移动通信大数据系统建设研究

摘要：阐述大数据技术获得丰富的商业资源信息，推动产业建设发展，维护、更新市场，提高运营能力的专业化、集约化。在保证质量的同时，节约运营成本、获得更多用户使用产品的数据。对已上架的线上产品进行严格检查，提高网络质量和稳定性，从而加强用户体验感。

关键词：移动通信，大数据系统，用户体验

移动互联网技术不断发展其覆盖范围逐渐扩大，用户日益增多。这对互联网运营也有了更高的要求，网络运营商要制定更加高效、简约的网络管理方案，保障用户有良好的业务体验。保证用户体验感的同时，还要保证网络正常运行这是运营商要解决的主要问题。运营商要全方位实时分析网络运营情况，了解用户业务使用情况，解决不良问题，提高用户体验感。另外，根据用户的反馈，可提供更多有效的数据，对市场发展进行优化。当传统网络运营转变为服务运营，那么运营维护就会从网络为本转化为服务为本。

1运营商大数据系统建设的状况

2013～2014年大数据业务被运营商判定为新型发展对象，有长远发展意义。大数据业务的发展路程与国外运营商较为相似，都是以平台为支点进行建设，由专业运营机构构建。现阶段主要依靠设备厂商检查设备日志和对局部接口进行检查分析，但该方法存在弊端：设备间的传输信号相互交汇日志不能真实地表达出来，不同厂家的产品设备要相互配合时无法确定其真实情况，问题源头难查找，解决过程复杂多变；面对用户流量大，信号传输多样复杂的大规模运营市场，抓包分析手段+wireshark无法解决其产生的全部问题。如果用户接触点复杂，且每个接触点都有独立体系，就不能全部监督和管制，无法进行服务能力及资源的共享，服务和管理层面会成为一盘散沙，无法规范管理。每个后端服务支撑部门都会建立自己的流程支撑系统，让其服务流程可以在内部独立运作，但是无法监督管制所有的流程，无法保障服务质量水平。

2大数据系统建设面临的问题

（1）网优运维成本提高。网络不断发展，其复杂程度日益提高，网络服务行业崛起，新增了许多业务类型，业务多样化使得网络质量有更多的要求。为保障质量问题，网优运维需要不断提升其成本也在不断提高。（2）投资收益比例失调。宽带使用方面增量不增收，一部分宽带被低价业务占领，为满足网络需求，需要运营商不断增大网络容量，但是收益与投资不成正比，入不敷出，只增大网络容量无法解决根本问题，要根据现实网络状况去优化流量数据，进行合理管控才能解决根本问题。（3）投诉量增加。网络使用者爆炸式的增长会造成网络信息传输更加复杂多样，网络资源超负消耗，导致网络堵塞，业务中断等问题，严重影响使用者的体验感，数据业务的投诉值不断增长。当务之急就是如何快速解决网络拥堵问题高效率降低业务投诉率。（4）网络内容的可视化。传统的网络建设对数据业务质量和用户体验感的评测不具有真实性，无法全面真实的进行业务质量检测和用户体验感分析。由于业务管道内容可视度低，数据业务流向分布模糊。（5）运营商管道化。移动互联网有着开放性发展的特点，其数据业务不依赖运营商而是由各大业务提供商提供，而运营商需要提高数据业务能力以及分析管制用户的行为，使得数据业务的运营更加细致，提供一对一服务，用户与业务相配套，提高网络可用性。大数据技术打破了传统行业的规则，为各行各业的融合发展提供了有利条件。

3系统结构分层

（1）数据采集。探针：进行资源数据获取；NDS：对RAN设备侧输出的资源数据，信息交流进行收集，分析和清洗。（2）存储共享。GBase8aCluster:高性能、高可用、高扩展的分布式、并行的数据库系统，用于存储关系型数据和统计结果数据。Loader：操作系统内核运行，采集相关数据，分析数据特点及应用系统需求，将其记录在数据库中。大数据集群：由分布式硬件组成的集群,用大数据组件计算并分布式处理数据。接口适配层:供给标准接口向应用层，例如文件存取，消息通信，SQL等。只有在明确的应用层对接需求时接口适配层才会单独处在。（3）应用分析。客户端:与服务器相对应，通过Windows、Browser等应用程序为用户提供服务的接口。REST接口：提供服务器端访问能力。服务器端，网络中能对其他通信设备提供某些服务的计算机系统。

4数据集成

数据集成指通过一定的方法和工具，将不同来源、格式、性质特点的数据按照有序的逻辑关系进行集中规划整理，完成资源共享。

5大数据分析功能

进行数据分析时，大数据会对数据类型及其相对的数据挖掘方法产生一定的影响，另外还需要对数据进行实时分析。大数据系统有主要有四个分析点；（1）分析数据总体趋势查看时间纬度上的变化趋势。（2）分析对比多个时间段上的数据差异。（3）TOP分析选择出指标最高、最低的统计对象。（4）区间分析取得不同取值范围内对象个数分布数据。流量管理，数据驱动应用、内容可视化是通信大数据建设的三个关键点。（1）流量管理（微信业服务质量）。微信业务质量指标包含终端型号、目的服务器、RNC/BSC/eNodeB、SO和BSID等等一系列多维度指标。业务次数、微信活跃用户、微信心跳次数是三大重要指标；RNC/BSC/eNodeB、终端型号、目的服务器、SO和BSID等均为分析维度。（2）数据驱动应用。业务流量分析（业务、应用）：根据统计制定报表，解决用户业务流量问题；业务时长、流量流速问题是其关键指标；从应用、业务、基础协议类型三个方面分析其维度。用户感知端评估：通信信号、社交媒体、视频音频下载、消息发送接收的时长、网页状态等都是用户使用效果的重要评估内容，通过分析这一系列的感知评分数据趋势图。总结影响感知得分的中心问题，解析引发该问题的网元信息，制定合适的解决方案。（3）内容可视化。任务的不同分类、任务的执行进度、任务之间的关系状况等一系列信息，用户都可以从监控界面快速精准地得到详细信息。综合评分包含了一定范围内重点用户总体所得总分以及用户总人数及其所用流量总数据；用户及流量发展分析：以时间为轴线总流量数据与粒度重点用户数（间隔5min）的趋势变化图；重点用户数据解析：粒度VIP和vVIP的评分值、用户信息及其数据分析可以在移动鼠标后查看，且只能查看5min。用户组数据分析：包含粒度内VIP及sVIP用户数据和群组数据信息；重点用户GIS地图：主要展现区县得分的GIS地图。

6结语

网络环境复杂多变，产业环境和竞争格局都会不断改变，运营商要根据这些变化对服务进行调整更新和完善。如果解决了实际存在的问题，就可以完成大数据的分析的目标。想要维持大数据体系的正常运行就需要调整相关的管理机制，改造完善其系统功能。要保障系统之间的功能以及数据相互连通，服务流程符合标准。通过分析不同业务系统提供的数据，制定数据的趋势图，并对其进行深入研究解析。将分析研究得到的数据成果转化为有利价值，增加所得利润，制造新的竞争力，确定其在产业链中的地位。在未来更要保障信息数据的安全。

参考文献

[1]党永亮.大数据分析在移动通信网络优化中的应用研究[D].湖北：华中师范大学,2015.

[2]张亮.大数据分析在移动通信网络优化中的应用[J].信息通信,2017(05):272-273.

[3]张臻.大数据在移动通信网络优化中的应用研究[J].移动通信,2017,41(05):27-30.

[4]余海波.大数据在电信移动通信网络优化中的应用[J].广西通信技术,2014(04):8-11.

[5]甄仲强.大数据分析在移动通信网络优化中的应用[J].工程建设与设计,2017(01):173-174+177.

[6]张俊.移动通信网络中大数据处理的关键技术研究[J].电信网技术,2014(04):10-12.

作者：陈智扬 单位：中国移动通信集团广东有限公司