廣播電視用戶行為分析

袁立 孟彩霞 西安郵電大學計算機學院

1 引言

隨著信息技術的迅猛發展和普及應用，信息系統規模不斷擴大，并且產生了海量的數據，2012年2月《紐約時報》發表專欄文章，宣告了大數據時代的降臨。大數據時代的到來，改變著社會的方方面面，給企業帶來了較大的機遇和挑戰：一方面，以大數據分析挖掘為基礎，企業可以實現客戶分群、精準營銷、事件預測、資源優化、商機挖掘等功能，從而帶來巨大的商業價值，實現各種高附加值的增值服務，進一步提升企業的經濟效益和社會效益；另一方面，企業的商業模式、業務策略、決策依據等都將日益基于大數據分析而非基于經驗和直覺，這對企業的業務運營支撐體系，主要是信息化體系的建設以及發展戰略帶來了巨大挑戰。

2 按照廣播電視用戶的分類

匯總層的數據和應用層的數據按照業務邏輯進行歸類，分為：客戶類、渠道類、產品類、收入類、行為類、資源類。

3 平臺建設

3.1 Hadoop基礎平臺的建設

大數據HADOOP平臺架構包括數據采集層、數據存儲和計算層、數據服務接口層及平臺自運行能力層。要求能夠處理結構化和非結構化數據，具備實時計算、流數據處理、準實時采集生產系統源數據的能力。大數據平臺要具備數據安全保障能力，滿足省級數據安全的相關管理要求。

（1）數據采集層：實現對數據源的數據的采集和裝載，并經過加工、清洗，提供到大數據存儲層完成數據存儲。

（2）數據存儲與計算層：采用混合結構搭建，實現數據的存儲和計算。存儲層采用HDFS存儲架構；計算層包括HIVE、HBASE包括數據獲取、離線批處理、實時處理、異構數據同步等功能。其中離線批處理以MapReduce為基礎并提供Hive、Mahout等處理組件，實時處理包括Storm流式實時計算框架。

（3）數據服務層：通過數據存儲和計算層的挖據和分析，將海量數據處理結果通過封裝、開放，根據不同業務部門的使用需求，通過數據共享發布及應用提供給外部使用。

3.2 ETL平臺的建設

平臺ETL性能要同時滿足今后數據準實時抽取和批量采集兩種方式的要求，要求能夠在滿足規定的時限內完成每日數據加載工作。ETL過程支持并行處理，且必須具備統一自動調度、日志監控和運營管理的功能。

3.3 數據采集平臺的建設

平臺支持結構化數據庫及非結構化數據，包括文本、語音、圖片等文件格式。

3.4 數據質量管控

3.5 數據安全管控

（1）數據本身安全；

（2）數據存儲安全；

（3）數據訪問安全；

（4）數據展示安全；

（5）數據導出安全；

（6）數據權限安全；

（7）數據脫敏安全。

3.6 數據專題域分析建設

基于有數據業務分析系統、用戶行為分析系統、BOSS系統等業務域分析系統，能夠將現有業務域各分析系統及業務域各類數據、資源融入大數據平臺，并將各類數據、資源、計算結果由大數據平臺發布共享。并產生新的專題分析數據。

3.7 數據加工處理平臺

平臺數據處理能力通過能力封裝形式實現，業務處理流程通過可視化平臺界面進行配置，全能力數據流處理狀態可視化，數據接入系統后，為方便應用程序使用，需具備統一格式轉換功能，消息協議轉換功能。

對于消息接口，接收特定協議格式后，為方便后續程序處理，需具備常見轉換為常見消息格式功能，包括：StringJSONXML等，并具備自定義消息格式功能。

面向內外部應用，提供大數據整合和基礎數據處理能力。

外部數據源的各類數據，負責對外部來源系統的數據進行統一過濾、存儲和沉淀，實現數據準確性、完整性、一致性。

大數據平臺采用GBase 8a MPP數據庫的MPP數據庫。

GBase 8a MPP數據庫，是在GBase 8a列存儲數據庫基礎上開發的，基于現代云計算理念和shared nothing架構的并行數據庫集群，可支持TB到PB級別結構化數據存儲查詢，高性能、高可用、高擴展的分布式、并行的數據庫系統。以其獨特的扁平架構，高可用性和動態擴展能力，為超大型數據管理提供一個高性價比的通用平臺。

3.8 用戶行為分析數據的支撐

通過大數據平臺使多種業務數據匯聚融合，形成支撐對有線電視用戶的使用行為深層洞察能力，最終支撐用戶行為分析的應用展示。用戶行為分析 從總量、欄目、節目逐級剖析、支撐月、日、小時級的監控分析，實現了數據的多維度、多時段及準實時監控。

4 結語

對客戶進行精準營銷，首先要對客戶特點和客戶需求特點進行深入了解，然后根據這些特點對客戶進行特定的業務推薦或者維系策略，這樣才可以最大限度提升客戶的滿意度，在改善用戶體驗的同時，適時的增加廣告精準投放業務，深耕市場提升營業利潤。

[1]白冰.數據挖掘在電視節目收視率中的應用研究[D].江蘇科技大學, 2008.

[2]裴蕾.基于Web數據挖掘的電子商務推薦系統研究[D].同濟大學,2006.

[3]瞿華禮.數據挖掘技術在電視用戶滿意度分析中的應用研究[D].安徽大學, 2011.

[4]王鑫.數據挖掘中聚類分析算法的研究[D].山東師范大學, 2006.

[5] 謝曉燕.基于陣列處理器的去塊濾波算法并行化設計[N].西安郵電大學學報 2017. P67-72