GuilinDev
Bigdata In Industry
29 August 2020
大数据在电信行业的应用
过去数十年来，通信领域中，尤其是服务提供商（communications service provider, CSP）已传输并收集了大量有关客户呼叫模式，无线数据使用，位置，网络带宽统计信息甚至移动设备访问的单个应用程序和网页的信息。
在如此庞大的数据基础上，大数据技术正在彻底改变这个领域。包括Hadoop，流式处理和机器学习之类的工具厂商开辟了新的机遇，可以从以前难以理解的数据集中获得见解。 大数据技术与云计算相结合，使电信公司能够发现重要的信息，包括基础架构和客户的新认识，这些新认识也导致了开展相关业务方式的巨大变化。
价值链的影响
大数据分析为决策带来了巨大价值，并提供了更准确和可操作的见解，最终有助于建立竞争优势和更有效的成本结构。与传统的数据仓库技术相比，大数据为通信行业提供了以下优势/机遇：
-
为将来的需求做好网络准备：大数据帮助企业利用其网络中的可用信息，以使得到优化和可扩展。可以通过实时分析网络流量来帮助优化路由和服务质量。 从智能手机的角度监察网络有助于显示需要改进的领域。例如对拥有具有3G功能的智能手机用户的补丁，可以在智能分析的基础上确定在2G上运行其设备的重大改进方法，这也适用与4G/5G。 分析用户行为也可以在理解如何更好地交付媒体内容方面发挥重要作用，从而直接影响用户体验。
-
了解客户体验：大数据可以更轻松地从网络数据和社交媒体信息中详细了解客户，从而进一步帮助建立以客户为中心的KPI。 例如，大数据应用可以在客户呼叫中心部署，以更好地回答和解决客户对电话的关注，并允许他们立即灵活而有利地修改订户呼叫计划。 再比如，使用基于位置的大数据技术可以为个别客户量身定制营销活动。
它们也可以在网络运营中心（NOC）中使用，以发现并处理较大用户群的任何问题。如果相关，可以实时收集有关用户体验的信息。 例如，呼叫中心工作人员可以查看电话上的客户在特定位置还是在使用特定服务时是否遇到了问题。结果是改善了客户服务，提高了客户满意度， 并降低了客户流失率。大数据还可以帮助实时分析呼叫数据记录，以立即识别欺诈行为等等。
挑战
别的行业行业几乎不能从电信业中获得更多的收益和大数据收益，虽然已经收集大量有关客户呼叫模式，无线数据使用，位置，网络带宽统计信息甚至移动设备访问的单个应用程序和网页的信息，但离变现还有距离。
宏观层面上，大数据从3V角度对通信行业带来的挑战：
-
Variety：社交媒体网络，连接的设备，政府门户，呼叫数据记录，计费信息等，会产生大量数据，如上图。来自不同来源的大多数数据都是非结构化的。 电信运营商需要在其呼叫数据记录（CDR）上添加其他信息，例如基于位置的服务，财务信息等，以便为商业智能平台标准化数据，然后才能对其进行分析。
-
Velocity: 通信行业数据生成非常快，要从该数据中获取价值，需要在适当的时间范围内对其进行处理。 如此庞大的数据量要求各种功能具有新的实时操作能力，进而需要增加数据存储g量以实现法规遵从性和潜在的未来用途，以及需要在可用时间范围内中介，管理和存档数据的新工具。
-
Complexity: 由于缺少用于存储数据的标准格式，因此用户生成的数据大多是非结构化且复杂的。传统网络和存储设备没有任何特定格式来存储与高级分析有关的数据。 数据随人口统计，地理位置，生活方式等而变化。如果未正确过滤数据，则可能会得到无价值的结果。
微观层面上，大数据分析通信行业还面临别的挑战：
大数据分析需要专业的数据科学家，他们需要了解数据分析技术并将其与电信运营商的业务目标相结合。 数据分析的基础架构需要高计算能力和存储空间。它还需要灵活性来分析不同格式的数据。电信运营商往往会忽略这些要求，因为它不是其核心业务的一部分，而且还避免了更多的资本支出。 将历史数据从旧系统过渡到新系统是一个挑战。数据质量也是障碍，因为不同的设备会提供不同格式的数据。数据可能不准确，并且保持适当的数据质量对于每个公司来说都是一项艰巨的任务。 治理和隐私问题是其他主要挑战，因为客户不愿共享其个人数据。政府政策和法规限制运营商只能独立使用数据。 到现在为止，我们在采用大数据解决方案微观和宏观水平时已经了解了大数据的优势和电信运营商的挑战。在下一个博客中，我将尝试解释有关大数据架构以及与之相关的各种术语的更多信息。