浅谈大数据在运营商中的应用

近年来伴随云计算和大数据的发展热潮,数据作为一种无形资产的价值正在日益得到社会广泛认可,在投身大数据的众多玩家中,电信运营商无疑是最为特殊的。庞大的网络规模和用户基础,提供了最全面的大数据样本;语音经营向流量经营的转型需求,以及来自互联网企业和OTT业务冲击下的“被边缘化”危机,也使之具有推进大数据应用的迫切动力。文章结合大数据的技术现状以及电信运营商的数据特点,对大数据在运营商中的应用作了分析,提出了适合运营商的大数据应用解决方案。     

创新·转型·服务——IBM致力于成为电信运营商的战略合作伙伴

互联网技术给传统的电信运营商带来了巨大的挑战,用户可以通过QQ、MSN、Skype等新的通信方式完成语音或视频通信,使传统的电信运营商特别是固网运营商的基础信息服务受到严重影响.     

在通信领域中大数据技术的应用分析

近年来,通信领域逐渐被“大数据”技术所占领,通信业务数量和业务类型不断增加,为各个运营商（如移动、联通、电信等）带来了巨大的收益。传统的数据技术已经难以满足现代通信领域的需求,研究大数据技术,对于各运营商具有重大意义,本文就大数据技术的特点,探讨了其对通信领域的影响,并对大数据技术在通信领域中的具体应用提出了笔者的几点看法。     

微信攻势下的运营商策略

近年来,在移动互联网发展的背景下,以微信为代表的OTT应用,对运营商影响巨大,主要表现在两个方面:首先是对运营商收入的影响。微信的存在与发展,已经不仅阻碍了运营商类似互联网业务的开展,更可怕的是其开始替代运营商赖以生存的基础电信业务,包括语音、短信等。用户可以通过微信进行短信、语音的沟通,而完全不用运营商的服务。特别是当微信用户超过三亿之后,用户的核心联系人有相当比例成为微信用户,而不再因为对方     

挖掘用户信息为无线运营商创造新机遇

挖掘和利用客户信息,正成为国际领先运营商扩展经营领域,推动战略转型的一个重要方向。随着移动互联网业务的迅速发展,传统无线运营商面临管道化危险,迫切需要创造新型商业模式,寻求战略转型方向。大数据技术与应用的发展,恰好为无线运营商优化业务模式和开拓新型商业机会提供了有力手段。通过大数据技术,无线运营商可充分挖掘和利用自己掌握的海量用户信息,推动自身的业务转犁和市场开拓。海量的用户信息正在成为无线运营商继基础网络和用户资源之后的又一个重要资产。     

运营商大数据技术应用研究

大数据技术的快速发展为运营商的传统业务(如网络规划和优化)提供了快速的海量数据处理方案,也为运营商开拓新业务(如征信、个性化推荐、互联网业务)奠定了数据基础,对行业的发展具有重要意义.研究了大数据处理的相关技术,介绍了运营商在业务中应用大数据技术的工程实践经验和待解决的关键问题,为相关研究人员提供参考.     

基于信息汇聚平台的快数据应用设计与实现

用户行为信息中蕴含着巨大的价值,如何采集并加工用户行为信息,使之成为新的业务增长点,是运营商面临的重要课题.通过对信息汇聚、采集、加工等关键技术的研究,给出了基于信息汇聚平台的快数据应用的实现方案,能够通过用户开关机、位置变化、语音通话等行为触发用户关怀、企业名片、信息推送等业务,该方案已经广泛用于电信运营商的新兴业务领域,取得了显著的经济效益.     

基于DataOps的运营商大数据平台探索

在数字经济时代下,数据成为运营商的核心资产,DataOps是释放数据价值的有效模式,而大数据平台是实现DataOps的技术基础。通过对DataOps与大数据平台的发展进行梳理,阐述了DataOps的内涵,提出DataOps应用于运营商大数据平台的方法,并构建了基于DataOps的运营商大数据平台架构。     

运营商大数据技术应用研究

伴随着大数据时代的到来,数据已然成为企业乃至国家的战略性资产。针对大数据技术开展研究,既顺应了时代的潮流,也是各大运营商的社会责任。大数据在现实生活中的运用,是运营商在发展业务、推广市场的基础,更能体现企业的综合实力。如何将海量的数据进行快速且有效的处理,是当前运营商面临的关键问题。文章主要介绍了大数据技术的现状,通过对大数据技术优势与不足的分析,为运营商在大数据技术方面的应用提供参考建议。     

一种适用于广电运营商用户行为数据采集的系统设计

随着大数据技术的快速发展,广电运营商可以利用大数据分析技术来促进其业务的进一步发展,提升业务的ARPU值.同时随着广电运营商双向网络的改造和互动业务的快速开展,使得对双向机顶盒的用户行为数据全面采集成为可能.本文将针对广电运营商双向机顶盒用户行为数据全量采集的难点进行分析,并提出一种在广电系统中构建高性能大数据采集系统的解决思路.     

基于分布式架构的融合用户数据中心部署方案研究

文章针对用户数据管理在各大电信运营商网络中的发展趋势,提出了基于分布式架构的融合用户数据中心部署方案,并对UDC、分布式HLR、融合数据中心等关键技术进行分析,探讨了融合用户数据中心的应用前景以及价值,为电信运营商网络和互联网业务融合奠定基础。     

浅谈运营商大数据分析及应用系统设计

通信运营商拥有庞大的用户群,用户的通信消费行为产生了大量的用户数据,出于信息安全的考虑,目前运用商数据的应用仅停留在内部营销分析方面。随着数据的积累和大数据分析技术的发展,对于这些海量的数据如何挖掘,让其发挥更大的作用值得研究。文章系统地分析了运营商大数据的价值,对大数据分析及应用系统的的建设和运营提出了建议。     

通信网络大数据应用新模式研究

4G高速网络时代,电信运营商的数据业务爆炸式增长产生了海量数据.用大数据视角挖掘业务数据背后蕴藏的巨大价值、盘活企业的海量数据资产,为电信运营商应对数据业务飞速发展提供了新思路.本文阐述了大数据的定义和发展趋势,依据大数据价值链层次构成理论分析了电信运营商的大数据优势和面临的挑战,介绍了全球典型电信运营商的大数据试用情况,并结合大数据处理基本流程,从精细化运营和商业模式创新两个方面对电信运营商在4G时代的大数据应用进行了探讨.     

运营商大数据平台建设方案研究

当前国内外运营商通过“搭平台、做应用”,积极探索大数据技术。面对大数据浪潮,电信运营商既有巨大的时代机遇,也面临若干的挑战,如何挖掘运营商长期积淀的数据价值,发挥自身优势,是大数据从业者们需要深入思考和关注的。首先对大数据平台的总体演进思路进行了概要介绍;其次结合实际提出了一种大数据平台建设方案,重点介绍了大数据平台的体系结构、数据分析思路、平台网络拓扑及硬件配置;同时对基于大数据平台的应用展开了探讨;最后对运营商大数据平台的发展方向进行了展望。     

基于大数据的移动用户行为分析系统与应用案例

本系统基于Hadoop架构采集运营商网络侧产生的大数据,并对数据进行深度加工,挖掘其中相关的用户行为属性,构建用户行为分析模型,并对具体用户行为应用进行有效探索.针对技术选型、系统实现、数据采集、模型设计与应用案例,完整展示了移动用户行为分析系统的设计思路与实现.     

日本付费数字电视发展的启示

日本数字电视从1996年开始运营,到现在已发展了1 089万用户,其中的92%都是付费数字电视用户.电信业大融合的产业背景为运营商们提供了多元化经营的基础、完善健全的法制环境,使它们免除了盗版和违法收看的干扰,这是日本付费数字电视成功的重要基础.更重要的是日本的付费电视运营商们继承了日本企业成功的经验和优良传统.中国数字电视运营商学习、借鉴这些经验并因地制宜地应用,对我国数字电视市场的进一步发展意义深远.     

3G元年,透过日韩看反差

最近，各大运营商发布了最新的运营数据，其中，3G的用户发展情况很难说理想，至少不是各大运营商的CEO们所希望看到的。确切地说，这些数字体现出了运营商对于3G发展理想与现实之间存在的巨大反差。分析这些数据，我们不由要问：是运营商对3G的预期过于理想，还是用户对3G的态度过于冷漠？     

从网络运营向信息运营转型

1 电信行业面临的挑战 互联网技术的出现给传统的电信运营商带来了巨大的挑战.随着带宽的逐渐加大和用户接入技术的发展,电信运营商已经无法掌控用户的通信方式了.用户可以通过QQ等业务形式,绕过电信运营商传统的网络完成通信.由于互联网在网络运营中坚持"免费"的原则,因此对电信运营商传统的控制网络的模式构成了巨大的挑战.     

大数据时代IT技术在通讯企业的应用研究

在当今时代,通信行业正处于飞速发展阶段.仅就移动通信方面来说,就对通信提出了更高的带宽要求和更快速的接入网速度要求,运营商通信网络每天产生巨大的信息量,同时数据量正迅速增长,传统的数据管理方式无法完成大规模信息的分析与处理,通信行业正面临着巨大的数据存储和处理方面的压力.目前,大数据技术已被应用于通信行业中处理规模巨大、类型多样的数据信息,给通信行业带来了深远影响.因此,研究大数据技术对通信行业的影响是十分必要的.     

基于异构混搭架构的大数据平台

广电运营商是天然的收视数据生产者 [1]与数据资产拥有者,广电运营商手中拥有着庞大数据.随着数字电视运营在业务挖掘方面不断深化,为提高服务质量和规划业务发展方向,广电运营商对数字电视用户收视行为进行调查和分析的需求越发迫切.收视率 [2]作为电视播放的关键性指标具有重要的作用和巨大的市场价值,在数字电视业务迅猛发展的冲击下,传统的收视率调查方法会受到制约,特别是用于模拟电视的仪器测量法更是会在数字电视中无用武之地.随着大数据技术的出现,提供了针对海量数据的高效精准分析的技术手段,通过对电视机顶盒数据的采集、解析、分析挖掘 [3],实现对用户收视率及收视行为的分析洞察,从宏观上,实现对数字电视业务进行全方位细致管控;从微观上,支撑对个体用户的行为的标签画像 [4],支撑公司对业务运营的全面掌控及针对用户提供个性化的营销及维系服务工作.