根據思科的預測，到2022年，移動數據將達到每月77艾字節(jié)。雖然大多數人不會考慮他們每天產生的大量數據，但電信公司對此了如指掌。同時，物聯網、智能設備和新內容平臺也讓電信公司面臨著數據沖擊。

為了將數據挑戰(zhàn)轉化為機遇，大多數電信提供商正在通過研發(fā)分析技術進行創(chuàng)新。在本文中，我們將使用Yellowbrick Data技術營銷總監(jiān)Josh Miner提供的信息，看看他們是如何全面優(yōu)化業(yè)務的。

 

 

看點1：電信業(yè)解決數據問題時遵循的基本步驟

一般而言，電信業(yè)在解決數據問題時遵循以下基本步驟：

定位營銷和添加新服務，以減少用戶流失;

確保每個級別的訂閱者計費反映實際使用量和執(zhí)行利潤率分析;

通過優(yōu)化路由降低成本;

為內容提供商等相鄰市場提供分析。

電信提供商目前使用許多不同的技術和平臺來執(zhí)行這些分析，這種方法從長遠來看是不可持續(xù)的。電信公司必須繼續(xù)創(chuàng)新以實現兩個對立目標：一是收集和分析大量的實時和歷史數據，二是減少單獨分析平臺的數量以控制成本。

這些目標在實現過程中有哪些挑戰(zhàn)?傳統(tǒng)和新型的技術又如何被應用以解決這些挑戰(zhàn)?

看點2：現代電信提供商需要快速、深入的分析

對于人們和企業(yè)每天使用的大部分數據，電信公司既是渠道也是紐帶。如果要使用這些數據，就需要對這些數據進行分析。電信服務提供商必須同時分析實時數據和歷史數據，以便在需要的時候及時了解情況。

例如：

為訂閱者提供無縫體驗，包括基于地理位置幫助優(yōu)化路由器的分析。

在內容提供者、廣告提供商和使用者的應用程序之間快速傳遞相關數據。

支持服務人員對設備的實時監(jiān)控，以排查問題，同時允許查看歷史模式，以推薦最佳計劃或進行升級。

能夠實時查看路由數據并優(yōu)化網絡基礎設施，從而減少問題。同時還可以檢查歷史問題，以確定某問題是偶然事件還是基礎設施達到設計極限的表現。

 

 

看點3：如何應對數據激增問題

為解決眾多分析挑戰(zhàn)，電信公司研發(fā)了多種技術。例如，內存數據庫等技術可為實時數據提供即時分析，Hadoop等大數據技術可擴展以支持大量歷史數據集，而NoSQL數據庫可幫助企業(yè)擴展以經濟、高效地支持數據激增問題。

但內存數據庫成本往往過高，且無法滿足電信公司需要分析PB數據的需求，大數據無法支持實時分析，NoSQL數據庫缺乏SQL數據庫的特性，從而無法提供豐富的分析功能。

總之，由于沒有傳統(tǒng)解決方案能夠滿足這些公司的分析需求，因此大多數公司都在探索新技術。 但這種方法是不可持續(xù)的，電信提供商將面臨不斷增加的硬件、空間、電力和冷卻成本。 跨平臺管理和集成分析也變得越來越復雜，這樣更容易出錯且成本高昂。

看點4：新興技術有望解決分析挑戰(zhàn)

市場需求促進產品的創(chuàng)新。電信公司是最早部署內存數據庫和Hadoop等技術的公司之一。這些技術既可以進行實時和歷史數據分析，也可以在硬件和管理復雜性限制的情況下進行擴展。

新的高性能SQL數據庫能夠獲取實時數據，并且可以從其他數據源批量加載PB級別的數據，同時提供分析應用程序以分析數據。

標簽： 大數據挑戰(zhàn) 移動數據

版權申明：本站文章部分自網絡，如有侵權，請聯系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯系。