
中国普天构建“智慧”4G业务大数据支撑体系
随着4G和移动互联网时代的到来,中国移动互联网业逐渐步入大数据时代,同时也开启了行业发展的“数字金矿”。中国普天所属企业东信北邮信息技术有限公司(简称普天东信北邮)立足于电信、移动互联网领域的大数据现网实践,应用数据采集、数据加工、分布式计算、数据挖掘、可视化展示等技术,打造直接具备生产能力、实时能力、决策能力、开放能力的智慧型BI产品体系,释放大数据价值。
在4G环境下,业务的典型特征是容量大、速度快、实时性视频传输稳定,更适合移动互联网时代用户的业务需求,同时也对流量管控、流量服务、用户行为分析等精准化运营提出更高要求。针对这些特征与趋势,普天东信北邮提出“一个平台,四个体系”的4G业务大数据支撑体系管理理念,提供以大数据为基础的智能、灵活、开放的运营支撑平台,实现4G业务数据采集、存储、计算,能有效支撑上层应用。
其中,“一个平台”即指打造海量数据采集、计算、管理、应用支撑的大数据平台,实现决策支撑和数据生产。整合运营商通信、计费、云存储等基础能力和分散在传统业务中认证、适配等业务能力,以及用户统计级行为数据,形成运营商独有的产业平台,并将能力和数据开放,实现电信产品和服务的延伸。
“四个体系”则包括构建基于用户共享的用户行为分析体系;构建个性、实时、一体化流量服务体系;基于大数据分析,实现流量智能管控支撑体系;建立“大数据、超细分、微营销”营销服务支撑体系。
构建基于用户共享的用户行为分析体系
流量共享是4G业务主要特征之一,由此衍生多用户共享、多终端共享的群体性行为,且流量使用者和购买者出现隔离。东信北邮针对该行为特点,建立多终端分析体系、购买者和使用者协同分析体系。其中,多终端分析体系引入UA信息,弥补以IMEI为核心的手机终端分析体系的不足,建立全终端分析体系,满足4G和移动互联网时代多终端接入的需求。购买者和使用者协同分析体系则基于用户真实使用终端,通过对用户位置、时间、交往圈、UA等信息多层筛选,还原真实使用者号码,解决特定产品(购买者和使用者可分离)营销分析难题,形成了基于购买者和使用者协同分析的创新营销分析模式。
构建个性、实时、一体化流量服务体系
构建个性、实时、一体化流量服务体系,有效解决用户流量类投诉和咨询,提升4G和移动互联网时代用户体验与满意度。
东信北邮针对流量投诉场景,采用“三步走”策略,向客服人员提供套餐使用情况、流量结构分析和流量清单查询,逐层剖析流量使用情况,解决流量投诉和质疑。
基于大数据分析,实现流量智能管控支撑体系
基于用户、业务等分析成果提供PCC智能策略支撑能力,实现互联网智能化QoS运营,力求资源利用率最大化,促进收益最大化。
从精准营销平台、经营分析等应用系统提取分析数据,再结合闭环评估的结果,生成针对流量的营销服务策略、统一交互策略(如PCC流量管控策略)和运营保障策略(如网络优化策略),动态支撑各营销渠道、网络侧PCRF、OSS域网络平台的执行,最终对执行效果和策略进行评估,更新策略中心,实现智能、闭环的策略管理。
建立“大数据、超细分、微营销”营销服务支撑体系
随着4G时代和移动互联网时代的到来,新业务、新产品层出不穷,用户的需求表现出越来越强的个性化特征,未来移动互联网的发展越来越取决于用户需求拉动。而普天东信北邮4G业务大数据支撑体系能够助力用户实现自助分析、智能精准策略匹配、智能化精准化流程以及服务能力整合与输出。即以超细分的用户标签为基础,实现用户群的自助式多维分析和需求探索,培养业务人员自助分析习惯和用户洞察能力;打造策略匹配中心,实现“客户-产品”和“产品-客户”的双向自动超细分的精准策略匹配;通过进一步完善营销规则管理,加强渠道协同及渠道触点的统一管理,既提升营销效率,又促成对用户的合理接触,同时,系统具备数据开放的能力,并向各外部平台提供服务能力。
同时,普天大数据产品的建设基于“半定制化”的理念,具备个性化服务、精细化营销、数据化运营、科学化管理、商业化分享等特点。截至目前,普天东信北邮大数据产品累计服务6.2亿名用户,为4.8亿名用户提供个性化推荐服务,为3.4亿名用户提供精准营销服务。4G业务大数据支撑体系也已在多地落地商用,其中流量经营方案助力浙江移动获得“中国移动2012年流量经营集团竞赛”第一名,并开拓了4G和移动互联网时代产品多终端分析、流量共享创新分析模式,作为优秀模型在全集团推广。未来,普天东信北邮将继续与运营商伙伴开展深入合作,研究并应用大数据关键技术,对移动通信信息服务领域持续生成的业务数据、用户数据和网络数据进行分析挖掘,并将产生的结果应用于业务和支撑系统中,实现对用户行为数据的深入分析和挖掘。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29