公诚管理咨询有限公司第三分公司广东东莞523220
摘要:随着我国社会不断的发展,经济不断的进步,人们对通信信息网络的需求也逐渐提升,其已成为人们生活和工作中的重要组成部分。当前通信业务数量及业务类型的增加,为运营商带来了海量数据,因此,大数据技术的研究极为必要。加强大数据技术在通信领域的应用研究,能够为用户提供很好的通信体验。本文针对大数据技术在通信领域的应用进行了分析,以期能为后期工作的有效开展提供启示。
关键词:大数据技术;通信领域;应用
引言
近年来我国IT产业迅速壮大,技术发展快,应用势头良好,充满了活力,丰富多样的数据资源进一步奠定了大数据发展的坚实基础。移动通信技术是IT技术的重要应用领域,随着IT技术从PC时代经过互联网时代,再到大数据时代的演化,移动通讯技术的发展也同步而行,广大人民群众的日常工作、学习、娱乐中移动通讯技术的应用无处不在。移动通讯领域如何顺应大数据时代的发展,用好用足大数据技术的时代红利,满足我国人们不断增长的物质文化的需求,提升企业的市场竞争力、服务能力和技术创新力已成了眼下急需解决的问题。
1大数据技术概述
大数据是指数据的种类与大小超出了常规数据库工具获取、储存、分析和管理能力的数据集i。从资源视角看,大数据是一种新资源;从技术视角看,大数据是新的一代数据管理与分析技术;从理念的视角看,大数据是一种全新的思维。以数据为要素,以网络为载体,以融合应用为目的是大数据应用的核心内涵。对大数据技术应用的推动者主要有两个,一是政府部门,二是大型互联网公司。当下大数据与业务的融合越来越紧密,几乎每一个行业及业务职能岗位都已经渗透着大数据技术的应用,从数据中得到信息和知识是大数据价值的核心问题,数据中隐含的信息对业务决策和业务预测起着决定性的作用,从“大数据”走向“高价值”是时代对大数据技术与业务高度融合的必然要求。
2大数据技术在通信领域的应用
2.1分析数据来源
我们要明确数据信息从何而来,在分析移动通信系统的信息来源过程中,发现其来源主要包括市场客户、设备运行管理以及相应的设备维护等渠道来源。而产生信息量最大的渠道来源就是市场客户,每天都会产生极为庞大的数据和信息,这是因为大量都偏向于应用移动网络来进行信息的传递和接收,进而生成了海量的通信信息和数据,很多信息的传递是实时性和即时性的,这就对移动网络和终端设备的运转效率和反应速度提出极为严格的要求,而且整个网路系统也要通过不断强化的设备体系和应用系统运行能力来提供相应的重要保障,以顺利完成各种信息的通信,并在这个过程中实现高效的信息交换和互通。这就需要应用大数据的处理以及分析技术来维持整个系统的稳定运转,如果不能及时处理好海量的数据,形成堵塞和滞后,那么在数据生成和产生时就会引发整个通信系统面临崩溃和瘫痪的可怕后果。可见,大数据技术的应用过程中,能够及时对大量生成的信息和数据进行反应,并高效开展处理和分析工作。
2.2合理获取数据
我们要分析怎样去合理的获取数据。目前很多移动网络的运营和供应企业都利用数据处理、分析和交互来完成各类信息数据的搜集和获取工作。其中大数据技术发挥了举足轻重的作用。在不同的地域区域内,移动网络需要根据不同地区信息来源情况和数量,建立与之相应的基站设施,建立相应的信息采集和获取机制,来完成在不同区域之间信息的传递和交换,并利用大数据的分析技术来挖掘信息数据的潜在价值,进而完善和优化通信网络系统,并且利用基于大数据技术的相关设备系统,将富有实用价值的信息数据提取出来以供技术人员将开展深入的研究和解析,将这部分数据有机整合在一起,经过预先处理和整合分析,逐步改进数据的组合结构,给下一步的数据分析和处理奠定更好的基础,然而将分析的结果数据信息资料传回移动网络数据处理中心,进而不断挖掘数据的潜在价值,提高其综合利用率,将其运用到更多的行业和领域中,并发挥更大的作用。
2.3提升大数据技术与行业的深度融合能力
(1)提升数据采集、存储能力数据采集是通信行业大数据技术应用首先要解决的问题,面对全业务领域覆盖的多源多样的数据,大数据系统对于数据采集技术和能力还是有一定的要求,首先其系统架构要有分布式采集的能力,其次系统要具备采集结构化数据、半结构化数据和非结构化数据的能力,还要有和各类数据库系统、物联网系统对接的能力,这样才能能够实现数据的批量采集和实时数据增量采集的功能ii。随着互联网技术和通信业务的发展系统数据呈现出大级量、高时效的特点。电信运营商的运营、业务和管理活动离不开相应的子系如OSS、BSS、MSS的等协作和联动,多个子系统采集的数据必然会多源多样,数据的业务定义和数据标准相差也会很大。总之,最终要实现数据融合存储、统一应用访问的功能,就必须要求行业要有统一的数据管理标准与数据技术标准,就要在数据存储和预处理阶段能将业务系统、运营系统、管理系统的数据进行高度融合。
(2)提升数据分析与挖掘能力基于HDFS、HBASE技术的大数据存储技术能够实现融合多种平台的分布式存储,实现了大数据架构的分布式计算,从而满足了大数据工具Spark、MapReduce等计算工具的需求,能够高效快速地对大数量级的非结构化和半结构化数据的处理。通信企业的大数据精准营销需要从数据中发现隐藏的商业价值,数据挖掘是实现这一目标的最佳选择。应用逻辑回归、Kmeans、稀疏线性矩阵、决策树、朴素贝叶斯、随机森林、线性回归等建模算法可以提升数据挖掘能力,可以发现移动通信业务中隐藏的问题或者是找到已有问题的答案。通过可视化的图形开发,不仅可以满足数据挖掘结果的图形展示,还可以降低大数据应用的门槛,让更多的人来应用大数据,为通信行业大数据应用的普及创造条件。
2.4完成数据的提取
数据信息的分析,利用大数据的分析技术来完成经过筛选和提取后的信息数据。科学分析的前提是要将数据按照种类和性质进行划分,经过分门别类后才可进行有效分析。区分所依据的标准有很多,这是根据企业或者个人工作所需来决定的,主要针对不同问题的分析需求来进行相应的划分。在完成分类工作之后,分析工作人员利用大数据的相关分析技术方法来开展实际的处理分析工作,主要找到数据信息之间存在的具体关联和联系,分析其组成结构和相互联系的环节要素。除此以外,分析结果应该重点体现出由市场客户反馈回的评价性信息和数据,主要针对其中的意见和建议进行合理性和可行性的评估,以促进网络系统的进一步优化和改进,这样能够弥补系统中存在的缺陷和不足。在此基础上采取合理的优化策略和举措来强化移动通信系统的功能作用,依据分析结果来制定科学的优化方案和规划。
结语
大数据技术的运用是移动通信网络优化的必然选择,同时也是解决移动通信网络存在问题和发展方向的关键,通过大数据技术的不断完善,提高移动通信网络发展水平,大数据技术的存储功能为数据分析处理打下坚实的基础,建设数据网络平台,优化移动通信网络,简化工作流程,加快社会信息化建设进程,方便人们的生产生活。
参考文献:
[1]亓峰,唐晓璇,邢宁等.未来大数据环境下的配用电通信网虚拟网络架构及应用[J].数据采集与处理,2015(3):511-518.