文章

电信行业如何应对大数据挑战?

2019-05-10张晓艺

126阅
虽然大多数人不会考虑他们每天产生的大量数据,但电信公司对此了如指掌。同时,物联网、智能设备和新内容平台也让电信公司面临着数据冲击。

    根据思科的预测,到2022年,移动数据将达到每月77艾字节。虽然大多数人不会考虑他们每天产生的大量数据,但电信公司对此了如指掌。同时,物联网、智能设备和新内容平台也让电信公司面临着数据冲击。

    为了将数据挑战转化为机遇,大多数电信提供商正在通过研发分析技术进行创新。在本文中,我们将使用Yellowbrick Data技术营销总监Josh Miner提供的信息,看看他们是如何全面优化业务的。

看点1:电信业解决数据问题时遵循的基本步骤

    一般而言,电信业在解决数据问题时遵循以下基本步骤:

    定位营销和添加新服务,以减少用户流失;

    确保每个级别的订阅者计费反映实际使用量和执行利润率分析;

    通过优化路由降低成本;

    为内容提供商等相邻市场提供分析。

    电信提供商目前使用许多不同的技术和平台来执行这些分析,这种方法从长远来看是不可持续的。电信公司必须继续创新以实现两个对立目标:一是收集和分析大量的实时和历史数据,二是减少单独分析平台的数量以控制成本。

    这些目标在实现过程中有哪些挑战?传统和新型的技术又如何被应用以解决这些挑战?

看点2:现代电信提供商需要快速、深入的分析

    对于人们和企业每天使用的大部分数据,电信公司既是渠道也是纽带。如果要使用这些数据,就需要对这些数据进行分析。电信服务提供商必须同时分析实时数据和历史数据,以便在需要的时候及时了解情况。

    例如:

    为订阅者提供无缝体验,包括基于地理位置帮助优化路由器的分析。

    在内容提供者、广告提供商和使用者的应用程序之间快速传递相关数据。

    支持服务人员对设备的实时监控,以排查问题,同时允许查看历史模式,以推荐最佳计划或进行升级。

    能够实时查看路由数据并优化网络基础设施,从而减少问题。同时还可以检查历史问题,以确定某问题是偶然事件还是基础设施达到设计极限的表现。

看点3:如何应对数据激增问题

    为解决众多分析挑战,电信公司研发了多种技术。例如,内存数据库等技术可为实时数据提供即时分析,Hadoop等大数据技术可扩展以支持大量历史数据集,而NoSQL数据库可帮助企业扩展以经济、高效地支持数据激增问题。

    但内存数据库成本往往过高,且无法满足电信公司需要分析PB数据的需求,大数据无法支持实时分析,NoSQL数据库缺乏SQL数据库的特性,从而无法提供丰富的分析功能。

    总之,由于没有传统解决方案能够满足这些公司的分析需求,因此大多数公司都在探索新技术。但这种方法是不可持续的,电信提供商将面临不断增加的硬件、空间、电力和冷却成本。跨平台管理和集成分析也变得越来越复杂,这样更容易出错且成本高昂。

看点4:新兴技术有望解决分析挑战

    市场需求促进产品的创新。电信公司是最早部署内存数据库和Hadoop等技术的公司之一。这些技术既可以进行实时和历史数据分析,也可以在硬件和管理复杂性限制的情况下进行扩展。

    新的高性能SQL数据库能够获取实时数据,并且可以从其他数据源批量加载PB级别的数据,同时提供分析应用程序以分析数据。

责任编辑:程玥
本文来源于互联网,e-works本着传播知识、有益学习和研究的目的进行的转载,为网友免费提供,并以尽力标明作者与出处,如有著作权人或出版方提出异议,本站将立即删除。如果您对文章转载有任何疑问请告之我们,以便我们及时纠正。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
读者评论 (0)
请您登录/注册后再评论