运维大数据分析助力精准化网络运营研究

李恒久 中国联合网络通信有限公司安徽省分公司工程师

运维大数据分析助力精准化网络运营研究

李恒久 中国联合网络通信有限公司安徽省分公司工程师

大数据对人们生活的影响无可辩驳地已经成为当前社会进步浪潮中不可逆转的社会现实。本文就大数据分析在网络运维工作助力精准化网络运营中几个方面的应用进行探讨，以期抛砖引玉，能为网络建设、市场营销、经营分析、用户服务及运营商建立更为有效的大数据分析系统起到一定的启发借鉴作用。

大数据分析 精准化 网络运营 应用

1 引言

美国的Netflix公司是一家大型的网络租赁VCD、DVD的公司，在从未拍过任何一部电视剧的经验空白情况下，通过分析其掌握的数十亿次网络用户点播和评价的数据记录，搭配最好的导演、演员和题材，将这些近似最优的组合拍摄了《纸牌屋》并取得了美国历史上电视剧单集收入最高的骄人成绩。可以说《纸牌屋》是因为大数据而雄霸市场。另外，据说是大数据决定了热播韩剧《来自星星的你》中主人公都敏俊穿什么。大数据时代，每一次键盘的敲击和手机屏幕的触动都被汇聚成为大数据汪洋大海中的一滴。可以说，大数据改变了人们的生活，也改变了人们的思维方式，决策行为将日益基于数据分析做出，而不是像过去更多凭借经验和直觉做出。那么，在网络运行维护工作中，大数据能为我们做些什么？或者说，怎样利用大数据更好地做好网络精细化建设和维护，更强化对网络建设、市场影响和客户服务的支撑。本文以大数据分析在网络运维工作助力精准化网络运营中几个方面的应用进行探讨，以期抛砖引玉，能为网络建设、市场营销、经营分析、用户服务及运营商建立更为有效的大数据分析系统起到一定的启发借鉴作用。

2 运维大数据分析数据来源和分析思路

网络运行维护工作，除了保障网络的安全、稳定、优质地运行外，还需做好对建设、市场、客服部门的支撑，以支撑“精准化”运营为特征的运维转型，直接关注对于整体经营绩效的促进和推动，大数据分析恰好可以作为具体落地的重要手段。大数据分析的主要思路：通过网络、用户、终端、业务、时间、位置、场景多维度关联分析，对网络、用户综合特征画像，根据建设、营销、维系需求进行目标区域、用户选择，细分用户群体，给出合理化建议，为决策提供依据。分析过程主要是数据构建、采集、清洗、存储、挖掘、分析、给出建议。

可获得的数据来源：要开展大数据分析，必须有海量的数据，从运维侧OSS域有综合网管、网优平台（核心网、无线）、网络采集数据，再加以BSS侧的经分系统和话单库等海量信息，足可以满足大数据挖掘和分析的需求。

（1）综合网管：可以获得地市、县区、网格（市场）、乡镇等位置归属信息等。

（2）网优平台：可以获得区域、场景、LAC、CI、基站名称、话务量、流量、业务流向、资源利用、用户投诉等网络运行信息等。

（3）Gn口采集数据：采用下探针采集Gn口数据，可以获得用户上网内容、时间、流量等上网信息，LAC、CI位置信息，用户终端信息等。

（4）经分系统：可以获得用户数、收入、用户通话时长、用户流量、2G用户持3G终端、3G用户持2G终端、2G用户附着3G网络时长及流量、3G用户附着2G网络时长及流量等用户汇总信息。

（5）话单集市仓库：可以获得用户原始信息，包括用户基本信息，即用户归属（市场2/3/4G用户）、使用套餐、终端信息、归属地等；用户通话行为，即通话时长、流量、短信、通话所在地、LAC、CI、对方号码、对方网络及所在地等。

3 大数据助力网络建设精准化

聚焦网络负荷，通过网络数据挖掘，支撑建设“基站精准落地”。

传统的“头疼医头、脚疼医脚”网络优化方法，常使网优工作沦为被动处理投诉或指标不好就优化指标的境地。在大数据条件下，通过海量数据分析，加大贴近用户的网络价值分析，提高网络规划和优化的预见性，准确提供网络建设的数据支撑。

在现行网络中，可以通过采集Gn口原始上网记录，结合用户详单，分析得出以手机号码、终端IMEI、终端支持能力、2G网络流量、3G网络流量等信息为原始结构的文本。通过大数据建模，提取2G/3G转4G、2G转3G（含U900网络）、高价值区域应用、网络规划应用4个方面的精准数据。挖掘出现网持4G终端且户均流量大于500M的用户，可提供给市场部实施4G劝转工作，以减轻2/3G网络压力；挖掘现网持U900网络终端的2/3G用户，支撑进行U900站点建设和销售方案部署。分析出持3G终端用户在3G网络上有流量，同时在2G网络产生大量回落流量的区域重点进行3G基站的建设规划，暂未规划的作为储备建设站点，纳入到网络建设的滚动规划中。

通过记录全量用户的投诉分析，将所有有关用户对于网络覆盖、网络质量的投诉标识到电子地图，结合现有网络站点，在已建设有站点的区域，则通过优化调整解决；对于未建设站点区域，将用户投诉热点区域作为储备建设站点，通过分析区域用户质量差异，用户网络感知差异、结合当地经济水平讨论网络投资的可行性，并根据筛选条件滚动实施建设。

通过利用网络里的用户呼叫历史记录进行大数据分析，并结合网络侧的业务指标、用户的终端能力和用户的活跃情况等数据相关联来支撑移动网络规划，以提高规划效果的可预见性。通过分析2/3G网络无线资源利用率，可以反映出来的2G忙小区多为3G基站尚未延伸覆盖到的区域；通过2/3G网络忙小区分场景分布分析，可以看到无论是市区、县城场景的深度覆盖规划，还是郊区场景的广度覆盖规划，不同维度均对后续网络建设提出了需求。

4 大数据助力市场支撑精准化

聚焦市场网格，通过关联多维度数据分析，支撑市场“精准营销”。

近几年，随着3G网络的大规模广覆盖深入，4G网络的规模建设，移动互联网的蓬勃发展带来了运营商流量业务的迅猛增长，流量收入已经成为运营商最主要的新的收入增长点，与此同时语音、短信等业务则出现逐步下滑的局面。流量的爆发式增长使全球运营商认识到“流量”不再是语音附属物，或是某种业务的基础载体，而其本身就是需要经营的对象。从2G的语音、短信经营时代进入现在的流量经营时代，电信运营商的客户结构也发生了巨大变化，80、90乃至00后开始成为电信业务的消费主要群体，他们能够更加熟练也更愿意使用智能手机及各种“可佩带”智能设备。当运营商还在奋力朝着移动互联网转型并苦寻流量经营更有为有效手段的时候，大数据已经来到了面前。

作为每日产生巨大数据量的运营商，可以尝试并逐步建立自己的针对流量经营的大数据分析。从用户使用流量包的订退数据结合用户的流量使用习惯，提取出用户具体位置并渲染到实际地图，将得到正在使用流量包或已经退订流量包的用户在具体地图中的分布，并将此结果加以分析后提供给各个网格负责人作为各自发展区域流量经营的参考地图。在没有建设大数据分析支撑系统的情况下，也可以通过手工分析做一些工作，以下为一个具体实施方案：

（1）从经营系统中提取出所需用户信息：从BSS经营系统中提取出3G国内（省内）流量包有效用户及半年内退订用户明细。

（2）在HLR上查询用户登录VLR情况（见表1），可以得到3G国内流量包用户有46%漫出异地，3G省内流量包用户则有78%漫出异地，根据用户登录具体VLR更进一步细化用户登录在省内各地和外省的具体情况。

（3）在MSCServer上查询登录在本地的用户位置（小区信息）。对于从HLR中查询到的登录在本地的用户号码，在本地MSCServer中批量查询登录网络及位置信息，其中有结果的为当时开机用户，其余的为分离时间较长的关机用户（见表2）。从表2可以看到，两种套餐的有效和退订用户在本地登录2G和3G网络下的比例接近，而用户漫出比例则是国内流量包的用户较省内流量包的用户高30PP左右。这些将结合最终的渲染图来分析具体区域中用户的订退与否与网络覆盖网络质量的关系等。

表1 用户登录信息分析

表2 登录本地用户接入网络类型

（4）将用户位置渲染到实际标有基站位置的地图中（MapInfo），以直观地反映用户登录区域分布及网络覆盖、网络质量的关系等。例如，某地市3G国内流量包有效用户在2G网络的登录情况，可以看到还是有大量3G用户登录在2G网络。其它3G国内流量包有效用户登录3G网络、3G省内流量包有效用户登录2G网络和3G网络、3G国内流量包半年内退订用户登录2G网络和3G网络、3G省内流量包半年内退订用户登录2G网络和3G网络等都可以一一渲染到地图中。

（5）分析渲染图

通过将各场景下的用户登录情况进行渲染，获得不同的流量包不同的网络环境下用户的具体分布，从而可以分析出相应网格用户的流量包退订习惯是否与网络质量有关，及用户的流量包套餐是否与用户所处的网络环境匹配等，据此可以制定出针对具体网格的特定营销思路来细化流量经营，提高流量经营的质量和深度。

（6）效果验证

通过上述方法，将效果图发送给市场分析人员及网格经营人员作为参考地图来细化流量包宣传区域，3G国内及省内流量包订购成功率由原来的12%提高到20%，效果显著。

5 大数据助力客户服务精准化

聚焦用户行为特征，差异化细分用户群体，支撑客户服务“精准维系用户”。

从无线网优系统、核心网优化系统、经营分析系统等现有平台可以获得大量用户呼叫记录，将前后端数据对存量用户从终端使用、驻留网络、价值贡献、流量贡献、应用地点分布以及访问热点网站频度等多个维度进行关联与分类分析，在后台建立多种用户使用行为研究模型，实现用户进行号码清单式的颗粒化的行为研究（见表3），对客户进行精准画像，按照客户常见行为进行精准服务，为客服部门提供用户维系和提升感知建议。

根据数据业务常用的业务类型，用户上网应用共分为九大类，即电商支付、社交应用、生活服务、新闻资讯、音乐、影视、应用工具、游戏和阅读。从某月的数据分析可以看到，按业务类型贡献分析（见图1），社交应用89%的访问次数占比，贡献87%的流量。再细分社交应用类型里的应用（见图2），手机QQ、QQ空间、微信为TOP应用。其中，手机QQ63%的访问次数占比贡献了51%的流量；微信28%的访问次数占比贡献了23%的流量；QQ空间4%的访问次数占比贡献24%的流量。

6 结束语

表3 用户行为研究和建议

图1 用户网上应用业务类型分析

图2 社交应用细分分析

随着移动互联网时代竞争的加剧，越来越多的企业将会使用大数据手段来挖掘用户潜在价值，作为运行商更应该走在时代的前列。特别是当前进入4G时代，在传统业务日趋饱和、同质化竞争更加激烈、存量经营至关重要的新环境下，如何持续打造服务领先的差异化优势，更显重要而紧迫，基于网络数据的大数据分析成为行之有效的利器，助力网络运营精准化，不断为企业降本增效、提升服务做出贡献。

1季安平.用户呼叫数据在移动网络规划中的应用.邮电设计技术.2014

2015-02-10）