早已达到了PB级别以上,大数据的大量就是我们说的海量数据。

1.2、Velocity(输入和处理速度快)

随着网络传输速率不断攀升,从传统的百兆到千兆万兆网络,移动网络也已经逐步升级到了5G时代,数据的产生和传输都越来越高速。所以客户越来越强调实时反馈,就是无论是在线看电影还是在线直播、刷视频都要求低延时,对于传输、存储、播放都要求高度,人们和企业都越来越依赖互联网,网上的实时交易、在线培训、社交等都与每个人息息相关,云计算平台大数据平台担负着高质量的服务功能,运营方还是服务商对于海量数据,谁能提供更快的速度,谁就能获得更多的用户和订单!

1.3 数据多样性。

数据多样性其种类包括文字、图片、视频、语音、地图定位信息、网络日志信息等等,正是多样化的数据形势决定了大数据的更高价值。对于数据挖掘和数据资产越来越受到企业的重视,多类型的数据对数据的存储和处理能力都提出了更高的要求。目前应用最广泛的就是智能推荐系统,如今日头条,百度、抖音等,这些平台都会通过对用户的行为进行分析,从而智能的推荐用户喜欢的内容页面。

1.4 价值密度低

随着物联网的广泛应用,往往人们需要从海量的数据中提取先关联的有用的信息,所以对于大数据的机器学习深度学习算法可以发挥巨大作用。大数据最大的价值在于通过从大量不相关的各种类型的数据中,挖掘出对未来趋势与模式预测分析有价值的数据,并通过机器学习方法、人工智能方法或数据挖掘方法深度分析,发现新规律和新知识。

2、大数据的应用原理

由于5G通信网络中传输的数据量大,数据种类多样,而且不同数据存储的方式不同,所以对大数据的收集、存储、分析、查询等难度加大。常用的一般大数据技术分采集、分析、存储、处理等。通过合适的数据挖掘算法挖掘出有效信息,挖掘出来的大数据进行分析后,通过数据图表可视化的形式展现给读者,进行可量化的评价,进一步完善数据挖掘技术。一般可分为以下流程:

2.1 大数据采集

大数据采集技术就是对数据进行提取、转换、加载等操作,最终挖掘有价值的数据,供用户解决方案或决策参考。

大数据采集过程一般分为智能感知层、基础支撑层。智能感知层包括传感器、通信网络、智能识别系统等,以实现对数据源的智能识别、数据感知、信息传输等。基础支撑层包括搭建物联网体系、存储海量数据的云端服务器等,为实现数据的收集和存储提供物理保障。

2.2 大数据筛选

相关文档
最新文档