有线电视大数据分析平台数据存储与挖掘探究.docxVIP

有线电视大数据分析平台数据存储与挖掘探究 　　摘要：随着信息技术水平的提升，大数据时代已经来临，有线电视中储存着海量信息，只要掌握正确集成方式就能有效提升自身市场竞争力。本文将结合大数据分析特点，讨论在有线电视中客户细化分层、电视终端收集、业务指标分析、系统结构整合等储存与挖掘技术，为推进行业发展做出积极贡献。 　　关键词：有线电视;大数据分析平台;数据挖掘 　　中图分类号：g202文献标识码：a文章编号：2096-5079（2019）01-00-01 　　新时期背景下，有线电视的市场环境不断更新，全球范围内的相关企业也开始认识到更新业务的重要性。当前对数据采取有效收集与分析能够精准表达出客户集中范围以及对节目内容的需求。因此，想要增强自身业务水平就必然重视对大数据的挖掘与开发，丰富业务经营范围，提高客户利润的贡献水平。 　　一、大数据分析特点 　　数据挖掘技术能够给有线电视行业的发展注入新的活力，同时为运营商提供更加坚实可靠的价值信息。宏观意义上来看，实现对数据的挖掘、储存、分析，能够掌握其背后蕴含的多种规律，明确丰满的商业价值，并开拓利润挖掘渠道。新时期背景下，数据成为了行业发展的隐性财产，其含金量与储存挖掘技术水平的高低有必然联系，大数据概念最早衍生于美国知名咨询公司麦肯锡，经过几十年的发展，逐渐延伸到社会各行各业当中，其分析特点为：大量、高效、多维、真实等等。人们可以根据分析结果对将要执行的工作更加精准地进行判断，实现对抽象内容的可视化判断，提出数据背后隐藏的内容，使其能够被高效应用。 　　二、数据存储与挖掘 　　（一）客户细化分层 　　有线电视作为传统传媒领域的巨头，经过多年累积具有强大黏性的用户基础，而且用户层次多种多样。与之对应的数据库纷繁复杂，结构错综，每一个用户在投入使用时都会产生一个独有的“序列号”，其中包含了缴费情况、常用业务、ip地质等等，这些序列号虽然看起来十分独立，但是从应用范围来看却有着不容忽视的密切联系。通过计算机算法可以有效对这些用户数据进行利用，分析其潜在栏目需求、缴费内容、消费水平等等，然后綜合历史数据，按照聚类统计表，划分出多个层次，有目标性、针对性地做出优惠活动与人文关怀，使其能够意识到有线电视的友好性，最终实现运营商经济效益的提升。另外在数据时代中，有线电视客户流失严重一直是行业人员所关注的重点，ott、iptv等内容的发展，让越来越多的人习惯使用数字电视与手机播放器，这也对有线电视行业发展造成一定程度的冲击，为减少其带来的负面影响，同样可以对客户进行细化分析总结，得到流失比例数据，并按照流失计算公式来严格控制其流失风险，做好预防工作。而对于一些忠诚度较高的用户则可以通过挖掘数据维持其与有线电视的关系。 　　（二）电视终端收集 　　有线电视的终端为机顶盒，因此对应的信息咨询来源也大多数来自于机顶盒，因此挖掘与采集技术也应该从这方面入手，终端数据收集技术对网络环境有良好的适应性。就算在异常情况下也能实现正常运行，首先在本地缓存数据，然后自动检索网络环境，等到其恢复正常后第一时间上传，并且终端收集方法还能自动判断数量，一旦信息内容超出200，则会开始执行数列排序，当前终端数据挖掘包括了点播业务、广告业务、页面增值业务等等，不同的网络运营商可以结合自身实际情况定向使用。 　　（三）业务指标分析 　　传统业务指标分析大多数都采用的检索工具，其准确率并不高，而且前期执行成本较大。当前很多有线电视企业与运营商都开始应用小规模检索工具，从而对业务指标更加精细地进行分析，数据信息优势也因此被发挥出来，用户体验更好，在使用过程中仅需要solr智能联系功能，就能查询到相关的数据内容，体现出了大数据分析平台的友好与人性化。 　　（四）系统结构整合 　　为保证集成数据真实有效就需要分结构进行整合，清晰的系统能够直观划分出广播电视业务的种类，然后技术人员可根据工作业务经验判断数据抽样的作用。例如：直播业务中的数据来源于频道换台、播放状态、序列卡号、用户ip地质等等，而点播业务中涵盖的数据就来自于观看节目的名称、时间段、是否付费以及付费情况、节目重播市场，电视广告数据结构则由广告时长、投放时间、内容名称等内容组成。只有根据不同结构形式做好分层整合才能从整体上提高数据挖掘效果，实现行业的稳定发展，给有线电视提供更加广阔的升级空间。 　　（五）业务运营开发 　　随着我国信息技术水平的不断提升，有线电视涉猎业务范围也越来越多，只要用户浏览内容势必会产生数据，因此采用分析平台进行数据挖掘就更加必要，想要在分析结果的基础上提升自身业务能力，首先要做好市场预测，明确大环境发展趋势，然后制定