大数据业务在电信运营中应用分析.docVIP

大数据业务在电信运营中应用分析 　　【摘要】 随着电信行业的发展，外部环境的客户短信消费和营销成本的压力，在一定程度上阻碍了电信行业持续运营和进一步发展。大数据时代下电信企业如何利用数学模型更好的分析市场信息数据，从而精确业务定位更有效的利用电信运营资源成为当前研究的热点。本文通过电信企业对大数据情况下短信使用情况进行分析研究，从而实证大数据业务的发展前景。 　　【关键词】 大数据 电信运营 云计算 市场分析 运营研究 　　随着互联网和物联网的发展，人类的各项行为和活动都可以通过数据进行记录和分析，大量的新数据时刻涌现在互联网和物联网端，这些数据包含多样化的信息资料，能够为商业应用提供更有价值的数据资料。相对于网络互联网行业而言，电信运营商拥有更加庞大的数据生产能力和数据资源，包括消费者的年龄、电信资费、入网方式以及终端品牌和电信消费信息，随着移动互联网和智能移动设备的普及，电信运营商的用户数据更加完整，通过分析用户的资源情况和上网信息等内容即可得到用户的上网偏好、上网地点和网络应用实践等信息，从而为电信业务的开展提供可靠的数据资料。同时随着互联网企业的竞争，很多类似于电信运营的业务已经逐渐被互联网企业分流，电信运营中对用户的信息处理和控制能力逐渐下降，在大数据时代背景下，如何利用电信用户的信息数据为企业运营创造更大的发展价值，帮助电信企业实现内部精细化管理和运营服务为一体的电信业务，是电信企业运营中必须考虑的重要问题。 　　信息数据的高速发展拓展了移动互联网和物联网、电子商务等数据应用范围，大数据相关的云计算技术和数据挖掘技术、Hadoop技术是目前大数据领域相关的应用技术。下面主要介绍大数据背景下的数据挖掘技术和云计算技术。 　　一、大数据关键技术简介 　　1.1云计算技术 　　云计算技术简而言之就是一种数据模型，利用该数据模型能够灵活的根据不同需求访问共享的可配置数据资源，云计算内共分有三个运行层次，通过IAAS实现数据异构存储、数据处理和计算以及网络资源虚拟化管理；PAAS实现数据信息按需分配；SAAS利用浏览器实现应用软件分享。其中虚拟化是云计算技术中的关键部门，可以在虚拟机的基础上模拟硬件操作，实现数据管理，通过打包可以将整个操作执行环境传输给其他的物理节点，保证执行环境和物理环境相对独立，更好的部署整个应用程序模块。可以说云计算技术为数据处理提供了统一的虚拟化管理模式，实现数据资料按需分配。随着大数据资源和数据结构的变化，传统的数据采集和处理过程效率较低，在互联网应用基础上的云计算技术能够为大数据利用提供更加高效的架构平台，实现海量数据高效管理。 　　1.2数据挖掘技术 　　数据挖掘技术是指从海量的数据库中挖掘人们感兴趣的数据内容，可以根据这些数据对潜在的社会信息进行有效分析，数据挖掘技术设计的技术领域较为宽广，比如机器学习、模式识别、统计学和可视化技术等，通过数据提取和挖掘、数据表示等从原始数据中提取需要的数据信息，实现数据信息化到可认识化的转变，从海量的原始数据中提取需要的数据信息并转化为知识。 　　二、大数据业务在电信运用中的案例分析 　　大数据在电信运营中的应用主要体现在网络管理优化、网络运营管理、市场营销和客户关系维护等方面，其中网络管理优化包括电信基础设施建设；市场营销包括用户个性化推荐、用户需求分析以及精准营销等；客户关系管理包括用户体验、电信业务服务和客户维系等方面。 　　OTT业务对电信行业的短信业务产生了较大的营销，导致电信行业中短信收入下降，但电信运营中仍然应该利用大数据环境制定正确的措施减少短信业务下降带来的损失。首先可以根据大数据信息分析客户短信发送量下降原因以及短信使用下降的客户群体类型，从海量的数据信息中分析了短信业务使用状况和短信业务群体之间的差异，分析客户短信发送量上升和下降的原因，从而采取针对性的措施减轻短信发送量下降带来的损失。 　　利用大数据可以有针对性的整合相关数据信息，建立数据管理中心，客户的资费状况、短信业务以及通话行为都体现在电信运营商的通信数据网络内，可以说电信运营商在用户数据生产和控制领域占据很大的优势。分析用户短信业务使用情况和短信发送量下降原因，对用户主套餐和归属区、套餐流量特征、消费类型，包括用户的短信消费和流量语音消费、以及用户业务特征等数据类型进行统计分析。在电信用户海量信息数据的基础上，利用数学模型识别其中影响客户短信消费量的原因，形成了一个包括客户通信行为在内的数据宽表，在数据宽表的基础上利用数据挖掘技术分析短信客户的使用情况，通过数据比较可以发现客户的流量业务、语音通话、在网月数和话费支出等因素对客户短信发送的影响因素。针对这些影响因素，利用数据挖掘技术对这些关键因素进行了详细分析之后发现，电信资费的价格对客户短信发送