中国移动通信集团广东有限公司 广东 广州 510623
摘要：大数据信息管理系统与操作模式，随着社会生产工作需求，早已应用于社会各行各业工作管理体系中。而移动通信作为人们日常交流工作的重要途径，在许多时候由于庞大的人口基数，以传统的信息处理系统，难以保障移动通信工作的正常运转。另外移动通信管理工作中，繁多的管理工作，整理客户资料一直也是运营商管理工作难题之一。利用大数据管理系统整合客户数据，以及提高通信管理工作。对于提升移动通信中的通信质量具有明显效果，有助于帮助运营商处理工作内容，管理通信数据。
关键词：大数据；移动通信；实际应用
引言
我国已经进入移动通信高峰时期，移动通信业从2G发展到4G。移动通信已经极大地改变了现代人的生活，我们在关注移动通信发展的同时，也要求其提供优质的服务，关注移动通信质量问题。大数据时期，移动通信故障解决办法增多，但同时，移动通信业面临着更大的冲击，如何正确发挥大数据在移动通信网络中的作用，是现阶段通信运营商的主要任务。
1 大数据分析在移动通信网络优化中的问题
1.1数据问题
目前大数据技术在优化移动通信网络过程中存在的问题之一，就是数据量过大的问题。在移动通信网络的发展过程中，随着用户数量的增加、网络范围的增大，移动通信网络产生的数据量也在大幅度的增加。根据相关调查研究发现，全球数据总量正以每两年翻一番的速度高速增长。与此同时，移动通信网络产生的数据量也不容易忽视，这就加大了从巨量数据中提取有用信息的难度，成为当前优化移动通信网络工作的重要障碍之一。
1.2资金问题
现下大数据技术在优化移动通信网络过程中存在的另外一个问题，是资金缺乏的问题。基于大数据分析实现移动通信网络的优化，不是一蹴而就的，它需要经历一个复杂的系统数据分析过程。具体实施过程中，难免会因为不同地区的数据结构差异等问题综合考虑，使移动通信网络的建设成本加大，从而造成资金缺乏的问题。如果没有足够的资金支持，实现移动通信网络的优化则无从谈起。
1.3安全问题
当前在优化移动通信网络过程中，大数据技术同样面临着安全问题。大数据分析势必要对数据进行处理、分析和存储，如果大数据技术出现安全漏洞，那么直接会对移动通信网络造成不同程度的影响，甚至导致网络局部瘫痪。在大数据分析中，主要通过云储存技术进行存储。尽管云储存技术可以实现巨量数据的云端储存，但是云端数据的信息安全难得到有效保证，数据丢失的风险依旧存在。
2 大数据分析在移动通信网络优化中的应用要点
2.1大数据时期的分布式文件系统技术
大数据时代使移动通信网络分布系统存储、分析能力得以提高。目前，先进的分布式文件系统、如Hadoop系统已经开始应用并取得了很好的效果。HDFS的采用主从结构，具有强大的功能。该集群由NameNode和Client客户端构成。其中，NameNode是移动通信网络的管理者，负责对数据进行整理和管理。
期刊文章分类查询,尽在期刊图书馆大数据时期，数据的存储与分析十分重要，海量的数据只有通过分析才能判断有效与否。NameNode实现了移动通信网数据的本地存储、整理和发送，从而保证了接收端信息的有效性和安全性。
2.2分布式计算平台技术的应用
分布式计算平台通过为计算机系统提供并行化平台来解决以往信息加载速度缓慢的问题。4G通信时代，海量数据不可避免，分布式计算平台是云计算的一种表现形式，已经在我国应用，但是技术上还存在一定的漏洞。将大数据时期的分布式计算平台应用于通信网络数据计算中，可以明确小区通信流量，对超闲小区实施降容处理，采用并行信道原则，从而确保通信资源的合理利用，也能够保证用户的用网需求。这一平台还实现了不同节点的自动部署与并行化处理，对于移动通信效率而言具有积极意义。保证了信息传输过程的安全性和稳定性。分布式计算平台的建立需要对技术上的进一步革新，但是从整体上看，该技术对于移动通信的发展和新的通信模式的建立具有推进作用。通过独立信息的处理，通过流量的分配就可以实现，应在实践应用中进行推广。
2.3关联规则下的网络投诉数据分析
在各地移动运营商中都会建立网络投诉业务这一重点考核指标，用于用户对使用移动业务过程中发现的问题进行投诉。移动通信运营商也会安排专门的回访人员处理每单投诉，对投诉问题进行现场测试和网络调整，然而面对众多的投诉工作需要众多的网络优化人员来处理，由此，需要采取一个有效的统计分析和定位问题的措施，以便对投诉内容、用户位置做好关联分析，将某些投诉归类处理，能节省大量的优化工作。这就是大数据技术下的后台数据分析定位，对用户投诉、业务类型及其投诉位置进行关联分析和问题定位，聚类分析某段时间内的投诉问题，然后制定出批量优化方案，达到对某一类问题处理的举一反三的解决模式，加速处理问题的速度和效率。具体的方法如下：
第一，针对覆盖、接入性、通话质量、用户满意度等建立一个评估体系，以便对问题实行综合评估。
第二，建立每一个评估项的专门的KPI指标体系，例如建立MR上或下行覆盖率的KPI指标体系。
第三，对评估项设置对应的权重以及KPI权重。
第四，对地区移动通信网络采取网格化的管理办法，将每一个地区划分成若干网格。
第五，将所建网格和相应的小区进行对应，建立对应关系，以小区指标计算区域性能数据和MR数据。
第六，验证评估结果，检验评估体系是否合理有效。
第七，在投诉数据、评估结构的两种验证方法后，在整个网络中应用关联规则来推广投诉处理方法。
2.4发展网络性能大数据处理技术应用
在网络市场纷繁复杂的时代，如何实现有效布局以及在MICA架构的平台上快速实现技术提升，关系到大数据能否有效应用于网络优化的关键环节。网络性能的提升有待技术理念灵活性与开放性的提升，从而借助大数据处理技术适应云计算的分布式架构。由于不同数据源的传输是非同步的，在处理过程中可以设计专门针对文件传输或者使用面向消息的中间件（MoM）进行数据处理技术更新，充分借助于传输异步这个特点，较大提升处理的吞吐量，从而提升处理能力。大数据的应用能够使不同的数据源系统进行传输耦合处理，从而便于大数据基础架构设计进行动态扩展和收缩，尤其是峰值数据的处理是最为重要的，这能够加快处理技术，确保数据处理安全。移动网络数据技术的发展是成螺旋式上升、循环往复的，虽然计划优化工作暂时还没有成为制约瓶颈，但是与整体规划是相互制约的。
2.5云平台将为通信网络优化提供条件
云平台是大数据时期的产物，基于云平台的数据分析更准确，且具有弹性。云计算资源系统庞大且分布广泛，可对移动通信网络的异构系统进行处理。同时开源软件成为大数据时期的一大特点，开源软件将大数据推向商业化，对多个领域产生积极的影响。开源软件促进了计算机以及移动通信系统新设备的开发，并且建立了完善的服务体系。其中，Hadoop就是一种开源软件，未来这一功能还将继续发展，能够进一步发挥其在移动通信网络优化中的作用。
结束语
面对大数据时代的来临，运营商应尽早将大数据管理技术应用于移动通信管理工作中。通过现代化的大数据管理手段，提高运营商管理工作质量，以及客户数据分析，从而更高效的抓住客户需求，提高通信工作管理效率。因此在大数据实际应用上，务必要结合市场客户实际需求，以及运营商发展前景，提高市场竞争能力，成为市场份额强有力的竞争者。
参考文献
[1]刘丹.大数据在移动通信中的应用[J].内蒙古煤炭经济,2016(12):34+115.
[2]丁洪涛.大数据在移动通信中的应用研究[J].中国新通信,2016(11):97.
[3]黄倩蓉.大数据在移动通信中的应用[J].黑龙江科学,2015(03):28-29.
论文作者:叶国樑
论文发表刊物:《防护工程》2017年第12期
论文发表时间:2017/9/21
标签：移动通信论文; 数据论文; 网络论文; 技术论文; 分布式论文; 大数论文; 通信论文; 《防护工程》2017年第12期论文;