運維大數據分析助力精準化網絡運營研究

李恒久 中國聯合網絡通信有限公司安徽省分公司工程師

運維大數據分析助力精準化網絡運營研究

李恒久 中國聯合網絡通信有限公司安徽省分公司工程師

大數據對人們生活的影響無可辯駁地已經成為當前社會進步浪潮中不可逆轉的社會現實。本文就大數據分析在網絡運維工作助力精準化網絡運營中幾個方面的應用進行探討，以期拋磚引玉，能為網絡建設、市場營銷、經營分析、用戶服務及運營商建立更為有效的大數據分析系統起到一定的啟發借鑒作用。

大數據分析 精準化 網絡運營 應用

1 引言

美國的Netflix公司是一家大型的網絡租賃VCD、DVD的公司，在從未拍過任何一部電視劇的經驗空白情況下，通過分析其掌握的數十億次網絡用戶點播和評價的數據記錄，搭配最好的導演、演員和題材，將這些近似最優的組合拍攝了《紙牌屋》并取得了美國歷史上電視劇單集收入最高的驕人成績。可以說《紙牌屋》是因為大數據而雄霸市場。另外，據說是大數據決定了熱播韓劇《來自星星的你》中主人公都敏俊穿什么。大數據時代，每一次鍵盤的敲擊和手機屏幕的觸動都被匯聚成為大數據汪洋大海中的一滴。可以說，大數據改變了人們的生活，也改變了人們的思維方式，決策行為將日益基于數據分析做出，而不是像過去更多憑借經驗和直覺做出。那么，在網絡運行維護工作中，大數據能為我們做些什么？或者說，怎樣利用大數據更好地做好網絡精細化建設和維護，更強化對網絡建設、市場影響和客戶服務的支撐。本文以大數據分析在網絡運維工作助力精準化網絡運營中幾個方面的應用進行探討，以期拋磚引玉，能為網絡建設、市場營銷、經營分析、用戶服務及運營商建立更為有效的大數據分析系統起到一定的啟發借鑒作用。

2 運維大數據分析數據來源和分析思路

網絡運行維護工作，除了保障網絡的安全、穩定、優質地運行外，還需做好對建設、市場、客服部門的支撐，以支撐“精準化”運營為特征的運維轉型，直接關注對于整體經營績效的促進和推動，大數據分析恰好可以作為具體落地的重要手段。大數據分析的主要思路：通過網絡、用戶、終端、業務、時間、位置、場景多維度關聯分析，對網絡、用戶綜合特征畫像，根據建設、營銷、維系需求進行目標區域、用戶選擇，細分用戶群體，給出合理化建議，為決策提供依據。分析過程主要是數據構建、采集、清洗、存儲、挖掘、分析、給出建議。

可獲得的數據來源：要開展大數據分析，必須有海量的數據，從運維側OSS域有綜合網管、網優平臺（核心網、無線）、網絡采集數據，再加以BSS側的經分系統和話單庫等海量信息，足可以滿足大數據挖掘和分析的需求。

（1）綜合網管：可以獲得地市、縣區、網格（市場）、鄉鎮等位置歸屬信息等。

（2）網優平臺：可以獲得區域、場景、LAC、CI、基站名稱、話務量、流量、業務流向、資源利用、用戶投訴等網絡運行信息等。

（3）Gn口采集數據：采用下探針采集Gn口數據，可以獲得用戶上網內容、時間、流量等上網信息，LAC、CI位置信息，用戶終端信息等。

（4）經分系統：可以獲得用戶數、收入、用戶通話時長、用戶流量、2G用戶持3G終端、3G用戶持2G終端、2G用戶附著3G網絡時長及流量、3G用戶附著2G網絡時長及流量等用戶匯總信息。

（5）話單集市倉庫：可以獲得用戶原始信息，包括用戶基本信息，即用戶歸屬（市場2/3/4G用戶）、使用套餐、終端信息、歸屬地等；用戶通話行為，即通話時長、流量、短信、通話所在地、LAC、CI、對方號碼、對方網絡及所在地等。

3 大數據助力網絡建設精準化

聚焦網絡負荷，通過網絡數據挖掘，支撐建設“基站精準落地”。

傳統的“頭疼醫頭、腳疼醫腳”網絡優化方法，常使網優工作淪為被動處理投訴或指標不好就優化指標的境地。在大數據條件下，通過海量數據分析，加大貼近用戶的網絡價值分析，提高網絡規劃和優化的預見性，準確提供網絡建設的數據支撐。

在現行網絡中，可以通過采集Gn口原始上網記錄，結合用戶詳單，分析得出以手機號碼、終端IMEI、終端支持能力、2G網絡流量、3G網絡流量等信息為原始結構的文本。通過大數據建模，提取2G/3G轉4G、2G轉3G（含U900網絡）、高價值區域應用、網絡規劃應用4個方面的精準數據。挖掘出現網持4G終端且戶均流量大于500M的用戶，可提供給市場部實施4G勸轉工作，以減輕2/3G網絡壓力；挖掘現網持U900網絡終端的2/3G用戶，支撐進行U900站點建設和銷售方案部署。分析出持3G終端用戶在3G網絡上有流量，同時在2G網絡產生大量回落流量的區域重點進行3G基站的建設規劃，暫未規劃的作為儲備建設站點，納入到網絡建設的滾動規劃中。

通過記錄全量用戶的投訴分析，將所有有關用戶對于網絡覆蓋、網絡質量的投訴標識到電子地圖，結合現有網絡站點，在已建設有站點的區域，則通過優化調整解決；對于未建設站點區域，將用戶投訴熱點區域作為儲備建設站點，通過分析區域用戶質量差異，用戶網絡感知差異、結合當地經濟水平討論網絡投資的可行性，并根據篩選條件滾動實施建設。

通過利用網絡里的用戶呼叫歷史記錄進行大數據分析，并結合網絡側的業務指標、用戶的終端能力和用戶的活躍情況等數據相關聯來支撐移動網絡規劃，以提高規劃效果的可預見性。通過分析2/3G網絡無線資源利用率，可以反映出來的2G忙小區多為3G基站尚未延伸覆蓋到的區域；通過2/3G網絡忙小區分場景分布分析，可以看到無論是市區、縣城場景的深度覆蓋規劃，還是郊區場景的廣度覆蓋規劃，不同維度均對后續網絡建設提出了需求。

4 大數據助力市場支撐精準化

聚焦市場網格，通過關聯多維度數據分析，支撐市場“精準營銷”。

近幾年，隨著3G網絡的大規模廣覆蓋深入，4G網絡的規模建設，移動互聯網的蓬勃發展帶來了運營商流量業務的迅猛增長，流量收入已經成為運營商最主要的新的收入增長點，與此同時語音、短信等業務則出現逐步下滑的局面。流量的爆發式增長使全球運營商認識到“流量”不再是語音附屬物，或是某種業務的基礎載體，而其本身就是需要經營的對象。從2G的語音、短信經營時代進入現在的流量經營時代，電信運營商的客戶結構也發生了巨大變化，80、90乃至00后開始成為電信業務的消費主要群體，他們能夠更加熟練也更愿意使用智能手機及各種“可佩帶”智能設備。當運營商還在奮力朝著移動互聯網轉型并苦尋流量經營更有為有效手段的時候，大數據已經來到了面前。

作為每日產生巨大數據量的運營商，可以嘗試并逐步建立自己的針對流量經營的大數據分析。從用戶使用流量包的訂退數據結合用戶的流量使用習慣，提取出用戶具體位置并渲染到實際地圖，將得到正在使用流量包或已經退訂流量包的用戶在具體地圖中的分布，并將此結果加以分析后提供給各個網格負責人作為各自發展區域流量經營的參考地圖。在沒有建設大數據分析支撐系統的情況下，也可以通過手工分析做一些工作，以下為一個具體實施方案：

（1）從經營系統中提取出所需用戶信息：從BSS經營系統中提取出3G國內（省內）流量包有效用戶及半年內退訂用戶明細。

（2）在HLR上查詢用戶登錄VLR情況（見表1），可以得到3G國內流量包用戶有46%漫出異地，3G省內流量包用戶則有78%漫出異地，根據用戶登錄具體VLR更進一步細化用戶登錄在省內各地和外省的具體情況。

（3）在MSCServer上查詢登錄在本地的用戶位置（小區信息）。對于從HLR中查詢到的登錄在本地的用戶號碼，在本地MSCServer中批量查詢登錄網絡及位置信息，其中有結果的為當時開機用戶，其余的為分離時間較長的關機用戶（見表2）。從表2可以看到，兩種套餐的有效和退訂用戶在本地登錄2G和3G網絡下的比例接近，而用戶漫出比例則是國內流量包的用戶較省內流量包的用戶高30PP左右。這些將結合最終的渲染圖來分析具體區域中用戶的訂退與否與網絡覆蓋網絡質量的關系等。

表1 用戶登錄信息分析

表2 登錄本地用戶接入網絡類型

（4）將用戶位置渲染到實際標有基站位置的地圖中（MapInfo），以直觀地反映用戶登錄區域分布及網絡覆蓋、網絡質量的關系等。例如，某地市3G國內流量包有效用戶在2G網絡的登錄情況，可以看到還是有大量3G用戶登錄在2G網絡。其它3G國內流量包有效用戶登錄3G網絡、3G省內流量包有效用戶登錄2G網絡和3G網絡、3G國內流量包半年內退訂用戶登錄2G網絡和3G網絡、3G省內流量包半年內退訂用戶登錄2G網絡和3G網絡等都可以一一渲染到地圖中。

（5）分析渲染圖

通過將各場景下的用戶登錄情況進行渲染，獲得不同的流量包不同的網絡環境下用戶的具體分布，從而可以分析出相應網格用戶的流量包退訂習慣是否與網絡質量有關，及用戶的流量包套餐是否與用戶所處的網絡環境匹配等，據此可以制定出針對具體網格的特定營銷思路來細化流量經營，提高流量經營的質量和深度。

（6）效果驗證

通過上述方法，將效果圖發送給市場分析人員及網格經營人員作為參考地圖來細化流量包宣傳區域，3G國內及省內流量包訂購成功率由原來的12%提高到20%，效果顯著。

5 大數據助力客戶服務精準化

聚焦用戶行為特征，差異化細分用戶群體，支撐客戶服務“精準維系用戶”。

從無線網優系統、核心網優化系統、經營分析系統等現有平臺可以獲得大量用戶呼叫記錄，將前后端數據對存量用戶從終端使用、駐留網絡、價值貢獻、流量貢獻、應用地點分布以及訪問熱點網站頻度等多個維度進行關聯與分類分析，在后臺建立多種用戶使用行為研究模型，實現用戶進行號碼清單式的顆粒化的行為研究（見表3），對客戶進行精準畫像，按照客戶常見行為進行精準服務，為客服部門提供用戶維系和提升感知建議。

根據數據業務常用的業務類型，用戶上網應用共分為九大類，即電商支付、社交應用、生活服務、新聞資訊、音樂、影視、應用工具、游戲和閱讀。從某月的數據分析可以看到，按業務類型貢獻分析（見圖1），社交應用89%的訪問次數占比，貢獻87%的流量。再細分社交應用類型里的應用（見圖2），手機QQ、QQ空間、微信為TOP應用。其中，手機QQ63%的訪問次數占比貢獻了51%的流量；微信28%的訪問次數占比貢獻了23%的流量；QQ空間4%的訪問次數占比貢獻24%的流量。

6 結束語

表3 用戶行為研究和建議

圖1 用戶網上應用業務類型分析

圖2 社交應用細分分析

隨著移動互聯網時代競爭的加劇，越來越多的企業將會使用大數據手段來挖掘用戶潛在價值，作為運行商更應該走在時代的前列。特別是當前進入4G時代，在傳統業務日趨飽和、同質化競爭更加激烈、存量經營至關重要的新環境下，如何持續打造服務領先的差異化優勢，更顯重要而緊迫，基于網絡數據的大數據分析成為行之有效的利器，助力網絡運營精準化，不斷為企業降本增效、提升服務做出貢獻。

1季安平.用戶呼叫數據在移動網絡規劃中的應用.郵電設計技術.2014

2015-02-10）