數據業務多維度優化研究及系統設計

【摘要】本文主要介紹在數據業務流量快速增長、業務種類層出不窮、用戶終端種類繁多的網絡環境下，如何通過多維度數據優化方法來提升用戶的滿意度。由于數據流量的增長，傳統的手工優化分析方法已經不再適用，需要設計一套數據優化分析系統來處理大規模的網絡數據。本文將從這兩個方面介紹數據業務多維度優化方法和優化系統的設計。

【關鍵詞】多維度分析5W分析投訴診斷信令回溯

一、引言

數據業務近年發展快速，數據流量不斷創高峰，給現網資源造成極大壓力。同時隨著業務量的增加，業務種類的不斷增加，網絡資源的不足，以及智能終端的多樣化造成用戶感知下降，產生大量投訴。這種情況需要對數據業務進行全方位的評估分析，發現影響數據業務的根本原因，進行及時優化調整。面對高速的數據業務量流量和復雜的數據網絡環境，傳統的通過使用網管性能統計或工具在線抓包的方式對業務進行優化分析方法已經無法工作，需要找到一種新的、行之有效的數據業務優化分析方法，并配合系統化的數據分析工具完成數據業務優化，實現2G/3G數據業務進行多維度優化。另一方面，戶滿意度的評估方法也隨著業務的多樣性發生了變化，如何制定一套合理有效的評估體系也是目前數據業務優化中面臨的挑戰。

二、多維度優化技術

由于數據業務種類和終端的多樣化，使得用戶數據業務滿意度的評估方法變得復雜。網絡性能、業務種類、終端類型等等方面都會影響用戶滿意度。而要想對數據業務進行優化，則需要深度洞悉每個層面每個問題的具體產生細節。信令優化技術是數據業務優化的一種主要方式。要通過采集GB/IuPS接口的信令數據并進行全信令解碼，可以得到用戶所有的業務交互過程信息。通過這些信令數據的分析可以找出我們所關注的問題點，從而完成對數據業務的優化分析。

多維度優化技術需支持兩個方向上的優化分析，其一是在廣度上需要提供多個維度觀察分析手段；其二是在深度上需要提供能夠追根溯源的精確分析技術。這樣才能夠真正實現對網絡數據業務的“可視、可控、可分析、可溯源”。

2.1多維度分析技術

傳統數據優化分析手段一般有兩種：一是從OMC取統計數據進行優化分析，其局限性在于OMC統計只能是網絡層面的性能分析，如它能夠分析出某個BSC的附著成功率（attach）或者某個Cell的下行流量，但是OMC統計不能針對某種業務進行分析，如分析新浪微博的業務流量。OMC統計優化是基于TMF網元指標的體系的網絡評估方法，但是指標無法關聯到客戶個體或個體業務。二是通過路測數據進行優化分析，路測只能對個別測試案例進行優化評估，如對少量測試終端的FTP業務性能或HTTP業務性能進行分析，其局限性在于不能對網絡中全體用戶的FTP業務性能或HTTP業務性能進行分析。路測優化是一種基于ITU E800架構的評估優化方法，但路測的樣本規模制約了其統計意義，專業的路測者也并不能代表真實客戶的體驗抽樣統計分析。

為了完成對數據業務的優化，我們需要從影響數據業務感知性能的多個方面進行分析優化，包括：（1）從網絡層進行優化分析，對網元的性能進行不同粒度的統計，如網絡級PDP激活成功率或小區級用戶下載流量等；（2）從用戶層面進行優化分析，對每個全網用戶的業務使用感知進行評估分析，如用戶HTTP業務時延、FTP業務下載速率等；（3）從業務層面進行優化分析，如飛信業務的業務成功率，微信業務的信令占比等；（4）從終端層面進行分析，如iPhone5終端的無線性能，Andiron操作系統終端的流量占比等。

上面提到的每個維度都可能對網絡性能或用戶感知造成較大的影響，影響用戶滿意度。完善的數據業務優化方法應該能夠支持對以上多維度的數據業務分析，通過對對網絡層面、業務層面、用戶層面、終端層面等單一維度的分析或多個維度的關聯分析，將問題準確定位，才能實現快速、高效數據業務優化，并最終解決問題，提升用戶滿意度。

2.25W深度分析技術

能夠實現上面多維度分析的技術基礎是能夠通過對Gb/IuPS信令采集、解析、關聯后得到詳細的單次用戶業務行為過程記錄，即我們要知道每一次用戶的數據業務是如何進行的，有無異常。對于任何一次數據業務，我們需要知道：Who（哪個用戶）、When（在什么時間）、Where（在什么地點）、What（使用了哪種業務）、Why（為什么業務失敗）。我們稱這種深度分析技術為5W深度分析技術。只有進行5W深度分析技術才能夠實現對數據業務的多維度統計分析。

另一方面，5W深度分析技術從深度上幫助我們將對每個問題進行全過程溯源，精確到百萬級任一用戶的千萬次任一業務。5W深度分析技術幫助優化人員快速定位問題、解決問題，并全面透視每個業務發生完整過程，為實現精細化運營管理，有效支撐運維優化和投訴處理提供了技術基礎。

三、多維度優化系統功能設計

基于前面對數據業務優化的技術需求，系統設計必須滿足以下幾種分析功能和分析手段，如網絡維度分析、業務維度分析、用戶維度分析、終端維度分析、多維度關聯分析、完整信令回溯、用戶投訴診斷功能等。

3.1網絡維度分析

網絡維度優化分析需要從幾方面進行入手，包括：（1）網絡性能指標：對網絡的各項指標（網絡級/BSC級/CELL級）進行性能統計，粒度以分鐘或小時單位，觀察網絡指標的變化趨勢，能夠及時發現網絡存在的問題。統計指標包括附著次數、附著失敗原因、附著用戶數、激活次數、激活失敗原因、激活用戶數、路由更新次數、路由更新失敗原因、路由更新用戶數等指標。（2）小區級流量和吞吐率：小區數據業務上行/下行流量、吞吐率、時延等性能。（3）小區級業務品質：對彩信、HTTP、FTP、IM即時通訊、電子郵件、微信等主要數據業務品質進行分析。如HTTP業務的流量、時延、速率、會話個數、用戶數等。（4）異常小區優化：對異常小區進行優化分析，如高掉線小區、無線質量差的小區、乒乓小區、頻繁RAU小區、高擁塞小區、高負荷小區、高信道復用度小區、高丟包高重傳小區等。如圖1。

3.2業務維度分析

業務維度的優化分析需要對每一種業務進行識別和業務性能統計分析。業務識別應能識別目前的主要業務類型，如彩信、HTTP、FTP、即時通訊、電子郵件等業務類型，對于重點業務也必須能夠識別二級業務分流，如手機視頻業務中PPS、優酷、愛奇藝、酷六、土豆等業務。針對細分的每種業務，系統應該能夠分析業務的流量、用戶數、會話成功率、數據吞吐率、傳輸應答時延、分組重傳率、時延等指標，并在此基礎上實現對業務的優化分析，影響用戶業務感知差的原因是網絡原因、SP原因、還是用戶使用方法引起。如圖2。

3.3用戶維度分析

用戶維度分析需要能夠對每一個用戶的數據業務使用的體驗指數進行評估分析。由于用戶所處的網絡環境不同、使用的業務不同、終端也不同，因此用戶體驗指數的計算首先需要對用戶業務進行統計分類，如圖3。

信令回溯分析可以支持業務過程中2G/3G的切換分析、用戶終端分析、業務類型分析、DNS解析分析、TCP性能分析、下載速率分析、異常事件分析、失敗原因分析等。信令回溯分析可以對網絡異常分析和用戶投訴處理提供快速、有效的技術支持，并且可以節省大量傳統路測的成本。

四、總結

數據業務多維度優化是一種創新的優化手段，通過將各個維度相互關聯分析深度剖析問題，解決網絡中的優化問題、提高用戶下載速率、均衡2G/3G流量、優化自有業務、快速處理用戶投訴、動態用戶感知評估。數據業務多維度優化能夠快速有效解決投訴，提升客戶體驗、診斷優化數據網絡、提升業務品質，配合四網協同戰略、全面透視網絡，引導移動網絡運營。

數據業務多維度優化可以給網絡帶來了綜合性效益包括：（1）優化網絡異常，提高網絡資源利用率；（2）提高業務品質，提高客戶滿意度；（3）地毯式路測演進為精確制導式的定點優化行動；（4）投訴處理周期提高到分鐘級，更快更準確地解決投訴；（5）為四網協同戰略提供詳細的用戶數據支持，全面匹配網絡、業務、用戶、終端、流量及行業發展趨勢等數據。

參考文獻

[1]數據業務多維度深度優化系統說明書.（廣東宜通實際科技股份有限公司）. 2012（12）