
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
在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19