大數據分析技術在通信網絡系統優化中的應用研究

王若龍

（濮陽市市場監督管理局，河南 濮陽 457000）

0 引 言

通信網絡在運營管理過程中，數據類型多、數據量大，所帶來的數據冗余問題非常突出。海量數據信息蘊含潛在價值，迫切需要通過大數據分析技術來挖掘。大數據分析，就是基于收集的數據信息，通過一定的技術手段來篩選有價值信息，并將之應用到通信系統管理和系統升級中，以提升通信網絡整體運行效能。隨著通信網絡系統規模的不斷增大，特別是5G網絡系統的逐步運行，各通信服務運營商要著力提升用戶體驗。因此，從技術層面，大數據分析通過精確挖掘和鎖定有價值數據，作為輔助決策依據，為通信網絡數據信息時效性提供保障。

1 大數據分析的作用及主要技術

1.1 大數據分析的作用

通信網絡系統中，由于各類網絡設備多，所產生的數據量較大。常規數據分析技術無法在短期內完成對海量數據的快速處理、分析。考慮到通信網絡系統數據信息類型多樣，所涉及的業務領域廣泛，可以利用大數據分析技術，從海量、復雜數據中分析、提取有價值的數據信息，以改進和優化通信管理業務，促進通信產業可持續、高質量發展。現代通信網絡在社會生活中扮演重要角色，網絡服務及應用越來越多，在為人們提供良好網絡體驗的同時，也會產生越來越多的冗余數據[1]。為了提升通信網絡的安全性、高效性，可以引入大數據分析技術，完成對海量數據的收集、篩選、存儲、管理及應用，提升通信網絡系統效能。例如，利用大數據分析，根據用戶的屬性，可以從不同視角來分析用戶對通信網絡系統的應用需求，從相關數據篩選、提取、統計來獲得精準、詳盡的數據報告，為通信網絡服務業務優化提供參考。海量數據的分析難度很大，特別是數據分析的時效性，通過大數據分析技術，可以避免人工方式分析帶來的不當影響。此外，大數據分析具有良好的可預測性，可以對用戶使用習慣、操作過程等進行分類整理，為用戶提供良好的服務體驗，為通信網絡實現高效運行提供保障。

1.2 大數據分析的主要技術

大數據分析作為海量數據處理和分析手段，其主要技術主要有3類。

（1）去冗余。通信網絡系統中，不同業務所產生的數據量很大。這些海量數據潛藏著有價值的數據信息[2]。隨著通信網絡數據的不斷增加，這些冗余的數據信息容量會不斷累積。通信網絡運營商需要運用大數據分析去冗余技術，來提升數據管理的有效性。

（2）數據提取集成。通信網絡系統管理中，各類結構化數據、非結構化數據的融合，導致數據類型繁雜、多樣，給數據提取帶來更大難度。基于通信網絡系統管理的預期目標，可以運用數據提取集成技術，對通信數據進行提煉、整合、統一。數據提取集成技術可以提升多源異構數據的管理質量，為通信運營管理提供決策參考依據。管理者可以利用數據關聯及變量關系，全面掌握通信網絡系統的運行狀態。

（3）可視化分析。可視化分析技術對所獲取的有價值信息進行加工、處理，并通過可視化方式呈現出來。在數據深度分析過程中，可以利用可視化手段，對數據分析報告進行直觀展示。如大數據分析與人工智能相融合，可以提升數據分析的準確度、可靠性，為通信網絡系統管理奠定技術支撐。

2 通信網絡系統亟待優化的主要問題

通信網絡的快速建設與發展面臨諸多風險問題。大數據分析作為通信網絡系統優化創新的重要技術，為確保通信網絡系統的可持續、健康、穩定運行提供了有力保障。

2.1 數據管理壓力大

從現有通信網絡系統管理實踐來看，大數據技術雖然具有更好的數據挖掘與應用價值，但很多時候，大數據分析技術并未獲得應有的效果作用。原因是很多通信網絡系統數據量太大，數據累積造成的數據冗余現象更為突出。整個網絡平臺已經成為社會生活的一部分，加之網絡用戶量大，給通信網絡運營管理提出更大挑戰。一些通信數據在收集、存儲后，無法快速、高效應用大數據分析技術進行有價值信息的提取和挖掘。

2.2 大數據分析技術不成熟

從現代網絡技術發展現狀來看，通信網絡數據量大，而大數據分析技術相對不成熟。很多行業現有的網絡數據庫龐大，但缺乏大數據分析，或者大數據分析推廣不足。一些通信網絡在運營管理中，因大數據分析技術不成熟，降低了通信網絡的使用效率。

2.3 缺乏人力、資金投入

立足通信網絡行業，注重網絡系統的優化與升級，更有助于提升通信網絡管理效能水平。大數據分析作為通信網絡創新升級的重要手段，當前還缺乏足夠的技術型人才及資金。通信網絡涵蓋的設備資源多，升級改造成本高。通信網絡優化過程需要組建高技術人才團隊，并引入先進通信設備，這些都需要資金投入來保證。另外，考慮到不同地域通信網絡建設的差異性，對通信網絡系統的優化還要把握區域實際，做好相關資金鏈的優化，以實現通信網絡管理預期。

3 大數據分析在通信網絡系統中的主要應用

3.1 對通信用戶數據進行分析處理

在通信網絡系統運營中，由于網絡覆蓋范圍廣、用戶數量大，所產生的各類通信業務數據量與日俱增。運用大數據分析挖掘海量數據的價值，可以提升通信網絡運營穩定性，提高市場核心競爭力[3]。針對不同業務、各類用戶的數據信息，為確保數據存儲的安全性、可靠性，要做好存儲設備的拓展、升級，提高數據存儲的容量。大數據分析技術將人工智能、云計算等技術進行整合，來化解海量數據存儲及數據分析處理難題。利用云計算對海量數據進行虛擬計算并存儲，可以提高數據處理整體效能。云計算對通信網絡存儲空間容載量的調整，成為當前通信領域數據管理的重要應用。對于海量數據的分析與處理，一些通信網絡數據關聯性較低，缺乏共同點，可以利用去冗余技術來提取有價值的關鍵數據；對非結構化數據，可以利用數據融合技術來提升通信業務服務質量。另外，利用數字虛擬技術也可以提升通信網絡系統安全性。

3.2 大型網絡平臺數據分析處理

在通信網絡系統中，一些大型網絡數據平臺對大數據分析提出了更高要求。大數據分析技術基于網絡平臺海量數據，通過技術手段來分析相關數據，為網絡服務管理者提供參考依據。在5G通信背景下，通信網絡服務商要重視大數據分析，依托大數據分析來全面掌握用戶狀態和服務訴求，并通過通信網絡業務重構和開發，為用戶搭建良好的網絡平臺。大數據分析也為通信網絡服務商開展業務規劃、提升用戶黏度和忠誠度提供了技術保障。

3.3 開發高效管理信息系統

針對通信網絡的管理，可以利用大數據分析技術來開發高效的管理信息系統。該系統有用戶管理、計費管理、用戶行為管理、用戶位置信息管理等模塊。用戶管理主要結合通信網絡海量用戶數據，建立用戶信息管控系統，對用戶數據信息進行全面分析、統計和處理。用戶量的驟增，往往給通信網絡服務帶來一定壓力。通信網絡服務商要能夠運用大數據分析，對用戶信息進行智能化管控，提升用戶服務有效性和良好體驗感。計費管理對不同分類業務的數據信息進行梳理，通信網絡服務商所提供的消費套餐比較多樣，用戶可以根據需要選定不同的套餐或計費方案。面對多元化套餐和消費信息，運用大數據分析技術可以滿足對不同用戶、不同消費套餐的準確計費，為運營服務拓展提供參考。用戶行為管理主要基于通信網絡資源的整合，用戶可以根據自身需要定制不同的通信業務。用戶需求具有個性化、多樣性特點，通信網絡服務商可以利用大數據分析技術對不同用戶進行分類，對具有相同需求的用戶進行歸類統計，便于制定多元化通信服務方案，滿足用戶個性化通信需求。位置信息管理利用移動智能終端，可以快速獲取定位信息。通信網絡服務商要運用大數據分析技術來獲取不同地域的用戶量，優化通信基站的布局，為用戶提供快捷、高效的位置服務信息。

4 大數據分析技術在通信網絡優化中的實施策略

通信網絡運營商在提升通信服務質量時，要注重網絡數據安全、網絡信息時效性問題，將大數據分析技術融入通信網絡系統優化中，為通信產業可持續發展奠定堅實的技術基礎。

4.1 合理應用大數據分析技術

要合理化運用大數據分析技術，首先，要做好應用前的準備工作。如對大數據分析可行性調研，準備相關通信網絡數據，選擇恰當的數據分析工具或分析方法，明確數據分析的目標和具體任務。其次，構建大數據分析測試環境。大數據分析所面對的數據量是龐大的，針對海量數據，要通過技術手段搭建測試環境，確保大數據分析工作穩步、有序展開。再次，優化大數據分析方法。面對數據分析與處理，技術人員要對通信網絡中的數據類型、主要業務進行調研，對大數據分析過程可能存在的問題進行解決，制定完善的數據分析方案。最后，總結數據分析工作，制定大數據分析報告，為通信網絡管理提供參考依據。

4.2 分階段實施大數據分析優化思路

通信網絡系統本身并非固定的網絡，而是開放性的、不斷發展的空間。通信網絡系統的優化也不是一步到位的。大數據分析技術的應用要結合通信網絡實際規模，采用分階段優化思路。通信網絡數據分析對信息傳輸速率、數據承載量、數據分析穩定性等提出更高要求，要提前做好分析預案，優化、分段大數據分析過程。

第一，做好測試階段的數據分析。結合通信網絡系統現狀，考慮到通信網絡用戶量、用戶行為的動態性，需要先進行大數據分析測試，對相關測試數據進行比對，來判定通信網絡穩定性。

第二，優化大數據分析階段。結合大數據分析目標，細化大數據分析具體任務，包括對各個分段任務的明確。大數據分析優化要重視數據信號的覆蓋、數據信息的切換、數據分析速度等優化項任務。

第三，總結調整階段。通信網絡本身具有一定抗干擾能力，技術人員在進行大數據分析時，還要對測試結果進行歸類、總結，特別是對數據分析方法的優化，從而提升大數據分析的精準度、 高效性。

4.3 引入聚類分析來構建大數據分析模型

通信網絡系統的用戶信息數據十分龐大，在進行大數據分析過程中，可以引入聚類分析技術來優化數據模型，更好地提升數據分析效率[4]。具體分析過程中，需要先對不同屬性的數據進行分類，根據分類后的數據進行聚合分析、加權平均計算，利用權重調整計算順序，構建相對完善、合理的數據評估體系。如“網絡覆蓋”分類包括DT覆蓋率、CQT覆蓋率等路測數據和MR上行、下行覆蓋率等MR數據，“網絡保持性”分類包括TCH掉話率、話務掉話比等性能數據和DT掉話率、DT掉話里程比等路測數據等。

同時，根據大數據分析需要，還要引入其他關鍵技術。如對數據進行存儲空間管理，對網絡的使用管理以及數據安全管理等技術。對大數據分析的 創新應用要強調信息數據的安全性。通信網絡因數據傳輸中的不確定性因素，可能會存在一系列影響網絡安全的問題[5]。要做好通信網絡安全環境建設，為數據信息分析提供安全保障。

5 結 語

通信網絡產業的快速發展，需要技術創新來優化通信管理模式。運用大數據分析技術，可以為通信網絡系統優化提供技術支持，確保用戶獲得更便捷、更優質、更精準的信息服務。大數據分析技術在數據挖掘與管理中還面臨一些問題，需要加強大數據分析技術創新，挖掘大數據技術的應用價值，提高通信網絡運營的安全性、可靠性。