安徽联通企业级大数据平台构建及应用实践

doi:10.11959/j.issn.1000-0801.2018036

摘要/Abstract

摘要：

完整地总结了中国联合网络通信有限公司安徽分公司建设大数据面对的挑战和机遇以及通过快速构建B/O域融合的智慧运营平台累积的跨域数据多维度、多层次融合治理经验。此外，安徽联通还对用户离网预测进行了深入研究，通过大数据平台构建离网预测模型，实现离网预测模型查准率90%、查全率9%的突破，并通过提升用户感知等应用深入推广大数据在各领域的融合应用，对内提升了运营效率，实现了NOC（network operations center，网络运维中心）向SOC（service operations center，业务运营中心）的转型。

关键词: 运营商大数据, B/O域数据融合, 离网预测大数据应用, NOC向SOC的转型

Abstract:

The challenges and opportunities faced by Anhui Unicom of big data construction,and the experience of Anhui Unicom rapidly constructing B+O convergent smart operation platform which realized multi-dimensional and multi-level fusion management of cross-domain platform were summarized.In addition,the customer off-grid prediction was also deeply studied by Anhui Unicom.Achieving the off-grid prediction model through the big data platform which made the precision ratio get 90% and the recall ration get 9%.On the other hand,the big data platform has been popularized to other departments by integrated applications,such as,user awareness enhancement etc.Internal operation efficiency was improved and NOC (network operations center) was transformed to SOC (service operations center).

Key words: carrier big data, B+O convergent scenario, big data applications of off-grid prediction, transform from NOC to SOC

中图分类号:

TP319

吴涛,刘韬,王斌. 安徽联通企业级大数据平台构建及应用实践[J]. 电信科学, 2018, 34(1): 135-147.

Tao WU,Tao LIU,Bin WANG. Construction and application of Anhui Unicom enterprise big data platform[J]. Telecommunications Science, 2018, 34(1): 135-147.

图/表 17

图1

图2

图3

图4

图5

表1

表2

图6

表3

图7

表4

离网用户关键数据属性字段"

建模字段	建模字段	建模字段	建模字段
用户状态	套餐内语音时长	近3月ARPU均值	闲时通话次数占比
手机号码	上行点对点短信条数	当月欠费金额	工作日通话次数占比
用户ID	上行网内点对点短信条数	近3月欠费金额均值	周末通话次数占比
客户ID	上行网间点对点短信条数	零售渠道充值次数	工作日忙时通话次数占比
省分编码	国际漫出点对点短信条数	当月充值次数	忙时流量占比
城市代码	短信计费量	社会渠道接触次数	闲时流量占比
性别	下行点对点短信条数	近3月充值金额均值	工作日流量占比
客户年龄	套餐内短信条数	零售渠道充值金额	周末流量占比
用户信用度	上行点对点彩信条数	近3个月套餐更换次数总和	工作日忙时流量占比
网龄	上行网内点对点彩信条数	近3月欠费次数总和	忙时平均每次通话时长
本地网外时长	点对点彩信次数	近半年通话次数标准差	闲时平均每次通话时长
长途主叫时长	下行点对点彩信条数	近半年通话时长变异系数	工作日平均每次通话时长
漫游主叫时长	总流量	月收入环比	周末平均每次通话时长
本地被叫时长	套餐内流量	欠费金额环比	近6个月通话时长趋势
漫游被叫时长	服务类短信号码种类	欠费次数环比	近6个月工作日忙时通话次数趋势
网间通话时长	服务类短信条数	通话时长环比	近6个月工作日通话次数趋势
忙时通话时长	拨打客服电话次数	通话次数环比	近6个月流量趋势
周末通话时长	本月总收入	总流量环比	近6个月工作日忙时流量趋势
通话次数	流量费用	上网时长环比	近6个月工作日流量趋势
长途语音通话次数	短信_点对点短信费	缴费金额环比	近3个月通话次数标准差
主叫次数	套餐价格	缴费次数环比	近3个月通话时长变异系数
语音通话计费时长	余额	异网客服拨打次数	近3个月通话时长趋势
主叫计费时长	缴费金额	忙时通话时长占比	近3个月工作日忙时通话次数趋势
本地网内时长	上个月ARPU值	闲时通话次数占比	近3个月工作日通话次数趋势
本地通话时长	过缴费期天数	工作日通话时长占比	近3个月流量趋势
长途通话时长	余额与上月账单差值	周末通话时长占比	近3个月工作日忙时流量趋势
漫游通话时长	社会影响力	忙时通话次数占比	近3个月工作日流量趋势

表4

表5

表6

表7

表8

表9

表10

参考文献 16

[1]	童晓渝, 张云勇, 房秉毅 ,等. 大数据时代电信运营商的机遇[J]. 信息通信技术, 2013(1): 5-9.
	TONG X Y , ZHANG Y Y , FANG B Y ,et al. Opportunities and strategies to adopt big data for telecom operators[J]. Information and Communications Technolog, 2013(1): 5-9.
[2]	左超, 耿庆鹏, 刘旭峰 . 基于大数据的电信业务发展策略研究[J]. 邮电设计技术, 2013(10): 1-4.
	ZUO C , GENG Q P , LIU X F . Study on operator’s development st rategy for big data business[J]. Designing Techniques of Posts and Telecommunications, 2013(10): 1-4.
[3]	丁俊发 . 大数据时代的机遇与挑战[J]. 硅谷, 2013(1): 9-10.
	DING J F . Opportunities and strategies in big data era[J]. Silicon Valley, 2013(1): 9-10.
[4]	冯登国, 张敏, 李昊 . 大数据安全与隐私保护[J]. 计算机学报, 2014,37(1): 246-258.
	FENG D G , ZHANG M , LI H . Big data security and privacy protection[J]. Chinese Journal of Computers, 2014,37(1): 246-258.
[5]	韩晶, 张智江, 王健全 ,等. 面向统一运营的电信运营商大数据战略[J]. 电信科学, 2014,30(11): 154-158.
	HAN J , ZHANG Z J , WANG J Q ,et al. The unified-operationoriented big data strategy for telecom operators[J]. Telecommunications Science, 2014,30(11): 154-158.
[6]	于鹃 . 数据仓库与大数据融合的探讨[J]. 电信科学, 2015,31(3): 166-170.
	YU J . Discussion on integration of data warehouse and big data[J]. Telecommunications Science, 2015,31(3): 166-170.
[7]	廖建新 . 大数据技术的应用现状与展望[J]. 电信科学, 2015,31(7): 7-18.
	LIAO J X . Big data technology:current applications and prospects[J]. Telecommunications Science, 2015,31(7): 7-18.
[8]	王帅, 汪来富, 金华敏 ,等. 网络安全分析中的大数据技术应用[J]. 电信科学, 2015,31(7): 145-150.
	WANG S , WANG L F , JIN H M ,et al. Big data application in network security analysis[J]. Telecommunications Science, 2015,31(7): 145-150.
[9]	ALMANA A M , AKSOY M S , ALZAHRANI R . A survey on data mining techniques in customer churn analysis for telecom industry[J]. Journal of Engineering Research and Applications, 2014,4(5): 165-171.
[10]	BREIMAN L . Random forests[J]. Machine Learning, 2001,45(1): 5-32.
[11]	AU W , CHAN K , YAO X . A novel evolutionary data mining algorithm with applications to churn prediction[J]. IEEE Transactions on Evolutionary Computation, 2003,7(6): 532-545.
[12]	OSEMAN K B , BINTI S , SHUKOR M ,et al. Data mining in churn analysis model for telecommunication industry[J]. Journal of Statistical Modeling and Analytics, 2010(1): 19-27.
[13]	JUNQUE D , MARTENS D , PROVOST F . Predictive modeling with big data:is bigger really better?[J]. Big Data, 2013,1(4): 215-226.
[14]	KIM N , JUNG K H , YONG S K ,et al. Uniformly subsampled ensemble (use) for churn management:theory and implementation[J]. Expert Systems with Applications, 2012,39(15): 11839-11845.
[15]	COUSSEMENT K , POEL D . Churn prediction in subscription services:an application of support vector machines while comparing two parameter-selection techniques[J]. Expert Systems with Applications, 2008,34(1): 313-327.
[16]	GUYON I , LEMAIRE V , VOGEL D ,et al. Analysis of the KDD cup 2009:fast scoring on a large orange customer database[J]. ACM SIGKDD Explorations Newsletter, 2009,11(2): 1-22.

主题域	主题子域
个人客户统一视图	个人客户基本信息、个人客户业务使用、个人客户产品订购、个人客户收入
集团客户统一视图	集团客户基本信息、集团客户业务使用、集团客户产品使用、集团客户收入
家庭客户统一视图	家庭客户基本信息、家庭客户业务使用、家庭客户产品订购、家庭客户收入
竞争对手统一视图	竞争对手用户基本信息、竞争对手业务量、竞争对手交往圈
产品统一视图	产品基本信息、产品使用、产品销售
用户统一视图	用户基本信息、用户业务使用、用户渠道接触、用户位置、用户产品订购、用户交往圈、用户账务、用户终端使用、用户互联网使用
终端统一视图	终端基本信息、终端使用、终端销售
渠道统一视图	网络基本信息、网络使用、网络质量
营销信息统一视图	营销基本信息、营销效果

	DWD	整合层	统一视图层
目标	标准化、原生态的企业级细节数据中心	定义数据模型，清晰数据关系，通过横向数据整合，减少系统冗余度	面向业务应用的抽象数据模型，经过简单加工快速支持上层应用
原则	面向主题，完成结构的转换、数据标准化，编码转换	面向主题，主题域内的整合与轻度汇总	面向应用，提炼共性需求，进行广泛主题域的汇总
模型设计方法	表结构与原系统保持一致，但做命名的规范化、标准化	星型模型设计，反规范化的设计，降低系统冗余度	星型、雪花模型设计，反规范化的设计，适当冗余
重点	主题定义	基础数据定义	在于对业务需求的抽象
	框架设计	派生数据设计	考虑生成的性能
	标准化	数据关系管理	考虑查询的性能
	减少或控制冗余
用途	便捷查询，可以回答任务问题	便捷数据组织，尽量避免数据跨域	支持上层应用
		访问	支持最终使用者进行即席查询

数据域	系统	数据内容
B域	BSS	用户信息、消费信息、计费话单、投诉、终端信息、渠道、营销活动等数据
	CBSS
	ECS
	客服
O域	SEQ	A/IUCS、Iups、S1-MME、GN、GB、
	博瑞德	S1-U、MR、基站等数据
	永鼎
	综合网管

预测人数/人	查准率	查全率
25 000	90.60%	8.80%
50 000	81.00%	15.80%
100 000	69.20%	27.00%
150 000	61.50%	36.00%
200 000	55.50%	43.40%
250 000	50.50%	49.30%
300 000	46.30%	54.30%
350 000	42.90%	58.60%
400 000	40.00%	62.40%

预测人数/人	查准率	查全率
25 000	71.30%	7.00%
50 000	66.00%	12.90%
100 000	58.30%	22.80%
150 000	53.10%	31.10%
200 000	48.90%	38.20%
250 000	45.50%	44.50%
300 000	42.70%	50.10%
350 000	40.40%	55.20%
400 000	38.30%	59.80%