基于电信运营商固网DPI系统的大数据清洗方案

本文提出了一种针对电信运营商固网http信息的清洗方案,经过现网试点部署验证可到80％以上的清洗率,大大节省了存储空间和网络传输带宽,对运营商开展固网大数据业务具有重要的借鉴意义.     

智能管道大数据挖掘分析研究与实践

探索如何挖掘、利用电信运营商智能管道中的数据价值,通过利用智能网管数据中心汇聚固网、移动网上大量网络基础性能质量、话单、日志、信令、DPI等各类数据,利用大数据技术,进行跨专业关联、多维度深度挖掘分析,形成综合应用。     

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.     

运营商大数据安全防护技术研究

大数据给电信运营商带来巨大发展机遇的同时,也带来了各类型的安全隐患。保护大数据安全成为电信运营商大数据业务发展的关键。通过分析电信运营商大数据安全现状,总结国内运营商的大数据安全防护方案与技术。     

基于DPI的用户兴趣实时分类

近年来,随着大数据发展热潮兴起,电信运营商能获得的DPI数据规模越来越大。如何对如此海量的DPI数据进行实时的挖掘和分类是运营商研究的热点。设计了一种基于混合n-gram特征的URL分类算法和基于Doc2Vec模型的文本分类算法相结合的DPI数据分类方法,大大提高了DPI数据的分类速度和分类准确率,为电信运营商进行精准营销提供了良好的基础。     

利用大数据应对OTT业务的冲击

在移动互联网时代,互联网公司的OTT业务兴起致使国内电信运营商面临着"被管道化"的风险。如何避免"被管道化"是国内电信运营商急待解决的问题。文章从业务运营和技术支撑的角度详细论述大数据是电信运营商寻找新的业务增长点的一个方向,并结合运营商目前数据和系统的现状,对电信运营商发展大数据业务的优势、方法以及面临的挑战进行详细论述,最后指出发展大数据相关业务必须进行数据的集中化、支撑平台的集中化,只有大平台才能支撑大数据。     

电信运营商大数据业务创新模式

从一些企业大数据重技术、轻应用,重建设、轻运营的问题出发,探讨业务创新对于企业大数据转型的重要性,分析大数据业务创新的特征,结合电信运营商的业务和数据特点,研究适合电信运营商的大数据业务创新模式,设计业务创新支持系统功能框架,提出实施策略建议。     

电信运营商的大数据发展战略

大数据和云计算技术的融合,给运营商带来了技术和业务创新的突破口。为解决IT系统及数据集中后的大数据能力开放问题,文章提出电信运营商混搭的云数据能力开放平台三层架构建议,通过中国联通的大数据业务发展案例分析,探讨运营商数据业务创新转型,最后探索大数据业务运营发展思路,帮助运营商形成共享开放的数据资产与服务能力,创造大数据应用价值。     

数据等效话务和数据流量关系关键问题研究

在电信运营商近年来数据业务分析的基础上,针对电信运营商数据小包业务快速增长的趋势,找出数据等效话务和数据流量的关系。以某地级市运营商数据业务的运营数据为实验测试数据,经过数学分析与比对,找出等效话务量增长高于数据流量的主要原因,提出相应的改进方法和应对策略,为电信运营商下一步优化数据业务提供参考方案。     

大数据背景下运营商建设统一DPI系统的思考

移动数据流量业务逐渐增大,运营商的经营模式正在从“话务量经营”向“流量经营”转变,“大数据经营”将成为运营商的主要发展方向.运营商积极探索DPI技术对于大数据运营的价值和应用方向,制定标准的统一DPI系统规范,为大数据运营提供全面、标准的流量数据.系统分析了传统DPI部署方式存在的弊端,提出建设统一DPI系统对推动运营商大数据发展提供的重要基础数据保障作用.     

基于大数据挖掘的终端换机模型

目前,移动终端已成为运营商维系用户、拓展市场的战略重心,提升移动终端销量、扩大终端规模是各运营商的工作重点。基于数据挖掘技术,从用户属性、终端使用信息、终端搜索访问信息等维度出发,挖掘海量用户行为数据价值,建立终端换机模型,具体包括基于决策树算法的用户换机倾向识别模型和基于聚类算法的终端推荐模型,助力移动终端精准营销。     

电信运营商大数据能力开放平台建设

大数据正加速在各行各业的应用,数据的开放有助于运营商内部的聚合和共享,有助于服务千变万化的应用场景,对运营商开拓新业务具有重要意义.分析了大数据和云计算进行结合的背景,提出面向云计算的大数据开放平台整体架构和核心能力,对大数据开放平台的建设思路进行阐述,并对运营商在具体工程中进行大数据PaaS平台的规划和待解决问题进行阐述,为相关研究人员提供参考.     

共享开放的运营商大数据平台架构研究

当前电信运营商大数据业务模式和应用场景日趋清晰,对内对外大数据应用支撑要求搭建集约和开放共享的大数据平台。Hadoop生态系统的更新与扩展、混合计算模式与内存计算等技术发展为大数据平台建设提供了新的技术思路。文章通过分析运营商大数据建设面临的业务和技术新形势,提出近期运营商大数据平台建设向共享和开放能力平台的演进方向和核心要求,并从总体架构、技术架构等方面详细给出一种集约、融合、开放的运营商大数据平台架构设计方案及其工程实践案例。     

电信运营商大数据对外共享安全管控机制优化研究

目前,大数据安全领域的研究主要集中在大数据基础架构安全技术解决方案以及用户隐私保护方面,缺少从管理角度全面探讨企业大数据对外共享安全管控机制的研究成果。本文深入剖析大数据环境下的电信运营商对外数据共享面临的问题及成因,结合业务特点,梳理出对外部合作单位监管的关键环节,从事前、事中、事后三方面提出了安全管控机制优化建议,对于公司内部大数据安全管理工作具有指导意义,对其他电信运营商或大型国有企业的大数据安全管理工作具有一定的参考价值。     

Evaluation of the Potentials of the Business Case of Deploying Reconfigurable Segments in Wireless B3G Infrastructures

The B3G concept can be realized in two complementary ways. The first solution is the integration of the diverse radio access technologies into one composite radio environment. The alternative solution is provided by the concept of reconfigurable (adaptive) networks. Composite radio networks, sometimes also referred to as cooperative networks, jointly handle a difficult condition. Reconfigurable networks on the other hand, support B3G Systems by providing technologies that enable network elements and terminals to dynamically adapt to the environment requirements and conditions, in principle, by means of self-management. This paper provides proof on the business advantages of reconfigurable networks. In this context the paper performs an evaluation of the investment in both composite radio and reconfigurable networks, presenting a methodology that can be used for the financial assessment of such networks by applying investment appraisal techniques. Concrete results for both cases are presented and analyzed. The analysis clearly proves that reconfigurable networks can provide significant business benefits for network operators.     

基于异构关联的大数据价值密度提升方法

电信大数据通常分散存储在 DPI、OIDD、CRM 等多个系统中,且格式、表述和规则在各系统中互不相同;因而,同一对象在不同系统中的多类数据很难被有效识别及完整利用,大数据分析的样本规模和特征维度严重受限,导致分析结果可信度和准确率下降。提出了电信大数据的异构关联方法与实现架构,并进行了方法的流程举例和验证,从用户维度实现了多系统间的数据融合,优化了诸如用户画像等应用的数据样本空间,从而大幅提升电信大数据价值密度。