大数据在移动通信网络建设中的应用

胡 丹

（广州杰赛科技股份有限公司，广东 广州 510310）

0 引 言

大数据涉及的资料量规模巨大，往往无法通过主流软件工具在合理时间内实现数据处理、帮助企业经营决策的目的。大数据具备海量的数据规模、快速的数据流转、动态的数据体系、多样的数据类型以及巨大的数据价值5个典型特征。根据中国信通院数据，我国2017年大数据核心产业规模为2.36×1010元，同比增长40.5%，到2020年达到5.86×1010元，2015-2020年间年均复合增长率为38.26%[1]。

电信运营商掌握海量的用户数据，记录上亿用户的交互信息，包括通话数据、上网数据、数据业务使用信息、用户坐标与轨迹、智能终端信息以及渠道接触信息等。电信运营商拥有CRM、BI以及BOSS等系统，充分利用大数据技术，从网络、用户、业务以及终端的不同视角，实现对移动网络整体运行状况的多维度分析，做好网络规划、网络建设、优化及运维工作，打造价值区域覆盖最佳、核心业务体验最优、有效资源效能最大以及综合建网成本最低的网络[2]。

1 大数据分析的方法和分类

大数据分析基于多种处理框架及算法，涉及数据准备、存储管理、计算处理、分析挖掘以及人机交互等内容，和数据的集成、存储与安全等环节密切相关。常用的大数据分析方法包括分类、聚类、关联规则挖掘以及序列模式挖掘等。在运营商的实际应用中，基于大数据分析将分析结果转化为实际的业务行动，为数据运营的服务提供有力支撑。

2 大数据在移动通信网络建设中的应用举例

2.1 大数据技术在价值区域分析中的应用

目前，不同城市和不同地区之间存在发展不平衡的问题，不同人群对通信业务需求也不同，针对不同客户群体需要提供不同的服务。高收入区域、高价值用户频繁区域以及视频业务高密度区域是企业重点关注的区域，往往针对这些区域开展业务并提供服务。因此，有必要借助大数据对不同区域和地区进行评估，得到价值区域。本文提出了“基于感知”的价值区域建网模型。

价值区域分析和测算要素如表1所示，据此对网络大数据进行提取和分析，得到价值区域评分，然后将得到的评分进行综合排序，得分靠前的可能是潜在的价值区域。对于运营商而言，基于大数据分析的价值区域网格化，结合建网策略对下一步规划建设工作进行指引，实现资源精准投放，降低运营成本[3]。

表1 价值区域分析测算要素

2.2 大数据技术在网络覆盖分析中的应用

对于网络运营公司而言，必须要明确其网络覆盖情况，面对大量的数据必须要借助大数据进行网络覆盖分析，常规DT、CQT以及MR也可以应用于网络覆盖分析。常规MR一般利用厂家多基站联合定位的方式获取位置信息，经过定位处理栅格数据，精度一般在20～50 m之间，还有待提高。基于大数据分析的精准MR主要是运营商与地图导航相关的App合作，结合百度和大众点评等互联网平台获得用户的定位数据，同时还能够获得用户的实时网络覆盖信息，如RSRP和网络速度等，结合这些数据信息和大数据技术建立“互联网+移动网络”大数据分析体系，实现对用户的全量分析、精准定位、覆盖评估以及价值分级[4]。相比常规MR，精准MR定位更加精准，可以指导运营商精细化规划或者优化调整。基于大数据的精准MR定位得到的网络覆盖图如图1所示，未来网络覆盖分析中建议室外覆盖部分可以和路测相结合，室内以精准MR为准，和常规MR叠加分析，常规MR弱覆盖栅格作为精准MR的辅助判断。

图1 基于大数据的精准MR定位得到的网络覆盖图

2.3 大数据在通信用户分析中的应用

2.3.1 用户、网络与终端匹配

根据与用户相关的大数据分析，得出用户承载与网络承载和市场策略的匹配度，基于这些数据分析能够对移动通信网络进行改进和优化，从而有效改善用户感知，提升用户价值并缓解网络压力。

通过大数据分析，得到某市运营商用户使用网络及终端的匹配情况如表2所示。

表2 用户终端占比统计表

通过用户终端占比统计表中的数据能够发现，该市中终端用户的占比要比使用4G、5G网络的用户比例略高。为进一步推进4G和5G网络，应该采取积极措施推动该市用户进行4G网络迁转[5-7]。

分析目前主流、4G网络用户在各网产生的流量和通话时长，占用各网情况如表3所示。

表3 4G用户占用各网情况表

通过分析表3发现，该市4G用户大部分数据业务都发生在LTE网络上，少部分占用3G网络，用户整体体验良好。受限于LTE（VoLTE）开通情况影响，语音业务大部分回落3G和2G。因此，要逐步推进VoLTE的商业化进程，适时进行2G网络退网及3G的减频退网。

用户数据MOU和DOU等数据分析结果如表4和表5所示，可提供比较精准的模块支撑，极大地方便了营销人员的日常营销。

表4 用户MOU大数据统计表

表5 用户DOU大数据统计示例

通过深度挖掘融合市场、集团、客户、客服、网络以及财务数据，为业务和决策部门提供较完备的用户数据，在科学分析基础上实现精细化运营，如针对漫游费比较多的用户推荐漫游套餐，对经常用手机上网的用户推荐流量包。

2.3.2 B2I用户行为分析

B2I即直接面向互联网公司提供业务和与互联网公司联手提供端到端的服务。B2I用户属性包括业务使用情况、业务量、APRU、DOU、MOU、终端、套餐情况以及用户年龄等。通过大数据深度分析B2I业务特性、品牌差异、终端特性、地市分布与发展趋势，可为网络建设、运营以及客户维护提供依据。B2I用户大数据统计结果如表6所示。

表6 B2I用户大数据统计结果

3 总 结

大数据分析的宗旨就是根据大量的网络数据、用户数据以及终端数据对现网运行情况进行分析整理，找出一般规律及特点对下一步规划建设工作进行指引，支撑多种建网策略，实现资源精准投放，降低运营成本。大数据的运用给企业带来严峻的考验，同时也带来机遇。运营商已深刻认识到大数据的重要性，在企业内部已经利用大数据实现精确化营销和精细化运营。运营商可利用高效的信息分析能力，在日益激烈的市场竞争中准确决策，深度挖掘流量和数据价值，从而摆脱管道化风险，为规划与方案编制、网络评估、网络建设以及市场决策等提供参考依据[8-10]。

未来随着大数据应用效果的逐步显现，其应用需求与市场前景良好。预计2020-2023年中国大数据市场规模还将维持30%以上的高速增长。目前，大数据的相关标准规范尚未形成统一体系，大数据采集、分析、数据交换以及云计算等方面均缺乏统一标准。运营商未来发展和大数据应用中可结合自身建设逐步完善，并随着大数据技术产品的成熟，不断从数据中挖掘出更多的价值，使得运营商本身长期受益。