移动通信网络中大数据的发展策略研究

唐绍伟

摘 要：随着信息技术与互联网技术的不断发展，移动通信网络中出现了大数据现象，其涵盖了从数据存储到数据处理等多项技术，在云计算的应用领域中发挥着重要的作用。我国人口众多，移动通信网络数据也很多，而且呈现出了逐年增长的趋势，为了更好的利用这些数据，相关运营商必须在大数据时代制定出发展策略，了解大数据与互联网之间的关系，还要突破大数据发展的局限性，满足用户的需求，设计出更多功能强大的应用软件，从而促进企业更好的发展。

关键词：移动通信；网络；大数据；发展；策略

我国拥有全世界最大的移动通信市场，独立的手机用户达到了6.3亿，而活跃的移动连接达到了11.3亿，这说明一个移动用户可能拥有多个SIM卡以及移动设备，随着移动通信行业的不断发展，我国进入了大数据时代，在对海量的数据进行存储时，需要合理的利用这些数据，制定出具有长远意义的发展策略，这样提高企业的竞争力，可以占据用户市场。我国三大运营商都存在网络运营不足的恩特，这主要是因为终端掌控力不足，业务创新比较落后，工作的效率较低，这不利于提高企业的经营效益，需要采取有效的措施解决运营弊端。

1 大数据价值链

在对我国移动通信网络的大数据价值链进行分析后了解到，大数据价值链共有4个阶段，分别是数据产生、数据获取、数据存储于数据分析，第一个阶段是数据的产生渠道，第二个阶段是对数据进行收集、传输与预处理，第三个阶段是对数据的管理，最后一个阶段是对具有潜在价值的数据进行提取，并提供决策支持。下面笔者对大数据价值链的四个阶段进行分别介绍，并对发展策略进行分析与研究，以供参考。

1.1 数据产生

移动通信行业与人们的生活息息相关，随着科技的不断进步，移动通信技术越来越先进，而且给人们的生活带来了较大的便利，为用户提供了较多的数据服务，而且还可以利用移动设备提供互联网业务，手机不单可以作为通信工具，还可以进行交易支付，给人们的生活带来了较大的便利。在对通信记录进行分析后，可以了解用户的通信习惯，移动通信数据的来源主要有3方面，一方面是设备层，一方面是运维层，另一方面是用户层，设备层主要是在对设备进行维护时产生的数据，运维层是管理过程中产生的数据，而用户层主要是移动市场中产生的数据。设备层的数据是以结构化为主，还有网络测量工作中产生的信息，运维层同时存在结构化数据与非结构数据，还包括网络业务统计以及客户的投诉单。用户层不单包括结构化数据与非结构化数据，还包括半结构化数据，用户的基本信息以及终端产品的信息都记录在案，在对这一层数据进行分析后，可以了解到用户的行为习惯。

1.2 数据获取

移动通信网络数据分布在不同的载体中，具有碎片性、多样性等特征，在获取数据时会产生较大的成本，由于数据较为庞大，在分析时有着较大的难度，在获取时有3项步骤，首先是数据采集，然后是数据预处理，最后是数据的传输。数据采集需要利用采集器，主要是对指定的设备或者IP地址进行分析，然后对数据包进行拆包，提取有用的信息。移动用户的数量在不断增多，数据获取的工作量不断增大，为了简化工作，一般需要对网页进行分类，由于数据具有多样性的特点，为了保证数据的质量，保证分析结果的准确性，应对不完整的信息进行剔除，做好数据的转化工作，还要将零碎的数据转化成统一的格式，为了保证数据的准确性，应对错误或者重复的数据进行消除，这也可以节省出存储的空间。

采集的大部分数据往往需要经由IP骨干网传输到数据中心，进行存储。随着数据业务的蓬勃发展，IP骨干网流量带宽需求越来越大。2013年，各运营商开始对骨干网进行大规模扩容，部署100G传输网络。目前，超100G技术也日渐成熟，面对当前流量和带宽的发展趋势，超100G将是未来更合理的选择。数据中心作为通信服务的支撑平台，其架构和现状已无法满足大规模数据的增长和计算要求。各运营商相继发布云战略，开始布局云计算数据中心。在云计算技术的驱动下，未来数据中心将具备小型化、高性能、可靠性、可扩展性及绿色节能等特点。

1.3 数据存储

运营商拥有丰富的数据资源优势，包括用户资料、用户上网数据、呼叫记录数据、网络监控数据等。这些数据只有妥善存储和长期运营，才有可能进一步挖掘其潜在的价值。传统数据仓库无法线性扩容，日益增长的存储需求使得集中存储管理难度加大，成本升高，扩容压力增加，存储效率下降。更重要的是，传统数据仓库难以满足非结构化数据的处理要求。Google提出了GFS、BigTable、MapReduce三项关键技术，推动了云计算的发展和应用。

1.4 数据分析

数据的核心是发现价值，而驾驭数据的核心是分析。分析是大数据研究最关键的环节，尤其对于传统难以应对的非结构化数据。运营商利用自身在运营网络平台的优势，可突破传统运营模式，发展大数据分析服务，提高运营商在企业和个人用户中的影响力。

电信运营商通过丰富的数据资源将数据封装为服务，实现从传统的网络服务提供商向信息服务提供商转型。然而数据分析要逐层深入，切忌盲目分析。电信级的大数据应用可分为2大类：区域价值研究和客户价值研究。其中，区域价值研究旨在精细化运营，增强网络智能管理能力，提升企业战略分析。客户价值研究旨在精准营销，提高客户占有率，提升客户体验。

2 Hadoop应用现状

Hadoop是Apache基金会资助的开源项目，基于Google的GFS和MapReduce思想，开发的一个可支持数据存储和分析的分布式系统基础架构。它可以在大量廉价的硬件设备组成的集群上运行应用程序，能够为应用程序提供一组稳定可靠的接口。

目前，Hadoop已发展为业界公认的开发和处理大数据的软件平台。全球范围内80%的在线旅游网站都在使用Hadoop，美国70%的智能手机数据服务背后都由Hadoop来支撑。随着大数据技术的成熟应用和推广，我国3大运营商业务系统也在加快布局大数据平台。中国移动在Hadoop上部署“大云2.5”大数据PaaS产品，用于业务分析查询和业务挖掘。中国联通将Hadoop技术成功引入用户上网记录集中查询与分析支撑系统。中国电信结合大数据和云计算，在积极开展“智慧城市”的建设。

结束语

在大数据时代，电信、移动、联通运营商必须结合时代发展的要求，制定出具有长远意义的发展战略，利用大数据推动战略的转型是提高企业市场竞争力的有效措施，相关技术人员应了解大数据的特点，然后对数据的产生、获取、存储以及分析技术进行优化，制定出完善、高效的大数据发展体系，这样才能实现业务的创新，才能为企业创造更大的经营效益与发展机会。

参考文献

[1]黄勇军，冯明，丁盛勇，等.电信运营商大数据发展策略探讨[J].电信科学，2013，29（3）：7-11.

[2]张超.云计算和大数据给运营商带来的机遇和挑战[J].电信技术， 2013（9）：22-24.

[3]陈达忠.通信运营商大数据量系统数据存储云化浅谈[J].邮电设计技术，2012（3）：54-57.