电信行业大数据应用浅析

信息系统工程 │ 2013.12.20

29

REGION LNFO 数字地方

电信行业曾经历过三波不同的发展浪潮：首先是语音，然后是短信，最后是数据。但近年间，电信运营商的利润率难以维持高增长，逐步放慢了投资的步伐，电信设备商因此遇到了行业发展的天花板，利润越来越低。传统的电信市场增长空间已非常有限，运营商和设备商都在积极考虑转型，寻找新的发展机会。

一、大数据对电信行业的机遇

如何在前三波的发展浪潮后继续保持可观的利润？如何避免被时代的浪潮抛下，并努力拓展新业务，迎头赶上，是全球各国的电信运营商和设备商都在努力思考的问题。4G 、物联网、云计算作为未来电信业发展的技术支撑，背后蕴含着丰富的构建于其上的大数据应用，大数据的研究会带动行业生态的变革和崭新的业务模式创新，因此对于传统的电信运营商和设备商来说，孕育着巨大的商业机遇。

电信运营商拥有大量的数据资源，如网络信息、用户终端信息、用户位置信息等，电信设备商对电信网络有深刻的理解和技术积累，具有敏锐的行业发展嗅觉和强大的产业研发能力，因此基于大数据进行深度挖掘分析，将丰富的网络、用户等数据资源加工抽取后封装为服务，将数据资源在一定程度上货币化，向大客户提供增值服务，从而增加新的盈利模式，实现运营商、设备商以及产业各方的共赢。

二、大数据在电信行业的应用

运营商的数据源主要包括网络数据（如信令数据、日志数据）、业务数据（如业务套餐、客服信息）和用户数据（如签约数据、位置数据），电信行业的大数据应用主要基于此三类数据源进行深度挖掘和分析，主要服务于三个对象：

电信行业大数据应用浅析

◆ 卢云许

摘要：本文结合电信行业拥有的大数据类别，分析了大数据在电信行业的典型应用类型，给出了大数据应用相关的关键技术支撑，通过大数据应用推动电信行业的产业升级和商业创新。

关键词：大数据；数据挖掘；hadoop；storm

1.服务于运营商。借助大数据转变经营理念，改善服务水平，提升用户体验。实现智能化网规网优，根据网络流量变化趋势、网络信令数据信息的变化和各个设备长期运行的KPI 情况，及时调整资源配置，进行全网络优化，提升网络质量和网络利用率；实现智能运营，利用大数据改进自身服务，实时监控服务质量，建立突发故障自动应对机制，改进用户感知，培养用户使用习惯，增强用户粘性；实现流量经营，通过分析不同用户群流量使用特征以及存量用户流量趋势，结合网络流量分布特点，提供不同档次的流量服务，真正让流量创造价值。

2.服务于行业客户。借助大数据转变经营模式，对拥有的各种数据进行关联、参照、聚类、分类等深度挖掘，根据不同行业客户的业务特点，提供不同的信息服务，实现从单一网络服务提供商的管道模式向多元的信息服务提供商的智能模式的转变。实现精准营销，基于用户上网时机、终端信息、订购产品等数据分析，实现终端营销、关联产品推荐等增值服务；实现位置服务，基于移动蜂窝网络产生的位置信息具有GPS 无法替代的明显优势，可以为政府公共管理、城市规划、交通规划提供数据，为零售商提供人群分布、流向、热点等信息。

图1 电信数据源和价值应用

信息系统工程 │ 2013.12.20

30

REGION LNFO 数字地方

3.服务于个人用户。通过用户基础数据如年龄、性别、终端以及偏好数据如上网次数、时间、流量、兴趣网站、兴趣内容等，生成用户基础数据特征与用户偏好、习惯的兴趣特征模型，预测客户行为，提供用户特征描述和兴趣内容推送。通过用户画像来做产品与推广的规划，以个性化、精准型的业务内容不断增强客户黏性。

三、大数据应用的新技术支撑

信息化技术的普及使得企业更多的办公流程通过网络实现，由此产生的数据以结构化数据为主。当前数据创造的主体由企业逐渐转向个体，而个体所产生的绝大部分数据为图片、文档、视频等非结构化数据。同时，在线个性化推荐、实时信息推送等数据处理时间要求在分钟甚至秒级，传统的数据仓库系统、数据挖掘等应用无法处理非结构化数据，也不能满足数据处理的实时性。

大数据与传统数据两者数据量的差别如此之大，决定了数据的存储、计算从架构上很不一样。常规的数据仓库技术仍然有用武之地，但更适合大数据的，有大规模并行处理（MPP ）、分布式处理、流式数据处理等技术。结合当前技术发展状态，从性能、并行计算能力、可扩展性、软件的成本、硬件的投资等方面综合分析之后，为满足结构化与非结构化数据存储与处理，数据存储分析采用RDBMS+ Hadoop 混合方式，流式数据处理采用开源的Storm 平台。

Hadoop 平台的分布式存储的特点，可以把数据存储在多个节点上，能够处理PB 级数据。Hadoop 能够在节点之间动态地移动数据，并保证各节点的动态平衡，利用其MapReduce 的并行处理能力，处理速度非常快。非结构化数据在Hadoop 平台上存储与处理；大数据量计算在Hadoop 平台上处理；结构化，不需要关联分析、查询较少的数据，保存在Hadoop 平台；结构化、需要关联分析或经常查询的生产、汇总数据保存在关系型数据库。

Storm 平台是一个开源的、分布式的、容错的、支持多种语言的实时计算系统，可以方便地在一个计算机集群中进行持续不断的复杂的实时计算。Storm 是高可靠性的，它支持多种流分发机制以及记录级容错机制，能够确保流式消息按照预设方式被可靠地处理，如果有任务失败，则从消息源重试消息，保证每个消息至少得到一次完整处理。Storm 是高性能的，它是服务型的计算作业系统，没有作业调度以及数据持久化的时延，它使用ZeroMQ 消息队列实现直接传送，消除了消息排队时延，保证了消息能够得到快速的处理，每秒可以处理

百万量级的消息。

四、大数据应用的展望

目前电信行业海量数据还未形成有效的信息资产，其中蕴含的价值和机会还有待发掘。电信运营商应聚焦自身真实、特殊的数据资源，增强大数据分析和使用技能，挖掘数据宝藏，从而提升经营效率，提升网络质量，优化网络性能，盘活战略资产，实现数据增值，借助于大数据发展推进自身的去电信化战略转型。大数据的发展需要产业链的开放和更大范围的数据聚合，为此运营商需要与包括设备商在内的产业各方共同合作，打造电信业大数据产业生态圈，实现开放合作共赢，大数据必将成为电信业发展的新引擎。 H

参考文献

[1]史斌,周双阳.电信行业如何应用大数据[J].通信世界,2013(20).[2]王秀磊,刘鹏.大数据关键技术[J].中兴通讯技术,2013(04).[3]金晓军.Trident Storm与流计算经验[J].程序员,2012(10).

（作者单位：中兴通讯股份有限公司）