当前位置:大数据业界动态 → 正文

爱立信大数据辅助智能运营

责任编辑:editor004 |来源:企业网D1Net  2014-08-19 13:38:53 本文摘自:C114中国通信网

随着移动互联网和智能终端的兴起,网络、用户、终端和业务产生的数据呈现爆炸式增长。与此同时,电信消费需求呈现出多样化和个性化的特征,客户体验好坏、业务提供灵活度和丰富度逐步替代网络指标成为运营实力的首要衡量指标。电信运营正在经历以网络为中心的运营模式向着以业务和客户为中心的运营模式的深刻变化。

智能运营就是以提高客户体验为中心,通过对网络和业务的端到端实时监控、对用户行为的细致洞察、对网络-业务-终端-用户的综合关联形成智能监控、智能预测以及智能保障,从而实现完整的智能运营体系,实现高效运营,提升运营收益。运用大数据技术对运营过程中涉及到的大量、复杂、快速生成的数据进行收集、分析、共享和应用成为智能运营各环节所需的核心技术。

在智能运营的闭环系统中,智能监控是智能运营的基本和支撑环节,其所涉及的数据来源广泛、即时性要求高、处理逻辑复杂,合理选用大数据方案可以有效提升该环节的处理能力。

复杂并行计算助力智能监控

智能监控强调主动观察和洞悉网络、用户、业务所处的状态及表现,向运营中心进行反馈并有目的地分析处理数据背后所隐含的因果或影响关系,以便业务保障环节定位问题和实施保障。

以移动业务体验监控这一典型场景为例,系统需要从移动终端、移动网内部和移动网到英特网的网关同时收集与业务使用有关的控制面与用户面的信息,包括无线和核心网的信令数据、无线环境测量报告、移动到英特网网关的流量和应用统计等多源数据。这些数据经过必要的清洗、聚合和关联后可以计算出反映业务体验质量的KPI(Service KPI)。同时对于导致业务质量下降的原因做匹配分析,实现故障原因定位。

这里涉及到三个技术难点:数据的即时性、多样性以及复杂关联分析。

数据的即时性意味着大量数据同时生成于一个或多个地方,这需要强大的并行数据处理能力。大数据的典型技术Hadoop通过提供HDFS和MapReduce实现分布式存储和计算,这种集群式处理可以很好地解决大量实时数据的处理难题。数据的多样性意味着数据没有统一的结构,甚至是非结构化,这种数据的特点使传统的数据仓库和关系型数据库难以发挥作用。Hadoop由于具备极大的可扩展性,能够很好地应对结构化和非结构化数据并存的处理需求。

  图2. 复杂并行计算辅助端到端业务监控

尽管Hadoop提供了基本的大数据平台来满足数据处理效率和兼容性的要求,但对于需要复杂处理逻辑的分析应用,比如业务体验监控中的用户会话状态的关联分析和指标计算,需要引入规则引擎技术。爱立信基于对所处理数据及处理需求的深刻理解,设计出适合业务及网络监控的优化的规则引擎组件,可以将处理规则与数据模型进行匹配,在一定的状态机的范围内进行具备复杂逻辑的关联分析和计算。这是单纯IT厂商所欠缺的技术能力。

机器学习助力智能预测

智能预测是对历史数据做大量的统计学意义上的规律发现,通过大数据的机器学习(machine learning)技术从数据中梳理出具有规律性的事件发生模型,并用于未来某些事件发生与否的预判和防范。具体来说,对于某些体育赛事或者文艺活动,我们可以利用所积累的历史数据及目前掌握的场地和售票基本信息对即将发生的此类活动做出可能的网络故障和业务质量的预测。并据此推算哪些网络和业务的配置低于需求并会造成资源投放不足和客户体验方面的风险。这种预测的能力如果和NFV以及SDN等技术相结合,可以提高网络资源的动态分配和调度水平,使得网络面对业务和用户的变化变得更加具有弹性和适应性。

  图3. 机器学习辅助实现重大事件业务质量趋势预测

数据共享助力智能保障

智能保障根据智能监控和智能预测所获得对网络和业务现在和将来的判断,利用大数据的共享数据技术向其他网络部分及支撑系统发送有效信息,驱动这些网络及支撑系统实现网络及业务的协同优化。这里简要分析两类典型的智能保障应用场景。

1.避险式业务保障

一个典型的移动网络基本上由无线网、核心网以及承载网所组成。由于每个子网由各自的网管系统所管理,相互间的数据交换十分有限,这会导致当承载网出现连接故障时其所支撑的无线或者核心网元也会出现连接问题,进而导致使用该部分网络的用户和业务出现明显的体验下降甚至严重的通讯中断情况。共享数据技术可以横向打通各个子网管理系统和业务监控中心,实现管理信息交换,使得管理员在监控到业务质量降质的同时获得相关子网故障的关联信息,从而对网络实施故障恢复或优化,解决问题,恢复服务。

2.差异化业务保障

通过共享数据技术将客户关系管理系统、业务监控中心和智能策略中心相连通,实时监控用户业务体验状态比如视频的吞吐量、重传、中端等指标,再从客户关系管理系统获得用户和业务签约等级信息,向智能策略中心发出调整业务等级的指令,从而实现用户业务的差异化保障。

共享数据技术是实现以上保障能力的必要基础,来自各个网络子系统和OSS、BSS的业务和资源数据很多,但只有那些对具体运营管理有价值的数据才有必要进行信息的提取和共享。在具体的共享平台建设中,科学合理地构建共享信息模型是成功的关键。

大数据技术不是运营智能化改造的目的而是条件

大数据技术逐步应用于智能运营的实践是电信行业的共识和趋势。国内外很多运营商也已经或者计划利用大数据技术改造现有的运营中心来迎接数据和信息爆炸增长带来的挑战,提高业务的竞争力和保障能力。但大数据技术不是运营改造的目的而是实现运营改造的条件和基础。真正改造的目的一定是基于充分发现数据价值之上的新的运营手段和能力。从移动互联网和业务出发,从对数据本身的理解和认识出发,有效把控和运用各类信息,适应不断变化的应用场景,才能真正推动智能运营从理论变为现实。

关键字:多源数据智能监控NFV

本文摘自:C114中国通信网

x 爱立信大数据辅助智能运营 扫一扫
分享本文到朋友圈
当前位置:大数据业界动态 → 正文

爱立信大数据辅助智能运营

责任编辑:editor004 |来源:企业网D1Net  2014-08-19 13:38:53 本文摘自:C114中国通信网

随着移动互联网和智能终端的兴起,网络、用户、终端和业务产生的数据呈现爆炸式增长。与此同时,电信消费需求呈现出多样化和个性化的特征,客户体验好坏、业务提供灵活度和丰富度逐步替代网络指标成为运营实力的首要衡量指标。电信运营正在经历以网络为中心的运营模式向着以业务和客户为中心的运营模式的深刻变化。

智能运营就是以提高客户体验为中心,通过对网络和业务的端到端实时监控、对用户行为的细致洞察、对网络-业务-终端-用户的综合关联形成智能监控、智能预测以及智能保障,从而实现完整的智能运营体系,实现高效运营,提升运营收益。运用大数据技术对运营过程中涉及到的大量、复杂、快速生成的数据进行收集、分析、共享和应用成为智能运营各环节所需的核心技术。

在智能运营的闭环系统中,智能监控是智能运营的基本和支撑环节,其所涉及的数据来源广泛、即时性要求高、处理逻辑复杂,合理选用大数据方案可以有效提升该环节的处理能力。

复杂并行计算助力智能监控

智能监控强调主动观察和洞悉网络、用户、业务所处的状态及表现,向运营中心进行反馈并有目的地分析处理数据背后所隐含的因果或影响关系,以便业务保障环节定位问题和实施保障。

以移动业务体验监控这一典型场景为例,系统需要从移动终端、移动网内部和移动网到英特网的网关同时收集与业务使用有关的控制面与用户面的信息,包括无线和核心网的信令数据、无线环境测量报告、移动到英特网网关的流量和应用统计等多源数据。这些数据经过必要的清洗、聚合和关联后可以计算出反映业务体验质量的KPI(Service KPI)。同时对于导致业务质量下降的原因做匹配分析,实现故障原因定位。

这里涉及到三个技术难点:数据的即时性、多样性以及复杂关联分析。

数据的即时性意味着大量数据同时生成于一个或多个地方,这需要强大的并行数据处理能力。大数据的典型技术Hadoop通过提供HDFS和MapReduce实现分布式存储和计算,这种集群式处理可以很好地解决大量实时数据的处理难题。数据的多样性意味着数据没有统一的结构,甚至是非结构化,这种数据的特点使传统的数据仓库和关系型数据库难以发挥作用。Hadoop由于具备极大的可扩展性,能够很好地应对结构化和非结构化数据并存的处理需求。

  图2. 复杂并行计算辅助端到端业务监控

尽管Hadoop提供了基本的大数据平台来满足数据处理效率和兼容性的要求,但对于需要复杂处理逻辑的分析应用,比如业务体验监控中的用户会话状态的关联分析和指标计算,需要引入规则引擎技术。爱立信基于对所处理数据及处理需求的深刻理解,设计出适合业务及网络监控的优化的规则引擎组件,可以将处理规则与数据模型进行匹配,在一定的状态机的范围内进行具备复杂逻辑的关联分析和计算。这是单纯IT厂商所欠缺的技术能力。

机器学习助力智能预测

智能预测是对历史数据做大量的统计学意义上的规律发现,通过大数据的机器学习(machine learning)技术从数据中梳理出具有规律性的事件发生模型,并用于未来某些事件发生与否的预判和防范。具体来说,对于某些体育赛事或者文艺活动,我们可以利用所积累的历史数据及目前掌握的场地和售票基本信息对即将发生的此类活动做出可能的网络故障和业务质量的预测。并据此推算哪些网络和业务的配置低于需求并会造成资源投放不足和客户体验方面的风险。这种预测的能力如果和NFV以及SDN等技术相结合,可以提高网络资源的动态分配和调度水平,使得网络面对业务和用户的变化变得更加具有弹性和适应性。

  图3. 机器学习辅助实现重大事件业务质量趋势预测

数据共享助力智能保障

智能保障根据智能监控和智能预测所获得对网络和业务现在和将来的判断,利用大数据的共享数据技术向其他网络部分及支撑系统发送有效信息,驱动这些网络及支撑系统实现网络及业务的协同优化。这里简要分析两类典型的智能保障应用场景。

1.避险式业务保障

一个典型的移动网络基本上由无线网、核心网以及承载网所组成。由于每个子网由各自的网管系统所管理,相互间的数据交换十分有限,这会导致当承载网出现连接故障时其所支撑的无线或者核心网元也会出现连接问题,进而导致使用该部分网络的用户和业务出现明显的体验下降甚至严重的通讯中断情况。共享数据技术可以横向打通各个子网管理系统和业务监控中心,实现管理信息交换,使得管理员在监控到业务质量降质的同时获得相关子网故障的关联信息,从而对网络实施故障恢复或优化,解决问题,恢复服务。

2.差异化业务保障

通过共享数据技术将客户关系管理系统、业务监控中心和智能策略中心相连通,实时监控用户业务体验状态比如视频的吞吐量、重传、中端等指标,再从客户关系管理系统获得用户和业务签约等级信息,向智能策略中心发出调整业务等级的指令,从而实现用户业务的差异化保障。

共享数据技术是实现以上保障能力的必要基础,来自各个网络子系统和OSS、BSS的业务和资源数据很多,但只有那些对具体运营管理有价值的数据才有必要进行信息的提取和共享。在具体的共享平台建设中,科学合理地构建共享信息模型是成功的关键。

大数据技术不是运营智能化改造的目的而是条件

大数据技术逐步应用于智能运营的实践是电信行业的共识和趋势。国内外很多运营商也已经或者计划利用大数据技术改造现有的运营中心来迎接数据和信息爆炸增长带来的挑战,提高业务的竞争力和保障能力。但大数据技术不是运营改造的目的而是实现运营改造的条件和基础。真正改造的目的一定是基于充分发现数据价值之上的新的运营手段和能力。从移动互联网和业务出发,从对数据本身的理解和认识出发,有效把控和运用各类信息,适应不断变化的应用场景,才能真正推动智能运营从理论变为现实。

关键字:多源数据智能监控NFV

本文摘自:C114中国通信网

电子周刊
回到顶部

关于我们联系我们版权声明隐私条款广告服务友情链接投稿中心招贤纳士

企业网版权所有 ©2010-2024 京ICP备09108050号-6 京公网安备 11010502049343号

^