京公网安备 11010802034615号
经营许可证编号:京B2-20210330
挖掘运维大数据,开拓运营新天地_数据分析师考试
在移动互联网快速演进的过程中,运营商市场呈现出三大特征:基础设施越发复杂,网络运维更加动态,业务需求更加个性。从2G到3G时代,通讯技术改变了消费者的生活方式,而进入到LTE和‘网络社会’时代,消费者的需求迫使运营商不断调整运营模式以适应未来的挑战,此时,传统的运维支撑系统,面临的主要挑战不再是规模,而是网络的多元化和用户更高的体验期望,运营商将如何实现运维的自身进化,适应新的生态系统?
运维烟囱加速倒下,数据蓝海提升共享
随着新技术和新业务的加快出现,运营商急于打破现有“烟囱”式构架的OSS系统,正逐步摆脱孤立的系统的束缚并消除专有应用,通过部署具有开放的接口、支持未来SDN、NFV等技术,这些颠覆性的技术带来广阔的想象空间,使得运营商具有全网视野,掌握跨网、跨层、跨域、跨技术和跨厂家等全局信息,但同时,SDN应用并不是一蹴而就,将与传统网络长期共存,逐步演进。因而OSS平滑演进将是一项长期的艰巨任务,这不仅面临技术挑战,还将面临体制、流程、文化和挑战,但我们应该更清楚地认识:这个过程将走向开放和共享的过程。将来,为故障处理提供更有效的支撑,OSS不仅需要提供综合性的报表,还应该具备基于业务级用户级的E2E实时多维视图和分析能力,通过导向式的查询挖掘视图帮助运维人员快递获取信息,保障用户体验,使运维数据真正成为运营商的核心竞争力。为实现运营商增收的夙愿,中兴通讯认为应从基础网络、用户感知和数据挖掘三个方面来入手。运维数据本身就是财富,一个个带着关键信息的bit,在运营商管道中流窜,稍纵即逝,这片数据蓝海中蕴藏着大量的宝藏等待我们去挖掘。
1.越发实用的智能分析
目前大部分OSS系统只显示故障不能显示原因,或提供单个子系统的解决建议,需要人工参与,层层排查。智能化OSS一方面可利用海量的数据仓库对信息、数据、资源、终端进行关联分析,包括触发智能终端进行数据收集或拨测,自动查找故障根节点,分析的深度已经超越传统意义上RCA,找到故障原因的范围可以达到80%~100%,还可以对问题分类统计,为运维人员和客户中心提供及时的分析数据,与配置管理和开通管理系统协同还能实现主动进行自我修复、优化配置,解决潜在的网络故障,保障基础设施的健康与质量。
2.更为准确的智能预测
智能预测是对历史数据做大量的统计学上的规律挖掘,通过大数据的machine learning技术从数据中梳理出具有规律性的事件模型,并用于未来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重大会展活动,我们可以利用所积累的历史网络指标、运维数据及掌握其他信息,如售票情况、天气、交通信息,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。并据此预测网络和业务的配置低于需求可能造成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,能够进一步提高网络资源的动态分配和调度能力,使得HetNet网络面对业务和用户变化更加具有适应性。通过对预测值和实际值的分析,确定预测准确度,并以此做出预测算法及策略的调优,用以预测精度的持续改进。
3.海量数据带来的主动运维
通过数据深度挖掘,高价值小区提前被梳理出来,预测功能呈现未来一周业务量(如用户数、话务量、短信、数量流量等)等性能趋势,自动关注将未来预测超门限的小区,并依据既定的SLA,同时结合性能的未来趋势,预测出未来一周哪些小区的SLA受到动态影响而不达标,进一步临时调整这些小区运维的OLA的级别,以便优先安排这些高价值基站的运维,与电子流程系统协同可以实现自动巡检和派单。运维数据可以横向打通各个子网管理系统,甚至于业务监控中心,实现运维信息立体交换,让运维管理员获得充分的运维关联信息,从而对网络实施故障恢复或优化。
挖掘和共享是运维变革的源动力
传统的OSS系统在封闭的电信系统框架下经历了多次变革证明是不成功,SDN、NFV将机会真正带到了现实,共享的智能运营通过对网络和业务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,同时大数据技术成为智能运营各环节所需的核心技术。目前各大公司已经启动大数据价值挖掘的研究,其中,运维数据相关分析只是数据价值激活的冰山一角,更多的业务数据整合和动态关系建模将是运营商长期的工作重点,将现在运营商分散分布在BOSS系统、CRM系统、终端信息库、信令监测系统、OSS系统中的信息进行有效的整合和挖掘将是下一阶段最重要的方向。
竞争的加剧使得运营商必须不断提升服务水平,应对运维成本飙升等问题,数据挖掘与共享是大势所趋,从而能更有效支撑流程再造和资源共享,同时解决网络、技术和组织复杂性问题。
ROSE为下一代运维护航
中兴通讯的智能运维解决方案,将与自主研发的ROSE(Revolution Operation Support Environment)运维工具支撑平台实现数据共享、融合创新。
“纲举目张”,中兴通讯基于先进的运维模式,通过自研、与业界一流厂家联合开发的方式打造出全网络全业务运营支撑系统NetNumen? ROSE,涵盖了从网络规划、运营就绪、业务开通、运维管理的全程支撑,并根据运营商实际运营情况定制化综合解决方案,是更加易用、智能、开放的可视化运营支持系统。[保留可视化运营支撑系统]ROSE满足运营商基于业务服务为中心获得跨专业、端到端的卓越体验保障,降低了新技术新业务带来的维护难度,快速实现效率提升和运维集约转型。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI实操中,函数是实现数据清洗、建模计算、可视化呈现的核心工具——无论是简单的数据筛选、异常值处理,还是复杂的度量 ...
2026-02-13在互联网运营、产品迭代、用户增长等工作中,“留存率”是衡量产品核心价值、用户粘性的核心指标——而次日留存率,作为留存率体 ...
2026-02-13对CDA(Certified Data Analyst)数据分析师而言,指标是贯穿工作全流程的核心载体,更是连接原始数据与业务洞察的关键桥梁。CDA ...
2026-02-13在机器学习建模实操中,“特征选择”是提升模型性能、简化模型复杂度、解读数据逻辑的核心步骤——而随机森林(Random Forest) ...
2026-02-12在MySQL数据查询实操中,按日期分组统计是高频需求——比如统计每日用户登录量、每日订单量、每日销售额,需要按日期分组展示, ...
2026-02-12对CDA(Certified Data Analyst)数据分析师而言,描述性统计是贯穿实操全流程的核心基础,更是从“原始数据”到“初步洞察”的 ...
2026-02-12备考CDA的小伙伴,专属宠粉福利来啦! 不用拼运气抽奖,不用复杂操作,只要转发CDA真题海报到朋友圈集赞,就能免费抱走实用好礼 ...
2026-02-11在数据科学、机器学习实操中,Anaconda是必备工具——它集成了Python解释器、conda包管理器,能快速搭建独立的虚拟环境,便捷安 ...
2026-02-11在Tableau数据可视化实操中,多表连接是高频操作——无论是将“产品表”与“销量表”连接分析产品销量,还是将“用户表”与“消 ...
2026-02-11在CDA(Certified Data Analyst)数据分析师的实操体系中,统计基本概念是不可或缺的核心根基,更是连接原始数据与业务洞察的关 ...
2026-02-11在数字经济飞速发展的今天,数据已成为核心生产要素,渗透到企业运营、民生服务、科技研发等各个领域。从个人手机里的浏览记录、 ...
2026-02-10在数据分析、实验研究中,我们经常会遇到小样本配对数据的差异检验场景——比如同一组受试者用药前后的指标对比、配对分组的两组 ...
2026-02-10在结构化数据分析领域,透视分析(Pivot Analysis)是CDA(Certified Data Analyst)数据分析师最常用、最高效的核心实操方法之 ...
2026-02-10在SQL数据库实操中,字段类型的合理设置是保证数据运算、统计准确性的基础。日常开发或数据分析时,我们常会遇到这样的问题:数 ...
2026-02-09在日常办公数据分析中,Excel数据透视表是最常用的高效工具之一——它能快速对海量数据进行分类汇总、分组统计,将杂乱无章的数 ...
2026-02-09表结构数据作为结构化数据的核心载体,其“获取-加工-使用”全流程,是CDA(Certified Data Analyst)数据分析师开展专业工作的 ...
2026-02-09在互联网产品运营、用户增长的实战场景中,很多从业者都会陷入一个误区:盲目投入资源做推广、拉新,却忽视了“拉新后的用户激活 ...
2026-02-06在机器学习建模过程中,特征选择是决定模型性能的关键环节——面对动辄几十、上百个特征的数据(如用户画像的几十项维度、企业经 ...
2026-02-06在CDA(Certified Data Analyst)数据分析师的日常实操中,表格结构数据是贯穿全流程的核心载体,而对表格数据类型的精准识别、 ...
2026-02-06在日常办公数据分析中,我们经常会面对杂乱无章的批量数据——比如员工月度绩效、产品销售数据、客户消费金额、月度运营指标等。 ...
2026-02-05