京公网安备 11010802034615号
经营许可证编号:京B2-20210330
中移动掘金大数据 浪潮为其改造基础架构
海量数据是4G时代送给电信运营商最大的礼物。信息、互联网行为数据、话单数据、WAP日志/WEB日志、互联网网页、投诉文本、短信文本等结构化数据以及非结构数据呈现几何式增长,基于这些数据的挖掘、共享、分析已经成为全球电信运营商转变商业模式的重要资源,目前,全球120家运营商中,已经有48%的企业正在实施大数据战略。
某省移动公司是全省唯一专注移动通信领域的电信运营企业,网络容量1400万户,客户总量超过6000万户。作为“中国移动通信”网络的有机组成部分,该移动公司一直专注于新技术开发和应用,并在大数据平台的建设中走在了最前沿。
要用大数据 先改变基础架构
现阶段,三大运营商还处于数据应用的初级阶段只支持流量经营、智能管道等应用,主要采用基于内部整合数据的分析挖掘手段,未能形成规模并进行商业利用。而旧有系统建设分散,无法实现资源应用共享。数据的分散存储和传统架构的缺陷,无法满足新业务发展要求。
目前国内的三大运营商都在着力整合企业内外部数据,做到内部交易数据与互联网交互数据的融合,由此开展用户行为模式的分析与数据挖掘并支撑各类数据应用,包括:支持精细化营销、支持产品规划和创新、支持网络优化和投资、支持能力开放与合作。长远来看,运营商应建立基于大数据驱动,以消费者为中心、以客户体验为重心的企业运营及组织变革模式,如淘宝将数据化运营贯穿业务全过程,以选品、价格和推送作为淘宝客户体验的三个灵魂。
而现实的IT基础架构则阻碍了电信行业发展大数据的步伐。首先,传统IT系统建设分散,很难实现资源和应用共享。诸如经营分析、信令监测、综合网络分析、不良信息监测以及上网日志留存等大数据系统垂直建设较多,同时,系统建设存在重复建设、应用重复开发、各类专家资源无法共享等情况。
其次,数据分散存储,标准化程度低。要对网络流量大数据进行分析,必须实现数据的集中存储,并有统一的标准。但从目前来看,各大运营商数据系统的数据模型并未统一,跨系统综合分析较为困难,在原有基础之上实现统一管理的难度较高。
最后,以联机事务处理系统On-Line Transaction Processing (OLTP)为核心的传统架构难以满足新业务发展要求,海量的大数据处理需要高度易扩展、高性能的基础架构,先行架构在存储、计算等各个方面都不能满足需求。
架构改变是基础 整体效率是目标
为了推进全网数据流量的精细化经营,提升数据流量经营效益,尤其是挖掘数据价值,开拓新的业务内容和盈利项目,某省移动与浪潮合作搭建大数据平台,建成后该平台用于多个平台数据分析业务。平台会处理每月客户账单,确保每月1日按时为用户提供账单服务,河南移动每年数据符合增长率在15%左右,基础架构完全可以满足扩容的技术需求。
由50台浪潮双路服务器NF5270M3构建Hadoop平台是系统的核心,另外三十台NF5270M3构建数据库处理平台。
网络——容错,高性能
系统采用了全新的IP网络互联架构,有足够的容错能力和性能来支持规模化数据处理。这一设计方案的优点是每台服务器配置两个10GB端口,端口通过冗余绑定方式分别与两台不同的汇聚交换机相连。此外通过高度冗余的三台二层交换机将所有汇聚交换机连接为统一的子网,最大限度的提高系统的冗余度和节点间通信带宽限制。
存储——成本降20%,效率提高3倍
数据存储方案也采用了分布式本地存储方式,采用双路服务器构建,替代原有的MNC小型机加磁盘阵列的方式,建设成本降低了20%以上。新平台可实现海量图片、视频文件的快速存储与查询,数据处理效率提升50%以上。而且,浪潮根据该省移动数据具体需求对大数据系统做了深层次的优化,在存储和网络资源间更均匀地平衡负载,从而将资源利用率提高三倍多。
电信行业的大数据仍然刚刚起步
该移动完成大数据平台建设后,不仅可以为相关企业提供数据分析报告,增加新的企业赢利点,而且可以通过对用户位置信息和指令信息的历史数据和当前信息分析建模,服务公共服务业,指挥交通、应对突发事件和重大活动。
此外还可以对某个时段和某个地点的用户流量和关键影响因素进行分析,洞察结果可为零售商在新店设计和选址、商品促销方式等提供决策支撑,从而帮助零售商更好地洞察客户需求,提升营销业绩。
2014年大数据的普及和运用都达到了前所未有的高度,但仍然仅是一个起步。凭借数据分析来竞争,实现数据价值货币化,这是运营商的终极追求。当一个人拿着手机玩《刀塔传奇》时,用快的软件叫一辆出租车时,无形的数据已经形成了一个流通的气场,这个气场就需要运营山的大数据平台来支持,从这个角度看,运营商的大数据建设还有更远的路要走。
此次同该移动合作的浪潮是中国领先的云计算和大数据方案供应商,也是2014年唯一全面入围三大电信运营商的服务器品牌厂商,在运营商集采中占有30%的份额。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31