基于大数据和AI的网络效能评价体系

1 概述

随着网络技术的不断演进和通信行业竞争日益激烈，网络运营管理面临由“维护网络、关注质量”向“经营网络、关注效能”的运维新时代转型问题，如何提高劳动效能、激发人员潜能，助力公司走出高质量、高效能发展之路成为网络运营管理的一项重要课题。中国联通山东分公司积极探索，以效能改善为目标，以业务为维护效能评价的核心驱动要素，面向战略和转型需要，基于现有人员情况，采用大数据分析和AI智能算法等创新手段，构建基于网络资源、业务收入、用户规模、地理分布等多维度基础数据，建立网络维护运营量化配置模型，引导全省网络维护线优化人员配置、调整人员结构、推进复用高效、激发队伍活力。

2 网络运营维护效能体系存在的问题

2.1 维护力量配备与网络演进不匹配

随着网络智能化演进，网络自动化维护作业能力大幅提升，现有人员仍按照传统的维护作业计划配置，人员配置过剩、维护效率低的情况日益突出，急需一套适应网络技术和企业发展需要的效能配置模型。

2.2 人员缺乏统一的配置标准

中国联通山东分公司现有维护人员7 000 余人，各市公司在实施网络维护划小改革后，仍存在人员冗余、配置不均的问题，现有人员配置多继承历史因素，各地（市）、县区之间维护效率差距较大，缺乏统一的效能评价和配置标准，效率提升优化没有明确的目标。

3 建立网络维护效能评价体系

3.1 统一评价原则

a）统一标准原则。全省按照统一的职责界面、支撑流程、业务承载进行人员效能分析建模，便于纵向管理穿透。

b）复合建模原则。从网络资源、用户规模、收入规模等多维度建立复合配置模型，利于综合量化分析。

c）标杆引领原则。尊重人员现状，通过对标分析，开展全量评价，在全省平均生产效能基础上，运用效能取优的算法，激发员工活力。

d）数据强支撑原则。充分依托互联网化的管理手段，测算关键数据有系统支撑的，均从各类维护管理支撑系统提取，实现信息化支撑使能，控制数据测算风险，避免人为因素导致的测算偏差。

3.2 运用互联网化思维方式开展运维效能分析建模

充分考虑人员灵活复用、机构差异设置、能力锯齿分布的现状，消除单专业维护偏离度，发挥运维线整体协同效应，按照以下步骤对市公司本部（含城区）、县公司分别进行整建制建模分析。

a）优选关键效能参数。按照维护动作聚焦、数据准确性验证、误差数据淘汰的步骤，甄选网络维护效能评价的关键效能参数。

b）开展大数据效能分析。根据现有人员配置情况，通过大数据分析算法和AI 智能建模，进行效能评价分析，制定效能标杆。

c）聚类标杆配置模型。根据大数据分析效能评价结果，运用AI 机器学习，结合多维度参数智能模拟测算人员配置。

3.3 县公司聚类分析建模

全省共123个县公司，由于样本量较大，采用聚类分析建模，创造性地建立W-IUT 分析模型，确定标杆规则。

采用多维度星型建模方式，建立W-IUT 效能分析模型，依托大数据分析，量化县公司维护产能。按照紧密衔接业务支撑需求、综合考量维护管理难度的原则，选取收入规模、用户规模、地域分布3 个元素作为聚类特征，将全省县区公司分为3 类。按照工作量强相关、维护可量化、系统强支撑的原则，以设备量、光缆长度、机房数量等主要影响因素为效能评价模型，3类县（区）公司分别建模。W-IUT 效能分析模型如图1所示。

图1 W-IUT效能分析模型

3.3.1 对特征数据进行标准化，运用标准化算法将各维度特征数据统一到同一维度

收入规模、用户规模、地域分布3种聚类特征间的数据分布相差很大，如果直接进行分析会突出数值较高的指标在综合分析中的作用，从而使各个参数以不等权参与运算，因此，在聚类前，先对数据进行预处理，对各参数进行无量纲化处理，消除量纲影响和变量自身数值大小的影响，将不同维度的数据去量纲后归纳到同一维度上进行评价。综合考虑，采用数据处理中的标准化（Standard）算法，对原始数据进行标准差标准化，得到均值为0，标准差为1的数据序列，标准化后的数据符合标准正态分布，使分类结果更加合理。

式中：

X_mean——样本数据的均值

δ——样本数据的标准差

特征数据计算规则如表1所示。

表1 特征数据计算规则

使用sklearn进行标准化，代码如下：

处理后得到标准化后的用户规模、地域分布、业务收入数据。

3.3.2 县（区）网格聚类，运用标准化后的特征数据对县（区）进行分类

在3 个特征标准化基础上，采用K-means++算法进行聚类分析。

步骤1：随机选取一个样本作为第1 个聚类中心c1。

步骤2：计算每个样本与当前已有聚类中心最短距离（即与最近一个聚类中心的距离），用D（x）表示。这个值越大，表示被选取作为聚类中心的概率较大。最后，用轮盘法选出下一个聚类中心。

步骤3：重复步骤2，直到选出k个聚类中心。

使用sklearn进行聚类，使用pyecharts进行绘图，

（115）双齿异萼苔 Heteroscyphus coalitus（Hook.）Schiffn. 赵文浪等（2002）；黄娟等（2003）；熊源新等（2006）；杨志平（2006）；马俊改（2006）；李粉霞等（2011）

代码如下：

生成效果如图2所示。

图2 区县聚类

通过以上算法，将全省123 个县（区）网格按照类别特征相近的原则，划分为3 类。第1 类，收入和等效用户数较少，机房密度较大；第2 类，收入和等效用户数较多，机房密度较大。第3类，收入和等效用户数较少，机房密度较小。

3.3.3 关键因子建模，在各分类中使用关键因子确定标杆

按照W-IUT 效能分析模型，在对123 个县（区）网格进行聚类分析后，根据与日常维护生产动作强相关、数据可量化的原则，选取归纳网格日常维护具体工作量化特征，优选5个关键建模因子，作为大数据分析建模的基础，分别在3 个类别的县（区）中进行AI 建模。县区关键因子如表2所示。

表2 县区关键因子

以效能优化为引导，取效能较优的80%县（区）作为标杆，进行机器学习建模，将各县区网格的Worklord关键五因子输入后，直接输出每个县（区）的结果。

使用多元线性模型，分别对3 类县区公司进行建模，每类县区公司选取效能较优的80%作为标杆。

图3 全省县区效能分析

经过测算，需减配人员的县区网格共70 个，不增不减的县区网格10 个，需增配人员的县（区）网格43个。

3.4 市公司本部效能分析建模

市公司本部，包括本部核心侧维护人员和城区末梢维护人员，考虑到AI 智能分析样本量较小，采用分类方式易产生较大偏差，直接采用多维度复合测算的方式。

3.4.1 采用多维度复合归一化算法

市区效能分析包括市本部核心侧维护人员和城区末梢维护人员，采用多维度复合测算的方式，梳理其维护职责、工作内容、量化特征，优选11个关键建模因子［x1，x2…x11］，使用线性归一化算法，确定各因子的系数［a1，a2…a11］，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位和量级的11个因子进行比较和加权，根据效能指标计算人员配备比例。地（市）效能指标计算方式如下：

11个关键建模因子如表3所示。

根据不同专业维护特性，按照强相关的原则，针对不同因子钻取不同口径数据。宽带端口数、本地网光缆皮长、等效机房数量中的汇聚机房、综合接入机房和自有基站机房采用城区数据，其他因子采用全市数据。

3.4.2 以效能优化为引导，取效能较优的14个市公司作为标杆

通过机器学习建模，将各市区11个维度关键因子输入后，得到初步分析结果。

Python代码如下：

表3 市区关键因子

17个市公司需减配人员的有10个市公司，不增不减的有1个市公司，需增配人员的有6个市公司。

4 运用效能评价体系引领整体效能提升

以“全面提升网络运营效能、提升人均维护效能、优化运维人员配置、激发基层员工活力”为目标，结合网络维护划小改革，制定效能优化的合理路径。

a）现有人员数量>优化目标。

路径一：精简现有人员至优化目标。结合维护认证上岗工作的开展，淘汰认证不通过的低效能、低技能人员，让不适应维护工作的人员退出维护专业线，提升维护质量和维护效率。

路径二：按照优化目标人数核减绩效包。继续实施量化薪酬抢包，按照优化目标人数绩效薪酬的一定比例核减绩效包，以工作量核定绩效，实现多劳多得，不劳不得，解决“闲人”的问题。

b）现有人员数量<优化目标。

路径一：补充人员至优化目标。通过校园招聘、社招、其他人员转岗、外包等方式，将通过维护认证的人员补充维护专业线，满足工作需求。

路径二：按照优化目标人数核增绩效包。按照需补充的人员对应的绩效薪酬，取一定比例投入抢包薪酬池，鼓励现有人员继续发挥“能人”效应，高效运转，实现企业员工双赢。

5 结束语

山东联通顺应互联网化转型的大趋势，充分挖掘现有人员、资源、业务数据，创新性地建立基于大数据分析和AI智能算法的运维效能评价模型，通过多维度分析建模，制定各市、县人员配置标杆，引导全省维护人员优化维护效能，预计全省运维人员劳动生产效率提升10%，全面提升网络维护管理效益，助力公司高效能发展。