京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在MySQL数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-09-10在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02